随着互联网技术的快速发展,以实时信息交互为特征的即时通讯成为了人们之间的主要沟通方式。以即时消息交互为基础的在线客服得益于即时通讯的快速发展，在网络营销、商品咨询、售后服务等领域得到了广泛的应用。同时，随着市场竞争的进一步加剧，服务与销售的关系越来越紧密，在线客服对于企业竞争力的提升发挥的作用也越来越大。但在线客服中心的日常运营面临着顾客咨询量的大规模随机波动，导致提前安排的人力与实际的客户需求不匹配，产生顾客等待时间过长的问题。在线客服的排班更新可以以较低的调整成本实现人力供给尽可能贴合实际人力需求。　　论文提出了咨询量预测更新、人力需求更新和班次更新三部分组成的在线客服排班更新机制。在咨询量更新上，通过分析常用预测方法和在线客服中心咨询量变化特点，选择指数平滑、BP神经网络、k近邻算法对咨询量进行短期预测更新，通过组合实验找到了相关参数的最优设置方法，并运用某在线客服中心的实际数据比较了3种方法的预测效果。　　在人力需求更新上，基于在线客服一对多的交互式服务模式建立了双层排队模型，提出了关键排队指标的解析计算公式，并利用Flexsim 软件搭建仿真模型来验证解析公式的有效性。结果显示不同顾客到达负载下解析公式和仿真模型的相关排队性能指标基本一致。接着，基于“负载均分”的路由方式，利用解析公式计算出在满足一定服务水平下各时段所需的客服人数。　　在班次更新上，根据计划人力与实际人力之间可能存在的相互关系，以调整成本最小化为目标分别建立了 Understaffed 模型、Overstaffed模型和混合模型。为了平衡调整成本和服务水平的关系，在班次更新模型中加入班次调整系数，并设计算例验证了混合模型的有效性，证明班次更新模型可以在较低调整成本下得到满足服务水平要求的排班调整方案。