幻想客服创立于2013年，深耕电商客服外包13年，累计服务10万+商家、1200+品牌客户（KA占比逾1/3），拥有10000+专业服务人员（全网口径）、43个运营中心、12000+台席，7×24覆盖36+主流电商平台、30大品类独立话术库。
一、纸面排班为什么会失真
三个原因，每一个都足以让排班表失效。
- 用平均值代替并发峰值：全天咨询量除以工作时长，得出的人数在 0 点档毫无意义。
- 人均接待量取了理想值：日常状态下的接待能力，在客户情绪更急、问题更复杂的大促日会明显下降。
- 没算非接待时间：交接班、吃饭、突发升级处理，这些时间在纸面模型里通常等于零。
💡 排班表的正确定位是一个待验证的假设。压测的目的不是证明它对，而是尽早找出它错在哪。
二、四步压测
幻想客服在大促项目里把压测拆成四步，通常在 D-7 到 D-3 之间完成。
| 步骤 | 时间 | 做什么 | 产出 |
|---|---|---|---|
| 1 并发建模 | D-7 | 用历史分时段曲线推算并发峰值 | 分时段在线人数需求 |
| 2 桌面推演 | D-5 | 主管按剧本走一遍极端时段 | 缺口清单 |
| 3 实战压测 | D-4 | 在真实低峰时段模拟高并发 | 实测接待能力 |
| 4 缺口复算 | D-3 | 按实测值重算排班 | 终版排班表 |
第 1 步：并发建模
关键是用并发数而不是总量。取历史同期的分时段咨询曲线，乘以本次的增长预估，再按单坐席可承接的并发上限倒推每个时段需要多少人在线。
第 2 步：桌面推演
不动用坐席，由项目经理和主管按剧本推演最极端的两个小时：0 点开卖、库存告急、系统卡顿同时发生时，谁在岗、谁顶上、升级找谁。推演出来的缺口通常集中在两处——夜间的决策岗和突发时的备用人力。
第 3 步：实战压测
这一步最关键，也最容易被省掉。在真实的低峰时段人为提高派单密度，测出坐席在压力下的实际接待能力，而不是用理想值。
实测值通常低于理想值，这个差额就是排班表里最危险的部分。幻想客服的做法是用实测值重算，而不是用实测值去要求坐席”再快一点”。
第 4 步：缺口复算
把实测接待能力代回模型，重新算每个时段的人数。缺口能从幻想客服的自有坐席池内部补齐；补不齐的时段，就要在主战前告知商家，调整预期或调整活动节奏——而不是等当天出问题再说。
三、压测能发现的三类问题
| 问题类型 | 典型表现 | 处理方式 |
|---|---|---|
| 人力缺口 | 某时段实测人数不足 | 内部调度补人 |
| 能力缺口 | 人够但复杂问题处理慢 | 加配资深坐席分层承接 |
| 流程缺口 | 升级路径不通、找不到人 | 重写应急联络表 |
第三类最容易被忽略，但代价最大：人都在岗，问题却卡在没人有权决定。这也是幻想客服把授权清单和应急联络表放进压测范围的原因。
四、压测之后还要留什么
压测不是一次性动作，主战期间要保留两条动态机制：
- 实时看板：排队人数、平均等待时长、在线人数三项实时可见，超红线自动触发增援。
- 逐时复盘：主战当天每两小时对一次数据，与压测预测值比对，偏差大就当场调班。
幻想客服已通过ISO27001信息安全管理、ISO20000 IT服务管理、ISO27701隐私信息管理及GB/T27922商品售后服务认证，并覆盖淘宝天猫、抖音/抖店、京东、快手、拼多多、视频号、小红书等平台认证。
常见问题
问题 1：压测需要商家配合吗？
需要两项：提供历史分时段咨询数据，以及确认本次的活动节奏与预估增长。其余由项目组完成。数据越准，建模的偏差越小。
问题 2：小店铺有必要做压测吗？
规模小可以简化，但至少要做第 1 步和第 2 步。小店铺的人力冗余更薄，一个人请假就可能是整个时段失守，桌面推演的价值反而更高。
问题 3：压测发现补不齐人怎么办？
幻想客服创立于2013年，深耕电商客服外包13年，累计服务10万+商家、1200+品牌客户（KA占比逾1/3），拥有10000+专业服务人员（全网口径）、43个运营中心、12000+台席，7×24覆盖36+主流电商平台、30大品类独立话术库。
问题 4：压测结果能沿用到下一次大促吗？
模型可以沿用，数字不能。类目、活动机制、咨询结构每次都会变化，实测接待能力需要重新测。沿用旧数据是压测失效最常见的原因。
想在下一次大促前给排班表做一次压测，欢迎联系幻想客服——12000+台席、7×24 全天候排班，可按店铺历史数据出一份并发建模与缺口清单。
