随着信息技术的飞速发展，网络社会竞争优势来自吸引和保持客户能力，优质的在线客户服务成为促进互联网企业和客户之间建立良好合作关系的重要手段。顾客是目前商业活动的主体，企业利润的源泉，尤其在网络环境下从事交易活动时存在极大的自主性。如果企业缺乏科学合理的在线服务排序机制将会严重影响顾客满意度，加之传统的FCFS服务规则已经无法为全体顾客创造理想的满意体验而导致顾客大量流失，最终无法实现企业收益最大化。基于这样的背景，在线客服平台必须采取一种能够迅速响应顾客服务请求，生成合理的客户服务排序组合方案的决策方法，以指导企业从事在线客户服务的经营管理，进而改善服务环节的顾客满意效果。因此，本研究采用数学模型与人工智能优化算法结合的方法探讨在线客户服务排序问题。本文首先从服务利润链的视角出发，引入顾客服务价值的概念，基于服务利润链理论的服务价值等式构建网络环境下的在线客户服务排序优化模型。模型选取了能够测度服务价值影响因素的变量和参数，以在线服务过程中为全体顾客创造最大的服务价值为目标建立了相关变量和参数之间的运算关系。其次，本文从服务利润链的角度为客户服务排序问题提出了基于服务价值的优化策略，并且详细介绍了人工智能优化领域中QPSO算法应用于本问题的具体思路和流程。最后，采用Matlab语言对模型和QPSO算法编程并进行四组不同数据规模的算例测试，实现模型的求解，并生成匹配的最佳方案——各种规模下服务等待中所有顾客和客服人员的排序组合结果。同时，根据QPSO算法的数据结果分析了该算法的求解性能和收敛效果。最终的算例结果证明了该客户服务排序模型的可行性和有效性。同时，算法能够快速生成各种数据规模下的最优排序组合方案，证明了QPSO算法突出的求解性能，可以成功应用于在线客户服务排序模型的求解，为解决网络环境下的在线客户服务排序问题提供了新的思路和方法支撑。