为什么 80% 的公司接入 ChatGPT 做客服后，无法回答"它今天创造了多少价值"？ 6 个隐性成本指标 + AI 客服 ROI 自查计算器。
2024-2026 是 AI 客服爆发的两年。但跟踪调研的 50+ 家公司里，真正能回答以下 3 个问题的不到 8 家：
原因不复杂：
结果：公司每月给 AI 客服烧 Token + 维护 + 培训，但拿不出一份能给老板看的 ROI 报告。 这就叫 "AI 在跑，但没有 KPI" —— 本质就是在烧钱。
本白皮书提供：
每个指标都附带：定义 / 公式 / 为什么 80% 的公司忽略它 / 一个真实数据样例。 把这 6 项加起来，就是你 AI 客服项目的"全口径成本"。
大部分公司只看月底账单。但账单看不出哪个场景烧得最多、哪个场景在重复浪费。 Token 不分类，就没法优化。
AI 客服真正省钱的关键不是"AI 答了多少"，而是"AI 让人工省了多少"。 没人算转人工率，就等于在重复花钱。
AI 客服的核心承诺是"秒级响应"，但"答得快"不等于"答得对"。 首响错了，后续就要花 10 倍代价去补救。
AI 客服的答复 = 模型 + 知识库。 知识库过期或缺漏，模型再强也答错。 但绝大多数公司没在监控"知识库的健康度"。
客户在 Telegram、WhatsApp、微信、网页、邮件之间切换是常态。 如果你的 AI 客服每个渠道是独立账号、独立上下文，每切一次渠道客户就要重复说一遍。 AI 不知道客户是谁，等于白接入。
AI 答复后客户"消失"，到底是问题解决了，还是失望走了？没有闭环跟踪，AI 看起来很忙，实际上是漏单机器。
把下面的模板复制到你的 Excel / Notion，填上你公司的数字。 跑完一遍，你就能告诉老板："我们的 AI 客服每月省了 X 元，多创造了 Y 元价值。"
| 项目 | 计算口径 | 月成本范围 |
|---|---|---|
| Token 真实消耗 | 所有模型 API 月账单 | ¥300 - ¥10,000 |
| SaaS 平台月费 | 第三方 AI 客服平台订阅 | ¥500 - ¥30,000 |
| 人工兜底成本 | 转人工次数 × 人工平均处理时长 × 时薪 | ¥3,000 - ¥80,000 |
| 知识库维护人力 | 知识库专员工时 × 时薪 | ¥2,000 - ¥15,000 |
| 失联客户机会成本 | 失联客户数 × 客单价 × 转化率（估算） | ¥10,000 - ¥200,000 |
| 项目 | 计算口径 | 月价值范围 |
|---|---|---|
| 有效自助闭环价值 | 独立闭环工单数 × 单工单人工成本（不是 Token 成本） | ¥5,000 - ¥150,000 |
| 夜间 / 周末覆盖价值 | 非工作时间客户咨询数 × 转化率 × 客单价 | ¥3,000 - ¥80,000 |
| 响应速度溢价 | 秒级响应 vs 等待 5 min 的转化率差 × 客单价 | ¥2,000 - ¥40,000 |
| 数据沉淀价值 | 对话标注 + 知识库 + 客户画像可复用价值 | ¥1,000 - ¥20,000 |
注：上表为示意场景。实际 ROI 与你公司业务规模、客户类型、当前自助率高度相关。 想拿你公司真实数字算一遍？联系我们做 30 分钟 ROI 测算。
上线 ChatGPT 3 个月，月 Token 烧 ¥4,200，无法回答"省了几个人"。 重塑指标后发现：真实有效自助率仅 28%， 3 个月内通过知识库优化 + 入口表单收集，提到 71%。 3 个月内裁减 4 个夜班客服，年化节省 ¥48 万。
客户在 4 个渠道（WA / Email / 网页 / Telegram）切换，AI 每次都"自我介绍"。 接入统一身份识别后，Token 月消耗从 ¥6,800 降到 ¥2,100， 客户满意度从 6.8 提升到 8.4。
产品迭代 3 次，AI 还在告诉用户"老 staking 规则"。 接入知识库版本控制 + 过期告警后， 回答准确率从 67% 提到 96%，客诉率下降 80%。
不只是接入 AI，而是给你的 AI 客服项目装上KPI 看板 + 工单闭环 + ROI 报表。 本白皮书提到的 6 个指标，AegisWise 全部原生支持。
TG / WA / 微信 / 网页 / 邮件全部接入；跨渠道客户身份自动识别合并。
从接入 → AI 答复 → 客户确认 → 转人工 → 解决 → 复盘的完整链路；无漏单。
有效自助率、首响、Token 真实消耗、闭环率、跨渠道连续率 —— 一屏看完。
2-4 周完成接入， 支持 SaaS 标准版或私有化部署（高敏感行业首选）。 可接你现有的 ChatGPT / Claude / 国产模型，不锁死任何供应商。