電商 AI 客服落地劇本:旺季如何用 AI 分流 60% 重複問題又不惹怒客人

雙十一前兩週,我坐在一家女裝電商的客服辦公室

客服主管把後台推到我面前。大促當天,單日對話量會衝到平常的 7 倍,而其中 62% 是同一批問題——「我的包裹到哪了」「可以改地址嗎」「這件會不會太透」「七天鑑賞期怎麼退」。人力永遠補不齊,旺季全靠約聘工讀,培訓三天就上線,回錯話、惹怒客人,退貨率跟著漲。

她說了一句很實在的話:「電商 AI 客服我們不是沒買過。買了之後客訴反而變多,因為它答得又快又錯。」

這是電商 AI 客服最常見的死法。不是不能分流,是分流的方式讓客人更火。

電商 AI 客服的分流,是指在客人開口的第一時間,系統判斷這個問題「能不能安全地由 AI 獨立回答」——能就自動結案,不能就帶著完整上下文轉給真人。目標不是讓 AI 回答最多問題,而是讓真人只處理真正需要人的問題。

60% 這個數字不是拍腦袋。電商客服問題有很強的長尾集中特性:物流查詢、退換貨政策、尺寸規格、庫存到貨、付款發票,這五類通常佔掉一半以上的量,而且答案是結構化、可驗證的。這正是 AI 該吃下的部分。

剩下的 40%——情緒客訴、爭議退款、商品瑕疵、跨部門協調——你越想用 AI 硬扛,客人越暴走。

問題類型	旺季典型佔比	分流決策	關鍵護欄
物流/包裹查詢	~25%	串接物流 API 直接回答	查無單號即轉人,不猜測
退換貨政策	~15%	依訂單狀態給可執行步驟	涉及金額爭議一律轉人
尺寸/規格/材質	~12%	引用商品頁結構化資料	不得推測未標示規格
庫存/補貨/到貨	~10%	查即時庫存回覆	承諾到貨日需人工確認
情緒/客訴/瑕疵	~20%	第一句就轉人	AI 只做情緒偵測與升級
其他長尾	~18%	AI 嘗試,信心不足即轉	設信心門檻

把前四類吃乾淨,自動結案率就能穩定壓在 60% 上下。重點從來不是「AI 能答幾題」,是「哪些題根本不該讓 AI 碰」。

護欄一,寧可承認不知道,也不要編。 RAG 系統只准引用你自己的商品頁、政策頁、訂單資料,答不出來就說「我幫您轉專人」。我們寧願分流率從 60% 掉到 52%,也不要一句幻覺答案換來一則一星評價。

護欄二,情緒偵測要前置。 客人打出「很失望」「再也不會買」「要客訴」這類詞,不管問題本身能不能自動回答,一律跳過 AI 直接轉人,並把對話標紅。旺季最貴的不是人力,是一個爆氣客人截圖上社群。

護欄三,轉人時要「帶著記憶」交接。 最惹怒客人的體驗,是跟 AI 講了三輪,轉人後又要從頭講一遍。我們的做法是把 AI 收集到的訂單編號、問題摘要、情緒標籤打包塞進客服工作台,真人接手第一句就能對症。

護欄四,給客人一個看得見的逃生門。 每一則 AI 回覆底下都留「轉真人」按鈕,不要藏。看似會拉高人力,實際上因為前面分流乾淨,真人負載反而下降。

Demo 很美不算數。把這套推上生產線那週,我盯的是三個數字:自動結案率(有沒有真的到 60%)、轉人準確率(該轉的有沒有轉、不該轉的有沒有誤轉),以及轉人後的客訴率——這才是「有沒有惹怒客人」的真指標。

第一週通常不漂亮。那家女裝電商第一版把「尺寸偏小要不要換大一號」這種帶購買意圖的問題也自動回掉了,結果流失一批本來會加購的客人。我們調整護欄,把帶銷售機會的諮詢改成「AI 先答、真人補一句推薦」,連續客單價反而升上去。分流不是把人趕走,是把對的問題送到對的人手上。

我們在 Tenten 做這類導入,從不從「買一套 AI」開始,而是工程師先進場蹲在你的客服後台,把真實對話分佈、旺季曲線、退貨關聯全撈出來,再決定哪 60% 該交給 AI、哪 40% 動都不要動。能撐過旺季那三天、而且客訴沒漲的,才算真的上線。