什么时候适合上 AI 客服
最适合的场景通常有三个特征：问题高频重复、人工处理成本高、错误回答会造成退款、流失或合规风险。
Volume
1k+
每月有超过 1000 条客户对话，分散在网站、邮件、社群或即时通讯。
Cost
5+
至少 5 名客服、销售或成功团队成员长期处理重复解释和跟进。
Risk
High
错误回答会带来退款、客诉、销售损失或合规问题。
五类优先场景
跨境电商售后
订单状态、退款政策、物流、使用说明和投诉高度重复，适合先做知识库回答与异常转工单。
B2B 技术支持
把产品文档、SOP、历史工单和升级规则连接起来，让 AI 先做上下文整理和初步回答。
Web3 与金融科技社群
客户常在 Telegram、Discord、邮件和网页同时提问，需要统一来源、审计和高风险转人工。
多语言客服
英文为主，同时服务中文、泰语、越南语、印尼语客户时，用同一套知识来源降低人力压力。
销售辅助客服
AI 可先回答基础疑问、收集客户背景、识别意向，把热线索交给销售。
内部服务运营
管理层需要看到响应时间、解决率、转接质量、返工率和成本变化。
严肃的 AI 客服都应该遵循同一个流程
| 步骤 | 动作 | 价值 |
|---|---|---|
| 1. 汇聚 | 把客户消息集中到同一工作台。 | 避免渠道黑盒。 |
| 2. 检索 | 从已批准的政策、文档和 SOP 中取答案。 | 减少模型乱答。 |
| 3. 回答或转接 | 置信度高时回答，风险高时生成工单。 | 保留人工控制。 |
| 4. 衡量 | 记录答案、成本、返工和结果。 | 证明 AI 是否真的有用。 |
买方应该要求的 KPI
解决率
多少问题真正被关闭，而不是只给出一段回复。
单次解决成本
把模型成本和人工复核时间一起计入。
升级质量
转人工时是否带上足够上下文，让人工更快解决。