36分钟前发布
先把问题来源定下来,再定库的结构。
1、导出近 3 个月的聊天记录和工单,按同一件事合并同类问法,一般能压到 40 到 60 个问句。
2、每个问句配 1 条答案,写清适用条件、办理入口、需要多久。单条答案控制在 120 字以内,长的拆成 2 条。
3、留 1 列「谁定的」,写明这条答案由哪个岗位确认过,后面要改的时候知道找谁。
4、给答案打标签:产品参数、价格口径、售后、物流。标签决定 AI 检索时能不能对上。
5、头 1 个月每周补 10 条,把新出现的问题顺手加进去,2 个月后新增量会降到每周 2 到 3 条。
这套库先跑在内部,客服和销售共用一份,别一上手就开放给客户,答案还没磨过的时候容易出错。
我们做过 1 次,起点是 1 张 Excel 表。
头 1 版把 FAQ 整段贴进对话框,AI 回答时老把 2 个型号的参数混在一起。查下来是答案里没写型号,模型按语义近似去匹配,谁长得像就抓谁。
改法是每条答案开头加 1 行「适用型号 + 版本」,正文只讲这 1 个型号。改完混答的情况少了 8 成。
第 2 个坑在价格。客户问价,它把 2 年前的报价单翻出来念。后来把所有价格类答案撤出库,只留「按哪张表报、找谁确认」,问题消失。
现在这套库放在内部知识库,客服和销售都能查,新人上手时间从 2 周缩到 3 天。库里目前 78 条,每月 5 号集中改 1 次,改完在群里发 1 条更新说明。
要让 AI 直接答,答案得写成「条件 + 动作」。
客户问能不能退,答案写「签收 7 天内、包装未拆、有订单号,可以退;缺 1 项走换货」。条件齐了,模型才敢下结论。
只写「可以退」这类短语的,模型会自己补条件,补出来的往往是错的,客户照着做就会吵起来。
还有 1 个细节:同一个问题在不同渠道问法不一样,微信里问得口语,电话里问得短。库里的问句按口语写,别按书面语写。
先做 30 到 50 条跑 1 周,看客服还有多少问题答不上来,答不上来的那部分就是下一批要补的。
库里还要留 1 类「答不了」的条目。碰到报价、账期、责任划分,答案就写「按合同文本执行,转销售确认」,把边界划出来,比让它硬答安全得多。
几个做了却没用的原因。
一是把产品手册整本喂进去。手册按功能组织,客户按场景提问,两边对不上,检索命中率很低,拆成问句才有用。
二是答案不写时间。政策、价格、库存都会变,1 年前的答案没标日期,AI 就当成现在的口径用。
三是没人维护。上线 3 个月不更新,答错的地方一直错着,客户投诉比之前更多。
四是权限没分。内部口径和对外话术混在一个库里,销售拿去直接发给了客户。分开建 2 个库,对外那个只放能公开的部分,多花半天,省掉很多解释。
五是答案长短不齐。1 条 200 字、1 条 15 字,检索时短的那条容易被忽略,统一压到 80 到 120 字。
3 种做法,成本差得挺远。
手工整理:2 个人做 1 周能出 50 条,后面每周补 1 小时,答案准,维护全靠人。
用 AI 从聊天记录自动生成:半天出 200 条,重复和错漏多,人工筛 1 遍,实际能用的大约 3 成。
接客服系统的知识库模块:上线快,问答与工单打通,迁移性差,换系统要重做。
判断看 2 件事:问题量是否稳定、答案是否频繁变。问题稳定、答案半年不动,手工做就够;答案天天变,选能跟工单联动的方案。
预算紧的时候先手工做 20 条,跑 2 周看命中率,再决定要不要上系统。
最多设置5个标签!
先把问题来源定下来,再定库的结构。
1、导出近 3 个月的聊天记录和工单,按同一件事合并同类问法,一般能压到 40 到 60 个问句。
2、每个问句配 1 条答案,写清适用条件、办理入口、需要多久。单条答案控制在 120 字以内,长的拆成 2 条。
3、留 1 列「谁定的」,写明这条答案由哪个岗位确认过,后面要改的时候知道找谁。
4、给答案打标签:产品参数、价格口径、售后、物流。标签决定 AI 检索时能不能对上。
5、头 1 个月每周补 10 条,把新出现的问题顺手加进去,2 个月后新增量会降到每周 2 到 3 条。
这套库先跑在内部,客服和销售共用一份,别一上手就开放给客户,答案还没磨过的时候容易出错。
我们做过 1 次,起点是 1 张 Excel 表。
头 1 版把 FAQ 整段贴进对话框,AI 回答时老把 2 个型号的参数混在一起。查下来是答案里没写型号,模型按语义近似去匹配,谁长得像就抓谁。
改法是每条答案开头加 1 行「适用型号 + 版本」,正文只讲这 1 个型号。改完混答的情况少了 8 成。
第 2 个坑在价格。客户问价,它把 2 年前的报价单翻出来念。后来把所有价格类答案撤出库,只留「按哪张表报、找谁确认」,问题消失。
现在这套库放在内部知识库,客服和销售都能查,新人上手时间从 2 周缩到 3 天。库里目前 78 条,每月 5 号集中改 1 次,改完在群里发 1 条更新说明。
要让 AI 直接答,答案得写成「条件 + 动作」。
客户问能不能退,答案写「签收 7 天内、包装未拆、有订单号,可以退;缺 1 项走换货」。条件齐了,模型才敢下结论。
只写「可以退」这类短语的,模型会自己补条件,补出来的往往是错的,客户照着做就会吵起来。
还有 1 个细节:同一个问题在不同渠道问法不一样,微信里问得口语,电话里问得短。库里的问句按口语写,别按书面语写。
先做 30 到 50 条跑 1 周,看客服还有多少问题答不上来,答不上来的那部分就是下一批要补的。
库里还要留 1 类「答不了」的条目。碰到报价、账期、责任划分,答案就写「按合同文本执行,转销售确认」,把边界划出来,比让它硬答安全得多。
几个做了却没用的原因。
一是把产品手册整本喂进去。手册按功能组织,客户按场景提问,两边对不上,检索命中率很低,拆成问句才有用。
二是答案不写时间。政策、价格、库存都会变,1 年前的答案没标日期,AI 就当成现在的口径用。
三是没人维护。上线 3 个月不更新,答错的地方一直错着,客户投诉比之前更多。
四是权限没分。内部口径和对外话术混在一个库里,销售拿去直接发给了客户。分开建 2 个库,对外那个只放能公开的部分,多花半天,省掉很多解释。
五是答案长短不齐。1 条 200 字、1 条 15 字,检索时短的那条容易被忽略,统一压到 80 到 120 字。
3 种做法,成本差得挺远。
手工整理:2 个人做 1 周能出 50 条,后面每周补 1 小时,答案准,维护全靠人。
用 AI 从聊天记录自动生成:半天出 200 条,重复和错漏多,人工筛 1 遍,实际能用的大约 3 成。
接客服系统的知识库模块:上线快,问答与工单打通,迁移性差,换系统要重做。
判断看 2 件事:问题量是否稳定、答案是否频繁变。问题稳定、答案半年不动,手工做就够;答案天天变,选能跟工单联动的方案。
预算紧的时候先手工做 20 条,跑 2 周看命中率,再决定要不要上系统。
一周热门 更多>