电商 AI 客服用你自己的政策、尺码表和商品页回答顾客问题,答不了的转给人。它值不值,取决于能不能准确回答高频的售前问题:尺码、运费、退换规则。订单状态和退款不一样:要么让机器人接入订单系统,要么转人工,不能让模型去猜。下面讲哪些可以自动化、一个 200 个问题的算例、上线步骤和衡量指标。
读完你会知道
- 把问题分成谁都能看的政策答案和针对某个订单的问题;不接系统时,只有前一类适合交给机器人
- 给 200 个真实问题分类,上线前逐个测试常见问题;大部分错误答案来自店铺里过时的内容
- 订单状态、退款和例外情况交给系统查询或人工:机器人承诺的事,店铺要负责
电商 AI 客服应该做什么?
电商 AI 客服是放在网店里的聊天助手:用你自己的内容(政策、尺码表、商品页)回答顾客的问题,答不了就把对话交给人。有用的那种范围很窄:它回答那些「标准答案写在某个地方」的问题,也清楚哪些问题绝不能自己回答。
顾客的问题分成两类,这个划分决定了机器人怎么配置:
- 政策和商品类问题。 「能寄到加拿大吗?」「M 码偏小吗?」「打折商品能退吗?」答案对每个顾客都一样,写在你能控制的页面上。只要原文准确,机器人能答好这类问题。
- 账户相关的问题。 「我的订单到哪了?」「能改收货地址吗?」「退款到账了吗?」答案取决于某一个顾客的订单记录。大模型从帮助页面里不可能知道。要么机器人接入订单系统去查,要么交给人。
这个划分就是本文的核心观点:电商 AI 客服值不值,取决于它能不能准确回答高频的售前问题;如果它在订单和退款上自己编答案,就成了负担。 规则型、AI 型和混合型机器人的一般区别见 聊天机器人的类型;人工客服在网店里怎么用,见 电商在线客服。
哪些问题适合 AI 客服,哪些不适合
下面这张表按「正确答案在哪」和「该由谁回答」给常见的网店问题分了类。每一行由两条规则决定:
- 答案写在纸面上、对所有人都一样,机器人就能答。 把准确原文放进知识库,并且测试。
- 答案需要订单记录或者需要做决定,机器人就不该自己组织答案。 接入查询、链到有记录的自助页面,或者转人工。
例外情况也归人处理:包裹破损、超出规则的折扣要求、情绪激动的顾客。机器人可以先收集订单号和照片,但决定要由人来做。
| 问题类型 | 例子 | 答案在哪 | 该由谁回答 |
|---|---|---|---|
| 运费和时效 | 「寄到得州运费多少?」 | 配送政策页 | AI,用准确条目回答 |
| 尺码和版型 | 「M 码偏小吗?」 | 尺码表、商品说明 | AI,依据尺码表 |
| 退换货规则 | 「打折商品能退吗?」 | 退货政策 | AI,按市场给准确原文 |
| 商品细节 | 「这件外套防水吗?」 | 商品页 | AI,依据商品页 |
| 库存和补货 | 「8 码什么时候补货?」 | 库存系统 | 人工,或链到到货提醒 |
| 订单状态 | 「我的订单到哪了?」 | 订单记录 | 订单查询、物流链接或人工 |
| 退款、取消、改地址 | 「能改收货地址吗?」 | 订单记录加人工决定 | 人工 |
| 破损或发错货 | 「包裹到了是坏的」 | 照片加人工决定 | 人工;机器人可先收集订单号 |
| 折扣例外 | 「能按这个价格比价吗?」 | 你的定价规则 | 准确条目说明政策,再转人工 |
经验法则:写在纸面上、对谁都一样 → 机器人;需要记录或需要做决定 → 系统查询或人工。
算例:给 200 个历史问题分类
挑工具、写知识库之前,先给一批真实问题分类。示例数据:一家服装网店导出了聊天和邮件里最近 200 个顾客问题,逐个打了标签。
能用政策或商品原文回答:140 个
- 运费和配送时效:46 个(23%)
- 尺码和版型:34 个(17%)
- 退换货规则:28 个(14%)
- 商品细节和材质:22 个(11%)
