AI智能客服
能力边界、知识库与转人工

什么是AI智能客服？

AI智能客服是基于自然语言处理（NLP）和检索、生成技术，尝试理解用户问题并给出回复的系统。它可以在营业时间之外继续接待咨询，并并行处理多路会话。它擅长对照知识库回答高频、表述相对稳定的问题；一旦问题超出文档范围，或用户话术跳跃、情绪升级，模型可能答非所问，甚至编造政策，必须能转人工。

智能客服的核心能力

1. 自然语言理解

系统会把用户原话拆成可执行的意图和槽位，而不是逐字匹配关键词：

• 意图识别：判断用户是在问规格、催物流、申请售后，还是单纯闲聊
• 实体抽取：尽量抽出商品名、订单号、尺码等关键字段，便于查系统
• 情感分析：把明显不满、催促、辱骂等信号标出来，作为转人工的触发条件
• 上下文理解：在同一会话里记住“那件”“刚才那个订单”，减少重复追问

理解不等于正确。同音词、方言、截图里的文字、用户发错订单号，都会让识别跑偏。上线前应用真实历史会话抽一批样本做抽检，而不是只测标准问法。

2. 智能问答

• 知识库匹配：优先从已审核的条目里取答案，而不是每次都自由发挥
• 语义相似：用户把“什么时候到”说成“还要多久”，仍应落到同一条物流说明
• 多轮对话：缺订单号时先追问，补齐后再查，而不是一次抛出整段政策
• 个性化回复：可带入已购规格、会员等级等已知信息；不要把推测当事实写进回复

若使用大模型生成话术，要把可引用的知识范围锁死（商品、售后政策、活动规则）。没有依据的优惠承诺、赔偿口径、发货时效，都可能构成虚假宣传或客诉升级。

3. 主动服务（需克制）

• 主动问候：新访客进入咨询页时打个招呼即可，避免连发营销话术
• 商品提示：用户连续查看同一品类时，可提示规格或库存，而不是硬推爆款
• 下单协助：用户明确问“怎么买”时再给步骤；把犹豫一律当成可推销，容易引发反感
• 异常提醒：订单支付失败、地址不全等系统可确认的异常，适合主动告知

智能客服的应用场景

场景一：售前咨询

常见问题：

• 这件衣服有哪些颜色和尺码？
• 现在下单大概何时发货？
• 当前活动怎么叠加优惠券？
• 是否支持货到付款或指定快递？

机器适合做的：读取商品规格、库存、运费模板和已发布的活动规则，按条目回复。不要交给机器拍板的：口头承诺额外折扣、改物流承运商、保证某日必达。这些需要人工核对库存和运力后再答复。

场景二：订单查询

常见问题：

• 我的订单发了没有？
• 快递到哪一站了？
• 能不能改收货地址？
• 退货入口在哪里？

机器适合做的：在核实身份（订单号、手机号后四位等）后，回传物流轨迹、引导按页面操作改址或申请售后。改址、拦截件、部分退款往往依赖仓库和快递侧状态，系统查不到时要说明“正在转给订单组”，而不是生成一份听起来完整的假进度。

场景三：售后服务

常见问题：

• 收到货有瑕疵怎么处理？
• 退货要走哪些步骤？
• 发票如何申请？
• 退款何时到账？

机器适合做的：复述已公示的售后政策、所需凭证、默认时限，并给出操作路径。质量争议、七天无理由是否适用、补偿金额应由人工按工单处理。生成式回复容易把“一般三到五个工作日”说成确定到账日，审核时要禁止这种措辞。

场景四：营销触达

可以尝试的触发：

• 用户主动问有无券时，介绍当前可用券及使用门槛
• 购物车接近满减时，提示差多少、可凑哪些在售商品
• 用户询问尺码时，给出尺码表和已购用户的常见反馈摘要（需来自真实评价）
• 新客首次进店时，说明新人礼是否仍有效，避免过期活动还在播报

咨询窗口里的推销要可关闭、可转人工。把客服会话当成广告位狂推，会降低信任，也容易触发平台对骚扰营销的限制。

如何搭建智能客服？

第一步：知识库建设（决定回答质量）

知识库不是把官网简介贴进去就结束。每条答案应能对应一个用户会问的问题，并标明生效时间和适用范围（哪些商品、哪个店铺、是否预售）。

建议收录的内容：

• 商品信息：规格、材质、使用注意、库存同步方式、缺货话术
• 购物流程：下单、支付、发货截单时间、改址规则
• 优惠政策：券叠加、满减是否排除特价、活动结束时间
• 高频原话：从历史会话里抽出用户真实问法，而不是只写标准问
• 店铺信息：营业状态、售后入口、需要人工的事项清单

维护方法：

• 一问多述：同一政策准备多种口语化问法，减少漏匹配
• 答案可核对：价格、时效、补偿口径与后台配置一致，改活动先改知识库再宣传
• 定期回看：把“未匹配”“差评会话”“用户连说不对”的记录标出来补条目
• 分类权限：商品组、仓储组、财务组各管各的条目，避免客服自行改退款规则

