ai客服机器人能承担哪些任务?按4类场景分,别让它越界

53分钟前发布

客服机器人能接的活分 4 类:查订单与物流、答常见问题、引导下单与留资、收集信息后转人工。退款审批、投诉定责、承诺时效、涉及安全与用药这 4 件事不该交给它。上线前先把这 8 条边界写清,比调话术更省事。

2025 年我帮 1 家做办公家具的店部署过 1 套机器人。上线第 1 周它把「现货几天能到」答成「3 天内」,实际他们的定制款要 15 天,那周有 4 个客户拿着截图来投诉。后来把时效类问题全部改成「转人工确认」,投诉才停。这次之后我给的固定做法是:能查数据的交给机器人,要给承诺的留给人。

按任务分 4 类

任务类客户怎么问机器人要接什么数据答错的代价
查单查物流我的货到哪了订单号、物流单号低,答错可当场更正
常见问题能不能开发票、怎么退换知识库、售后规则中,规则说错要赔
引导与留资多少钱、有活动吗产品目录、活动表中,报价错会流失
转人工与收集我要投诉、找你们负责人工单系统、排班表低,转对人才算成功

4 类的难度不一样。第 1 类只要接口通就能做,第 2 类看知识库整理到什么程度,第 3 类要给边界(不说价、只给区间),第 4 类考的是转接规则。上来就做第 3 类的项目,返工率高,我见过 2 个都退回重做。

办公桌上的耳麦与键盘

名单:4 类任务各自怎么落地

查订单与物流

  1. 能做的事。按订单号查状态、按手机号查最近 3 单、按物流单号给最新节点、给预计到达的区间。
  2. 要接的数据。订单库的只读账号、物流服务商的查询接口。两边字段要对齐,订单号与运单号分开存。
  3. 怎么算做成了。客户问 1 次就能拿到答案,不用再问第 2 遍「你是哪个平台买的」。

这类的关键是身份核验。只报手机号就查订单,等于把别人的收货地址给了陌生人。做法是订单号加手机号后 4 位两个要素一起对,对上才报。

常见问题答复

  1. 能做的事。发货时间、发票开具、退换条件、安装预约、保修范围这 5 类问题,答案固定、有原文可依。
  2. 要接的数据。1 份整理好的知识库,每条问答控制在 100 字内,附 1 条规则出处。
  3. 怎么算做成了。抽查 50 条真实提问,答对 45 条以上,剩下 5 条能正确转人工。

知识库最容易腐烂。价格、活动、时效这 3 类内容每月都会变,没人维护就会答旧信息。我建议指定 1 个人每周五过 1 遍,改动留 1 行记录,改了什么、哪天改的。

客服工位上的双屏与一叠便签

引导下单与留资

  1. 能做的事。按需求推荐 2 到 3 个型号、给出参数字段、收集联系方式与需求描述、把线索推到销售系统。
  2. 要接的数据。产品目录与库存、线索表单、销售分配规则。
  3. 怎么算做成了。留资表单的字段填满率 70% 以上,销售反馈「信息够用」的比例过半。

这一类要给死边界:不报最终价、不承诺交期、不替销售谈条件。机器人能做的是把需求问清,把参数对上,把线索交出去。让它报价,客户会拿截图来压价,销售后面很难谈。

转人工与信息收集

  1. 能做的事。判断要不要转、转给哪个组、转之前先收 3 项信息(问题类型、订单号、期望处理时间)。
  2. 要接的数据。工单系统、客服排班、各组的分流规则。
  3. 怎么算做成了。转人工后客户不用重复描述问题,首次解决率往上走。

转接规则要写细。投诉转售后主管、技术问题转技术支持、发票问题转财务,3 条规则覆盖 8 成场景。只有 1 个总入口的项目,客户被转 2 次就挂电话。

不该交给机器人的 5 件事

  1. 退款审批。金额、次数、是否符合条件,靠规则判断容易出错,出错就是钱的事。
  2. 投诉定责。谁的责任、赔多少,涉及判断与授权,机器人给不出。
  3. 承诺时效。「明天一定到」这类话,说出去就是承诺,物流一延误就要兑现。
  4. 用药与安全问题。涉及人身的事,1 句错话的代价太大。
  5. 价格谈判。折扣、赠品、账期,让销售谈,机器人只报公开价。

5 件事的共同点是「说错要担责」。机器人答错 1 个物流节点,客户骂 1 句就过去了;答错 1 个退款条件,可能要多赔 1 笔。把这类问题打包成 1 个「转人工」按钮,比教它怎么答更稳。

桌面上的笔记本与一杯水

怎么核验答得准不准

  1. 抽样 50 条。从近 7 天的真实对话里随机抽,人工标注答对、答错、该转没转 3 类。
  2. 看 3 个率。答对率、转人工率、客户重复追问率,3 个数一起看,单看答对率会漏掉「答了但没用」的情况。
  3. 看首响时长。机器人 3 秒内没反应,客户就走了,这个数比答对率更影响体验。
  4. 每周对 1 次。抽 20 条,看有没有新增的高频问题没进知识库。

第 2 条里的重复追问率最能说明问题。客户问第 2 遍同一件事,说明第 1 遍的答案没解决。这个数超过 30%,知识库该重写了,不是话术的问题。

这 4 个数每周记 1 行,连记 8 周才看得出趋势。单周波动大,遇到活动或发货延迟,数据和平时完全不同。我用的表只有 5 列:周次、对话量、答对率、转人工率、重复追问率。

转人工率也要有下限。全部由机器人接、转人工率接近 0 的项目,看着效率高,实际是客户放弃追问。这个数低于 5% 时,去翻 20 条对话,多半能看到「好的谢谢」这类结束语后面跟着的沉默。

抽样的时间也要固定。每天上午 10 点与晚上 8 点是咨询高峰,抽这两个时段的对话,样本更接近真实分布。只抽凌晨的对话,看到的都是零星问题,测不出知识库的短板。

怎么选:3 个判断点

先看咨询量。每天 50 条以下,人工扛得住,上机器人的投入收不回。每天 200 条以上、问题集中在前 20 个,机器人的价值才出来。

再看知识库。手里有没有 1 份能直接用的问答文档,没有就先整理 2 周。知识库是原料,原料不齐,模型再好也答不准。

最后看系统接口。订单、物流、工单 3 个系统能不能开只读接口,能开就做第 1 类,开不了就先做第 2 类与第 4 类。接口这步卡住的项目,我建议先别上。

4 个容易踩的坑

第 1 个坑是把机器人当客服主管。上线就让它处理全部会话,没有人工兜底,遇到新问题只会重复 1 句话。正确做法是设 1 个比例,前 2 周机器人接 50%,人工接 50%,看数据再调。

第 2 个坑是话术写得太满。「一定」「保证」「马上」这类词看着热情,实际是承诺。改成「通常 3 到 5 个工作日」「看系统里显示的时间」会掉温度,但能少很多纠纷。

第 3 个坑是不留转人工入口。机器人绕 3 圈还不给人工,客户会直接差评。转人工按钮放在每屏可见的位置,点 2 次以内能到人。

第 4 个坑是只看上线当天的数据。第 1 天好奇的人多,问什么的都有,数据会失真。看第 8 天到第 14 天的数据,去掉前 7 天的波动。

本文信息核对时间:2026-11