首先，就正常的运营秩序来讲，现场运营需要关注联络量供给、员工供给、联络处理效率、客户体验以及员工反馈等几个方面。联络量供给主要看联络量的数量、走势以及跟预期的差距等。员工供给主要看上线数量、工作状态、与预期差距等。联络处理效率主要看接通率、服务水平、队列数量、联络处理量、平均处理时长等。客户体验则主要看平均等待时长、放弃率等指标。员工的实时反馈则主要集中于突发来电原因、特殊需求的请求与处理、突发系统或平台问题等。

其次，由于现场运营的动态性特征，现场资源调度也是确保运营秩序不可或缺的手段。但是科学的现场运营调度需要现场管理人员深入了解和熟悉现场运营指标的之间的关联关系，因为任何的调整影响的不是单单一个指标，而是整个现场运营状态的改变。下面我们就用一个示例来解释一下现场运营一些主要指标之间的相关关系。

在下面的图表中，我们分别设定了四个模拟参数，平均通话时长150秒，话后处理时长30秒，半小时话量1000个，服务水平时限20秒。然后基于联络量的泊松分布特征用Erlang C计算出了如下所示的结果：

SL%（服务水平）vs.OCC%（员工占用率）

这两个指标是反向运动的，即服务水平越高，员工占用率越低。就是说越是保持高接通率/服务水平，员工在线的繁忙程度就会相对越低。但只是相对而已，具体还要受来电量、通话时长、队列规模、两个指标的非线性运动轨迹等其它因素的影响，所以理想状态下是有可能保持服务水平和员工占用率双高的状态的。员工占用率指标不易长期处于较高状态。否则员工的疲劳感及服务水准会受到负面影响。

Agents（在线员工数量）vs.SL%（服务水平）

随着在线员工数量的增加，服务水平指标会不断改善。但两者之间不是线性关系，当服务水平指标不高的时候，增加或减少一个人的影响是非常显著的。但当服务水平指标保持在较高位置一下上时，一个人的影响就会越来越小，呈现边际效应。这个规律在队列员工分配调动过程中是重要的参考依据。

ASA（平均应答时长）vs.SL%（服务水平）

毫无疑问，服务水平越高，平均应答时长越短，客户的队列等待时间也就越短，来电放弃率也就越低。但仅凭服务水平指标是推不出放弃率指标的。需要注意，这两者之间也不是线性关系，存在非常明显的拐点。

Q2（队列排队数量） vs.SL%（服务水平）

有人排队是正常的，不必惊慌！即便你的服务水平达到20秒的90%以上，仍然有10个人左右在排队（仅指本文的模拟数据场景）。真要做到任何时候没有人排队，那么你的人员投入需要是海量的，也是没必要的。但需要注意的是，现场运营中，如果队列排队数量在很短的时间内急剧增加，明显超过跟服务水平相关的正常值范围，则预示着突发话务高峰到来了，或者线上员工状态出现了异常变动。队列数量是实时指标，服务水平是滞后指标，这两个指标的状态是不同步的。