第二步：选择技术方案

方案一：使用商城平台内置客服（适合先跑起来）

特点：与订单、商品、会员数据在同一后台，配置门槛较低。

更适合：咨询量开始占用人工、希望尽快覆盖夜间和重复问答的中小商家。

注意：能力边界以平台实际模块为准；复杂工单流、多品牌话术隔离，可能仍要外接或人工。

方案二：接入第三方客服产品

特点：多渠道会话、质检、机器人与人工切换等能力通常更细。

更适合：已有技术或运营专人，能完成账号对接、字段映射和权限配置。

选型时核对：能否按知识库强制回答、转人工是否带上下文、日志能否导出做质检。具体厂商与报价见AI工具选择，上线前以对方当前方案为准。

方案三：自研或深度定制

特点：可按自有工单、ERP、仓储状态定制动作。

更适合：咨询场景复杂、有研发和数据岗位、能持续做评测的团队。

常见底座：云厂商的对话平台或大模型接口。自研并不自动等于更准，评测集、回滚和值班制度缺一不可。

第三步：人机协作设计

目标是让机器处理重复劳动，让人处理判断和安抚，而不是追求“尽量不转人工”。

可先交给机器的：

• 标准政策：发货时效、运费、发票入口、活动规则原文
• 状态查询：订单、物流、积分、优惠券是否可用
• 操作指引：如何申请售后、如何修改地址（系统仍开放该能力时）
• 信息收集：转人工前补齐订单号、问题类型、图片是否已传

应尽快转人工的：

• 模型低置信或多次未解决：同一问题重复追问仍对不上知识库
• 投诉与纠纷：质量、虚假宣传、催退款、扬言投诉平台
• 例外需求：加急、改配送、定制、大额改价
• 约定的重点客户：可设白名单直达人工，避免机器人来回确认

第四步：持续优化与审核

建议跟踪的过程指标：

• 识别覆盖：能落到意图或知识条目的会话占比（覆盖高不等于答对）
• 人工抽检准确：抽样判断“答案是否可执行、是否与现行政策一致”
• 转人工原因：分不清、政策缺失、情绪、系统查不到，分类才补得动
• 解决后评价：仅作参考；差评要回看原文，不要只盯平均分

优化时优先做的：

• 补知识：对“答不上来”的原话写标准答，而不是先微调模型参数
• 改话术：短句、分步骤、避免绝对化承诺（“一定”“最快”“全网最低”）
• 改路由：敏感词、连续差评、指定类目直接人工
• 受控更新：用标注过的对话做评测；不要把未审核的线上聊天直接拿去“自动学习上线”

智能客服优化技巧

技巧1：让回复可核对、可退出

• 称呼克制：有昵称再用昵称，不要根据推测性别乱叫“先生/女士”
• 记住已提供信息：用户已发订单号就不要再要一遍
• 会员差异要有依据：权益以规则为准，不要让模型“表现得更热情”时顺口加赠品
• 情绪升级立刻给出口：用户说“转人工”“你们骗人”时，不应继续推销

技巧2：把答案写成用户能照着做的步骤

• 先结论后细节：能否退、要什么凭证、在哪个菜单
• 用列表：三步以上的操作不要挤成一段
• 主动确认：“是否已解决”只能问一次，反复追问等于骚扰
• 给选项：“查物流 / 申请售后 / 转人工”，降低理解成本

技巧3：转人工不要做成迷宫

• 入口可见：菜单或每轮回复底部保留转人工
• 说明等待：非值班时间改留言或次日回拨，不要假装有人在线
• 带上记录：人工应看到机器已问过什么，避免用户重讲一遍
• 离线留言：写清预计回复时段，并真的在该时段处理

技巧4：营销触发要可审计

• 浏览过久再询问：先问“要查尺码还是库存”，而不是直接塞券
• 凑单提示对齐活动：满减门槛以当前生效规则为准，过期活动必须下线
• 新客礼核对库存和名额：领完仍在播报会直接引发客诉
• 催付要节制：加购未下单不宜高频私聊；频次和话术需符合平台与个人信息保护要求

智能客服常见问题

Q1：用户会不会觉得不被重视？

A：观感取决于前几轮能不能答到点上、以及转人工是否费劲。答得快但答错政策，比稍慢的人工更伤信任。建议在显著位置保留人工入口，并在机器说不清时主动升级，而不是循环换一种说法硬撑。

Q2：咨询量不大的商家要不要上？

A：没有统一阈值。夜间、午休没人值守，或同一批问题每天重复解释，值得先做知识库加机器人分流。咨询很少、问题又高度个性化时，先把常见回复写成快捷短语，往往比上线一套模型更合适。费用和坐席以所选产品公示为准，不要按“上了就能少雇几个人”做预算。

Q3：知识库是不是要一次写完？

A：不必。先覆盖发货、退换、尺码、活动规则等最高频条目，再按未匹配日志补。机器不会在无标注、无评测的情况下“越用越准”；把错误回复直接当训练数据，还可能强化错误口径。

Q4：投诉能不能让机器人先顶着？

A：可以做安抚和信息收集（订单号、照片、期望），但定性、赔付、是否违反售后政策应由人工决定。情绪识别不准时，宁可误转人工，也不要用生成式长文把用户“说劝回去”。

总结

智能客服能减轻重复劳动，前提是把范围划清：

• 能做的：对照已审核知识库回答标准问、查询系统状态、收集转人工所需信息
• 不能做的：发明优惠政策、处理纠纷定性、在证据不足时承诺时效或赔偿
• 关键投入：知识库与活动同步、转人工路由、定期抽检幻觉和绝对化用语
• 上线节奏：先高频场景、再扩展意图；没有质检流程就扩大自动回复范围，风险会先于效率出现

推荐位置、排序策略等另一类能力，见下一篇对个性化推荐的说明。