随着社会的发展，服务行业越来越受到人们的重视。如何提供高效率和高质量的服务关系着企业生死存亡。互联网的发展使得越来越多的人选择利用网络来获取信息，因此企业更加注重在网络上对客户进行服务，在线客服系统应运而生。　　本文以某公司具体业务为基础，采用半监督学习机制和Logistic回归模型，对客户的重要性进行衡量，并且转换为一定的排队顺序，以此对在线客服系统的排队系统进行了优化，为企业带来更多的客户价值，具有重要的经济价值与实际意义，核心工作如下:　　首先，参考经济学中的RFM模型，并结合业务实际，确定以客户服务频率、最后一次服务、客户关系时长、平均消费金额作为客户重要性衡量的决定因子。采用半监督学习机制，利用少量的标记数据进行客户分类，再利用大量未打分数据进行客户分类的扩充与完善，确定客户分类后，再利用Logsitic回归模型得到精确的客户重要性打分模型。　　其次，创新地提出利用重要性来确定排队顺序的方法，并认为当客户重要性与其重要性对应的期望排队时间的换算满足每个客户的排队时间间隔正好和客户的平均服务时间相同时才是最理想的情况。通过实验证明，在一段时间内，基于客户重要性的排队方法比不考虑客户重要性的排队方法累计服务的客户重要性指标更高，并且客户等待时间随客户重要性递减。