ai客服机器人能承担哪些任务?先分清它能答和不能答

54分钟前发布

AI 客服机器人能承担 8 类任务:常见问题应答、订单状态查询、售前参数比对、预约登记、表单收集、催付提醒、工单初筛、简单多语言应答。投诉安抚、议价、复杂故障判断这 3 类,交给人更稳。

这份清单按「答案有多确定」分组。每组写清需要什么数据、自动化到什么程度、什么情况必须转人工,看完能判断自己的业务该先上哪一类。

分类维度:按答案的确定性分 3 组

  1. 标准答案类:营业时间、地址、退换货规则、发票流程,答案写死在知识库里,机器人照答即可。
  2. 查数据类:订单到哪了、余额多少、预约排到几号,要接业务系统的接口,机器人只负责把结果说出来。
  3. 需判断类:这东西适不适合我、这个故障要不要上门、能不能便宜点,答案取决于上下文,机器人只能做初筛。

3 组的落地难度依次上升。第 1 组 1 周能上线,第 2 组要接口和权限,第 3 组先做人工辅助更划算,让机器人把要点整理好推给客服。

客服工位上的头戴耳机与显示器一角

8 类任务逐条说

  1. 常见问题应答:把 50 条高频问题写进知识库,覆盖 6 成以上的咨询量。
  2. 订单状态查询:对接订单接口,用户报手机号后 4 位或订单号,直接回物流节点。
  3. 售前参数比对:把 2 到 3 个型号的差异做成对照表,用户问「哪个更适合」时按条件筛。
  4. 预约登记:收集姓名、电话、期望时段,写进表格并回一条确认信息。
  5. 表单收集:售后申请、退换货登记,按字段逐项问,避免用户漏填。
  6. 催付与提醒:下单未付款、预约前一天提醒,按模板发,不带促销话术。
  7. 工单初筛:按咨询内容分成「可自助解决」「需上门」「需退款」3 类,派给对应的人。
  8. 多语言应答:跨境电商的常规问询,按语种切换知识库。

第 2 条最容易做出效果,也最容易出事。接口给的是实时数据,权限没控好,用户换个手机号就能查到别人的订单,上线前必须做身份校验。

第 7 条的价值在省人力。原来 1 个人一天分 80 张工单,机器人初筛后,人工只看需要判断的那 30 张。

它答不了的 3 类

情绪激烈的投诉,机器人越解释越糟。识别到「投诉」「曝光」「找你们领导」这类词,直接转人工,别让它继续对话。

议价和特殊审批也不行。机器人没有让价权限,答「可以的」会变成承诺,后面很难收场。

复杂故障判断要看现场。热水器不点火可能是燃气、水压、点火针三类原因,机器人问 5 句也定不了位,让它收集现象再转技术客服更省时间。

桌面上并放的手机与笔记本,屏幕内容虚化

任务与自动化程度对照

任务需要的数据自动化程度转人工触发
常见问题知识库词条全自动连续 2 次没答到点上
订单查询订单与物流接口全自动,需身份校验接口超时或查无订单
参数比对型号参数表全自动,给对照不给结论用户问价格与优惠
预约登记可预约时段表半自动,人工确认时段冲突或改期
工单初筛历史工单分类半自动,人工复核涉及退款与赔偿
投诉处理无只做转接识别到即转

表里第 2 行的身份校验不能省。常见做法是让用户报下单手机号后 4 位,再比对收货人姓氏,两项对上才报订单详情。

第 5 行的人工复核要留抽检比例。抽 10% 看分类对不对,错得多的类目回去补词条。

上线前怎么核验

  1. 准备 30 个测试问题,其中 10 个是故意问偏的,看它会不会硬答。
  2. 抽 50 条真实对话记录,算 3 个指标:一次解决率、转人工率、答非所问率。
  3. 每个指标定一条线,比如答非所问率超过 15% 就先别扩大入口。

第 1 条的 10 个偏问题,专门测边界。问「你们老板电话多少」「能不能便宜 200」,答得越界就是风险。

第 2 条要连着看 7 天。只看一天的数据会被促销活动带偏,7 天的曲线才看得出趋势,也才分得清是内容问题还是流量问题。

三个指标建议每天同一时间取一次数,取完画在一张表上。数字摆在一起看,比单看某一个更容易发现问题出在哪个环节。

知识库怎么维护

每周把没答上的问题汇总一次,挑出重复出现的 10 条补进知识库。这个动作坚持 2 个月,覆盖率会明显往上走。

每条答案写清生效日期。政策类的答案过期最快,退换货规则一改,旧答案还在,客诉就跟着来。

词条写法照一句一问来。问题用用户的原话,答案压在 80 字内,先给结论再给条件。一条写 300 字的,机器人读不完也答不准。

上线后改口径要走一次审核。客服自己改词条最容易出事,改完没人复核,第二天口径就散了。

多轮对话的记忆别留太长。记住 3 到 5 轮够用,记太多会把前面说错的答案带进后面的回答。

浅色桌面上的便签纸与一支圆珠笔

怎么选:先看咨询量再看知识库

每天咨询量在 100 条以内,用「关键词规则 + 知识库」就够,成本低,出错也好查。

超过 300 条、问题又散,再考虑接大模型。它的好处是能听懂口语化提问,代价是要配套做兜底,答不出来时转人工。

知识库成熟度比模型能力更值得看。知识库只有 20 条,再好的模型也只能编,先把常见问题整理成 100 条,效果立刻不一样。

转人工怎么设阈值

3 个条件任一命中就转:连续 2 次没答到点上、识别到投诉类词、用户主动说「转人工」。前两条自动判断,第三条给一个常驻按钮。

阈值别定太松。转得太勤,机器人等于摆设;定得太紧,用户在原地打转,最后还是要找人。

排队时给一句预期时间。写「前面还有 2 人,约 3 分钟」,比写「请稍候」的流失率低不少,这是实测出来的差别。

对话记录留 4 个字段

时间、渠道、机器人答了什么、用户最后有没有解决。4 个字段够做归因,再多了没人看。

记录至少存 90 天。客诉回溯常在一个月后才来,只存 7 天,等于没留。

常踩的 5 个坑

  1. 没有转人工入口:用户找不到人,只能去社交平台吐槽。
  2. 答得太满:遇到不确定的问题也给肯定答复,后面全靠人工收拾。
  3. 不留对话记录:出了问题查不到当时说了什么。
  4. 一次全量上线:所有渠道一起开,出错时来不及收。
  5. 只上不管:知识库 3 个月不更新,答案和实际政策对不上。

第 4 条的做法是先开一个渠道,跑 2 周,看指标稳了再开下一个。灰度期出问题,影响面可控。

第 5 条可以挂个提醒:每月 1 号过一遍知识库,把过期条目下线,比事后道歉省事。

机器人负责把重复问题接住,人负责判断和安抚,这条分工定清楚,上线才算成功。分工不清的时候,两边都觉得自己在打杂。

先把 20 条最容易吵架的场景写成脚本,贴在客服工位旁边。脚本写的是怎么接话、什么时候转人,不写怎么辩解。本文信息核对时间:2026-11。