互联网使企业能够比以往更快地为客户服务，但它也使人们变得越来越没有耐心，总是期望自己的需求能够立刻得到回应。

随着服务业成为美国和其他西方经济体的重点发展领域，管理这些需求、提高服务质量和服务效率将成为企业竞争中一个越来越重要的组成部分。

但有时，应对客户期望水涨船高的最佳方法是在某些领域或细分市场减少服务，以便锁定最重要的需求，使之得到满足。

芝加哥大学布斯商学院(Booth School of Business, University of Chicago)Rothman家族运营管理教席教授埃米·沃德(Amy R. Ward)在对运营效率的研究中发现了这一点。

在研究生时代，沃德就对企业用来管理客户等待时间的方法——排队——很感兴趣，她在博士论文中也继续探讨了这一议题。

她对服务系统的兴趣促使她去研究客户和员工的特点会如何影响有关人员配备和产能的决策。尽管对于服务型企业而言，尽可能快地给客户提供他们想要的服务似乎是一个理所当然的目标，但沃德指出，企业不可能总是负担得起这样做。

她认为，企业可以利用概率来了解如何将资源与客户需求进行最佳匹配。

《麻省理工学院斯隆管理评论》(MIT Sloan Management Review)的特约记者弗里达·克洛茨最近采访了沃德，谈到了她的研究。以下是她们的对话内容，经编辑整理。

问：你是如何对概率作为一种管理工具感兴趣的?

沃德：在本科时代，我受到两位教授的影响。其中一位运用概率和统计方法为航空军工企业洛克希德·马丁公司(Lockheed Martin)做导弹方面的咨询工作。另一位则为制药公司工作，在临床试验中评估药物中有效成分的保质期。

我对于他们如何依靠相似的数学方法来解决非常不同的实际问题产生了浓厚的兴趣。

每家公司都有客户，都依赖投入要素，要么是原材料，要么是更接近成品的东西。运营的重点是如何在员工、成本和质量方面高效地管理流程。

不过，在现实生活中，没有什么事情是完全按计划进行的，总是存在随机性，而了解概率可以帮助企业在不确定的环境中做决策。

问：企业在满足客户需求方面遇到的最大挑战是什么?

沃德：需求管理是许多不同类型的企业需要处理的问题。呼叫中心经理需要弄清楚要多少人手才能足够快地接起客户的电话(或者从一开始就减少要等待的客户人数)。

而在零售业，当有人走进商店，你希望他们会购买产品，然后得有一位员工能为客人服务。企业可能希望降低人员配置成本，但缩减服务人员会影响客户的等待时间。

我喜欢思考边际变化：有5个或者6个收银员，对客户的等待时间分别有什么影响?如果只是增加两分钟的等待时间，这可能不是什么大问题。但如果要增加20分钟的等待时间，那就另当别论了。

问：所以，如果投资客户服务，企业可能会把钱用错地方?

沃德：没错。换一种说法，提供优质的服务不容易而且成本高昂，人们非常喜欢优质的服务，但是很多企业并不能做到。

要提供优质的服务，企业必须非常清楚自己的优先事项：专注于做好重要的事情，而不要承诺过多。

例如，如果决定提供便宜的折扣票，就应该和客人们说清楚必须要排队等候。与其样样都投入，不如专注于改善服务中对客户而言最有价值的部分。理想情况下，这对每个人都有好处。

问：企业找到最佳平衡点的频度如何?

沃德：让我反问你这个问题：想想你上次遇到的服务不佳的情况。当企业不用在乎资源的时候，提供优质的服务是非常容易的。但是大多数企业需要对要使用多少员工和设备做出取舍，这就要求有非常明确的优先次序。

西南航空是一家在这方面做得很好的公司。它的周转时间，也就是从飞机到达到为下一次飞行做好准备所需的时间，是业内最快的。这是怎么做到的?

一方面，他们没有头等舱或商务舱的座位——他们的理念是乘客人人平等。所以当他们装载飞机时，速度很快。

而且，他们主要使用一种机型，这意味着他们的飞行员、副驾驶和机组人员可以适应机队里的任何一架飞机。

这样的服务是好还是不好呢?有些人可能不喜欢没有头等舱。但西南航空为特定的细分市场提供了高质量的服务。

对于任何一家企业来说，关键是要确保你的运营能力与你要服务的客户群体相匹配，以及什么对客户来说是重要的。

问：你研究了客户等待时间，也研究了基于员工成本和企业最优运营机制等因素对客户优先级进行排序的不同方法。还有没有其他领域等待时间也很关键?

沃德：对于许多组织来说，等待时间仍然是一个重要的研究领域。

在像医院急诊室这样的环境里，等待时间可能是一个生死攸关的问题。在过去的10年或20年里，全美的急救诊室越来越拥挤，等待时间也越来越长。

已经有其他研究人员的研究找到了等待时间与病人死亡的联系。等待即使不会导致病人死亡，也可能是危险和代价惨痛的：

如果病人能在5分钟内得到看护，治疗可能相对很容易，而如果需要等待几个小时才能得到治疗，病人的病情恶化，就可能需要住院。

对这个主题的研究，可以帮助医院管理者考虑病人的优先顺序和等待时间。

假设有一个低风险的病人，然后急诊室里有X个医生，病人需要等一小时还是两小时?情况的变化是不是意味着病人通常要等两小时，但有时可能需要等长达六小时?当然，医院已经制定了相关指导方针，但许多医院也希望使用更多的分析工具。

等待时间和优先排序在制造业中也非常重要。接下来应该优先处理谁的请求?向客户承诺的交货期是什么时候?

与医院一样，这些决定可能会对不同客户等待收货的时间产生直接影响。优先级最高的顾客等待时间很短，而其他顾客可能要等上数周或者数月。

问：展望未来，你认为这种应用概率研究会走向何方?机器学习适合在哪里切入?

沃德：等待公式对于预测平均等待时间将如何随产能的变化而变化非常有用。

每一个参加过运营课程的MBA学生都知道，当产能超过需求时，等待时间呈线性增长，而当需求接近产能时，等待时间呈指数级增长。

但是，考虑到所有的系统变化，要给客户一个明确的等待时间是非常困难的。以后可能有机会将机器深度学习的预测能力与分析公式的解释能力结合起来运用。

以共享出行为例，这是一个令人兴奋和不断发展的领域。如果你真的想在三分钟内把一辆车送到客户那里，你需要有足够的供应能力(即足够的车)用基本的分析公式做一个粗略的估计。

但是，这些车应该放在哪里，如何将它们与乘客相匹配?表面上看，公司指派离乘客最近的司机可能是明智的。但这对公司来说并不总是件好事，可能更好的安排是跳过离乘客最近的司机，指派一个离他四分钟车程而不是三分钟车程的人。

理想情况下，企业希望能够提前计划——预测未来需求。这意味着不仅可以根据现在的情况，而且还可以根据未来可能发生的事件(例如恶劣天气或者刚看完碧昂斯演唱会的观众)产生的需求，指派司机。

司机的地理位置将影响系统效率。平台可能无法准确地告诉司机应该去哪里，但肯定可以指引他们去往特定的方向。这可能意味着有一些乘客不得不多等待几分钟。

但是如同我在最近一篇合著的论文中所写的那样，适当的延迟可以为之后的供给创造灵活性。最好的解决方案可能是将传统分析和机器学习结合起来运用。