- 支付方式和优惠码规则:10 个(5%)
需要订单记录或需要做决定:60 个
- 订单状态(「我的订单到哪了?」):38 个(19%)
- 退款、取消或改地址:14 个(7%)
- 破损或发错货:8 个(4%)
所以在不接订单系统的情况下,AI 客服能覆盖的上限是 140 ÷ 200 = 70% 的问题。剩下的 60 ÷ 200 = 30% 应该转人工,或者引导到物流查询页。
这家店接着为这 140 个问题写了知识库条目,上线前逐个测试:
- 119 个回答正确:119 ÷ 140 = 85.0%
- 14 个没找到匹配资料,转了人工:14 ÷ 140 = 10.0%
- 7 个回答错误或不完整:7 ÷ 140 = 5.0%
这 7 个错误答案才是最重要的发现。其中 5 个来自一个旧的配送页面,上面还写着去年的运费;另外 2 个把打折商品的退货期限弄混了。改好原文、并为这几个问题补上准确条目后,复测 7 个全部通过:119 + 7 = 126 个正确,占原始样本的 126 ÷ 200 = 63%。那 14 个没匹配到的问题,成了下一批要写的条目。
从这里能得出两点。其一,现实的自动化占比来自你自己的问题构成,而不是厂商的平均数。其二,测试发现的错误出在店铺的内容上,而不是模型上:机器人会照搬你页面上写的一切,包括过时的部分。
200 个历史问题按类型分布
占全部问题电商 AI 客服上线五步
- 收集 200 个真实问题并分类。 用近一到三个月的聊天记录、邮件和联系表单消息,按上面两类打标签。这一步告诉你上限在哪,以及先写哪些条目。
- 高频问题写准确答案,其余写成长文档。 简短、固定的答案(「美国境内标准配送 5.95 美元,满 75 美元免运费,3–5 个工作日」)适合做成问答条目。较长的资料,比如完整退货政策或尺码表,适合做成文档,让机器人检索后引用。这样组织的 知识库 也更容易保持更新。
- 上线前写好转人工规则。 至少包括:订单状态、退款、取消、改地址、破损、任何涉及法律的问题,以及顾客要求找人的任何时候。想好转接时机器人说什么,非工作时间怎么办。
- 先测所有常见问题,再测刁钻的。 把打好标签的问题逐个丢给机器人,和政策原文核对每个答案。然后试试顾客真实会做的事:错别字、一条消息问两个问题、「给我打个折」、用别的语言提问。
- 先用受限模式上线。 头几周只在没有坐席在线时让机器人回答,每段 AI 对话都看一遍,错误率降下来后再放开。TapCub 里的设置步骤见 设置 AI 自动回复;AI 客服的通用上线方法见 AI 客服助手。
订单状态和退款:要么接系统,要么转人工,不能让模型编
需要订单数据的那 30% 问题,是网店机器人最容易闯祸的地方。模型手里没有订单记录,如果没有东西拦着,它照样会给出一段很通顺的回答:「您的订单已发货,预计 2–3 天送达。」这句话就是一个承诺。
两部法规和一个判例说明了为什么这很要紧:
- 机器人说的话由你负责。 在 Moffatt v. Air Canada(2024 BCCRT 149)一案中,加拿大不列颠哥伦比亚省民事纠纷仲裁庭驳回了航空公司「聊天机器人要为自己的回答负责」的主张。仲裁庭认为,公司要对其网站上的所有信息负责,不管信息来自静态页面还是聊天机器人,并裁定加航支付 812.02 加元的赔偿、利息和费用。
- 发货承诺要有依据。 美国联邦贸易委员会的《邮购、网购和电话订购商品规则》(16 CFR 435.2)要求卖家在承诺发货时限时,有合理依据相信自己能在该时限内发货;没写时限的,按 30 天算;给出新的发货日期时同样要有合理依据。机器人随口编出来的送达日期,正是这类需要依据的表述。
- 退货规则因市场而异。 在欧盟,《消费者权益指令》(2011/83/EU)第 9 条给予消费者 14 天撤销远程合同的权利,另有列明的例外。如果你卖往多个市场,退货答案要说清哪里适用哪条规则,而不是一句通用话。
