FirmAdapt

搭建分层客服体系:AI处理与人工介入的边界在哪里

顶尖电商客服团队采用三层系统,由AI负责日常工作,人工聚焦复杂问题。本文讲解如何划清这条边界。

一家每周处理约2,200个支持工单的宠物用品零售商,花了六个月时间试图让聊天机器人处理所有事务。机器人负责回答产品问题、处理退货、应对投诉,并尝试解决账单纠纷。在此期间,客户满意度评分下降了18%。他们最终重组为三层系统,CSAT在两个月内恢复。

教训很直接:AI和人类擅长的事情从根本上不同,而取得最佳效果的公司已经精确找到了交接应该发生的位置。

第一层:全AI自动化(60-75%的工单量)

第一层处理答案具有确定性的咨询。只有一个正确的回复,可以从结构化数据中得出,不需要任何判断。该层的主要类别包括:订单状态和物流追踪(占总量的30-35%),账户管理如密码重置、地址变更和订阅修改(10-15%),产品库存和基本规格查询(8-12%),政策规则明确的退货资格检查(5-8%),以及运费和配送时间估算(3-5%)。

第一层咨询的决定性特征是,人工客服处理这些问题时每次都会遵循完全相同的步骤。查找订单,检查状态,传达信息。没有任何分支逻辑依赖于客服的经验或直觉。当你绘制这些咨询的决策树时,每条路径都通向唯一正确的结果。

第一层的实施需要与后端系统深度集成。机器人需要对订单数据、库存水平、客户账户和运费计算器的读取权限。对更新地址或取消订单等操作的写入权限可以提高自动化率,但需要更仔细的测试和安全保障。

第二层:AI辅助人工客服(15-25%的工单量)

第二层是事情变得有趣的地方。这些咨询需要人工决策者,但AI可以大幅缩短解决时间。AI负责数据收集和上下文准备,然后向人工客服呈现一个预分析的工单。

产品质量投诉完全属于这一层。当客户说他们的夹克拉链在两周后坏了,AI可以调出订单详情,检查该特定商品的退货率,查看客户终身价值,审查客户退货历史,并起草建议的解决方案(全额退款、换货或部分抵扣)。人工客服审查此建议,然后根据对话上下文批准或调整。

部分订单问题是另一个第二层类别。客户订购了四件商品但只收到三件。AI可以将发货内容与订单进行核对,检查仓库中缺失商品的库存,并准备补发或退款建议。客服与客户确认后执行解决方案。

第二层的生产力提升非常显著。这些工单的平均处理时间通常从8-12分钟降至3-5分钟,因为客服不再花时间进行数据查找和分析。他们只需审查预先构建的案例摘要并做出决定。一家电子产品零售商报告称,在实施AI辅助工作流程后,他们的第二层客服每小时能处理2.4倍的工单。

第三层:纯人工处理配合AI监控(5-15%的工单量)

第三层工单需要同理心、复杂推理或做出例外决定的权限。这些应直接路由给经验丰富的客服,但AI仍通过实时情感分析和建议回复发挥辅助作用。

来自不满客户的升级投诉需要能够读懂情绪线索、真诚地表达理解,有时还需要灵活变通政策以留住有价值客户的人工客服。AI在这里的贡献是背景信息:这位客户购买了多长时间、终身价值是多少、之前是否投诉过、以及之前给出了什么解决方案。

复杂的多问题工单——客户同时遇到多个问题(收到错误商品、被重复扣款、积分未生效)——需要人工来理清情况并逐一解决每个问题。AI可以解析初始消息并创建待解决问题的结构化列表,但需要由人来管理对话。

涉及法律或合规敏感性的咨询,如数据删除请求(GDPR/CCPA)、可能涉及产品责任的保修索赔,或可能升级为拒付的纠纷,都应始终有人工参与。AI可以通过关键词检测标记这些咨询并将其路由给专业客服。

使其运作的路由逻辑

层级分配通过意图分类器结合复杂度评分器来实现。意图分类器确定客户想要什么(物流信息、退货、投诉等),复杂度评分器评估请求的简单程度。

复杂度评分因素包括:消息中不同问题的数量、情绪化语言的存在、对之前未解决联系的引用、提及法律术语或威胁、订单金额超过特定阈值,以及客户终身价值等级。来自新客户的简单物流查询复杂度评分较低,路由至第一层。来自VIP客户的物流查询,且提到这是第三次遇到配送问题,评分较高,可能路由至第二层或第三层。

路由还应包含覆盖机制。如果客户明确要求与人工客服交谈,无论层级分配如何,都应立即满足该请求。在这个问题上与客户对抗造成的损害远大于效率收益。

衡量分层系统是否有效

每一层都需要自己的成功指标。对于第一层,追踪解决率、48小时内的重复联系率和已解决工单的CSAT。对于第二层,追踪平均处理时间、首次联系解决率和客服利用率。对于第三层,追踪CSAT、到达该层的客户留存率和解决时间。

所有层级中最具揭示性的指标是错误路由率。分配到第一层的工单有多少最终升级到了第二层?如果该比率超过15%,你的意图分类器需要重新训练,或者你的第一层范围过于宽泛。第二层工单有多少升级到了第三层?如果该比率超过20%,你的复杂度评分需要调整。

每周审查错误路由的工单。每一个都能告诉你分类逻辑中的具体缺口。也许机器人无法处理新的物流承运商集成,或者最近的政策变更未反映在第一层规则中,或者某个特定商品的质量问题产生的投诉超出了模型预期。

对于正在扩展支持运营的电商零售商来说,分层方法始终优于完全自动化和完全人工的替代方案。那些抵制将一切自动化的诱惑,转而投资于精确划定层级边界的公司,最终实现了更低的成本和更高的客户满意度。精确划定这些边界是不起眼的工作,但它决定了支持运营是让人感到有帮助,还是让人感觉在对着一堵墙说话。

Ecommerce retailCustomer serviceAutomationAI strategy

Enjoyed this? Get the next one by email

Practical writing on AI in business, from the team that builds and runs it.

Free. Unsubscribe any time. Privacy policy

See where AI fits in your business

Enter your website for a free PATH report. First findings in about a minute.