1客户嘴上要的
「用大模型自动回复买家消息,替掉一半客服。」
这是症状或现成方案,不一定是真问题。下面看两种做法。
2照字面做,会怎么烂
接入大模型,用商品详情和 FAQ 训练,自动回复咨询。演示时回答很流畅。上线后买家问「我的快递怎么还没到」,机器人答「请耐心等待」;买家第二天又来,第三天差评。另有一次机器人答应「给您补偿 20 元」,客服主管不认,引发投诉。
3好 FDE 的实际走法
共 6 周,分 5 个阶段。带三角标记的是这一步最容易踩的坑。
第 1 周拆进线原因
- 跟客服主管、两个售前客服、两个售后客服各坐半天,抽 1000 条会话人工归类。
- 发现:45% 是查物流、催发货、改地址;20% 是退换货和退款进度;售前商品咨询只占 25%。一个买家平均为同一个订单进线 2.3 次。
- 再抽 200 个重复进线的订单看原因:第一次回复只给了「请耐心等待」这类没有结论的话,或者客服口头承诺了补偿、售后不认,买家只好再来。
- 真问题不是「回复得不够快」,是「第一次回复没有给出结论,或者给了不该给的承诺,买家就会重复进线、升级投诉」。查订单和物流只是给出结论的手段。成功标准改为:试点店铺首次解决率从 55% 提到 75%,同一订单重复进线次数下降 30%;所有涉及赔付的回复必须由人工发出。
- 踩坑别把「自动回复率」当指标。自动回复率高、重复进线多,等于把问题推迟了。
第 2 周接系统,定边界
- 数据:客服系统的会话记录、OMS 的订单和发货状态、快递公司的物流轨迹接口、售后系统的退款状态。
- 和客服主管、售后主管一起定规则:哪些情况可以直接给结论(如已签收、退款已到账),哪些要转人工(如物流停滞超过 3 天、破损、要求赔偿)。赔付金额由现有售后规则决定,模型不能自己承诺。
- 踩坑平台对客服首次响应时间有考核,草稿生成和查询要在几秒内完成,否则反而拖慢响应。
第 3–4 周原型:分类 + 查询 + 草稿
- 每条进线自动分类,查好订单和物流状态,生成回复草稿,客服确认或修改后发送。查物流类、退款进度类,准确率稳定后再允许自动发出。
- 每条草稿附上依据:订单状态、物流最新轨迹、适用的售后规则。
- evals:用 500 条历史会话测试,请两位资深客服给草稿打分「可以直接发 / 改一下能发 / 不能用」。标准:查询类 85% 以上可以直接发;涉及赔付的 100% 转人工。
第 5 周客服上手
- 一个班组 8 名客服试用两周。反馈:「物流停滞时要能一键给快递公司发催件工单」「同一个买家的历史会话要显示」。加上,这比改文案有用。
- Demo 给电商总监:试点组和对照组的首次解决率、人均日接待量、重复进线率,由客服主管讲。
第 6 周交接交接
- 交给客服部的质检主管:维护分类体系和转人工规则、每周抽检草稿质量、新品上线前补充商品知识。
- 物流停滞的高频原因(如某个快递网点)汇总给物流负责人,从源头减少进线。
4这个案例教给你的可复用判断
先看买家为什么重复进线。第一次回复有没有结论,比回复快不快更重要。
指标看「首次解决」,不看「自动回复」。
涉及钱的承诺只能走既有规则,由人发出。
进线原因的统计本身就是改进上游的输入。
你手上也有类似的场景?
说说你所在的行业和想用 AI 做的事,留言会直接送达。觉得这个案例有误、过时,或有更好的做法,也欢迎指出。
电商与跨境的其他案例
内容更新:2026-11-11