替代做法,按优先顺序:
- 接入订单查询,前提是你的聊天机器人产品支持、而且你信得过这个集成;这样答案来自记录,而不是模型。
- 引导到已经有记录的自助页面:「物流实时进度可以点发货邮件里的链接查看,登录后在订单页面也能看到。」
- 转人工,并且先收集好订单号,让坐席一接手就有需要的信息。
怎样衡量电商 AI 客服
衡量机器人要看准确度和结果,而不是它发了多少条消息。
| 指标 | 怎么算 | 拿它做什么 |
|---|---|---|
| 知识库命中率 | 用条目或文档回答的问题 ÷ 机器人收到的全部问题 | 命中率下降,说明出现了还没写答案的新问题 |
| 转人工率和原因 | 转人工次数 ÷ AI 对话数,按原因拆分 | 「没有匹配」的转接是待写清单;「要求找人」很正常 |
| 错误回答率 | 抽查中发现的错误回答 ÷ 抽查的 AI 回答数 | 先改原文,再补准确条目 |
| AI 回答的对话满意度 | 只有 AI 回复过的对话的平均评分 | 和同类话题的人工回答对话比较 |
| 重复联系 | 几天内为同一问题再来的顾客 | 听起来对、其实没解决问题的回答 |
| 聊过与没聊过的转化 | 聊过的顾客与没聊过的顾客的目标转化率 | 属于观察数据:主动聊天的顾客往往离下单更近 |
最后一行要小心。在商品页发起聊天的顾客,往往本来就离下单更近,所以聊天者的转化率更高,并不能证明是机器人带来的。怎样把机器人自己的贡献分离出来,以及怎样把省下的人力和多出的毛利加起来,见 聊天机器人 ROI。
常见风险及应对
- 内容过时。 机器人照搬上一季的运费,或者一个已经结束的促销。给机器人读取的每个政策页面指定负责人和复查日期,促销变动时同步更新条目。
- 答案混了不同市场。 「30 天免费退货」可能在一个国家成立、在另一个国家不对。按市场写条目,或者只给最严格的那条规则再附链接。
- 顾客软磨硬泡要折扣。 顾客会向机器人要优惠码或要求比价。写一条包含真实政策的准确条目,免得模型自作主张地大方。
- 找不到人。 原地打转的机器人比没有机器人更糟。保证「找人工」永远有效,没人在线时显示写明回复时间的离线表单。
- 不告诉顾客是 AI。 在机器人回答之前告诉顾客对面是 AI,AI 消息加上标识。
- 翻译中的单位和尺码。 模型翻译的尺码表可能把欧码错换成美码。尺码表按市场做成准确的表格或图片,不要写成自由文本。
在 TapCub 里怎么运行电商 AI 客服
还是上面那 200 个问题。这家服装店在 TapCub 在线客服里这样配置:
- 把 140 个政策问题写成准确条目。 在 客服 › 知识库 里,问答条目在顾客问题匹配时原样发送,不耗 AI 调用,所以运费和打折商品的退货期限永远按原文发出。较长的退货政策和尺码表做成文档:TapCub 把它们切成约 600 字一段,用全文检索(不是向量库)找到最相关的段落,再由模型起草回答。把高频问题置顶,它们会显示在顾客端的 FAQ 里;打开置顶答案不建会话、不耗额度。
- 上线前把 140 个全部测一遍。 知识库的「测试对话」走的是和真实聊天一样的流程,不耗额度、不建会话,算例里那家店就是在这里发现了 7 个错误答案。在「草稿收件箱」点「从历史会话生成」,可以把近 30 天已解决的对话整理成问答草稿,审核通过后才会上线。
- 60 个订单问题交给人。 TapCub 的 AI 只用知识库起草回复;它查不了订单、改不了地址、也退不了款,TapCub 也不接网店的订单系统。写一条指向物流查询页的问答条目,其余的转人工。工作台会标出每次转接的原因(知识库没有匹配、模型答不了、访客要求、达到轮数上限、坐席接手),「单会话最多回答轮数」(1–20,默认 6)防止原地打转。
- 先用受限模式。 在 客服 › 聊天设置 › AI 接待 里先选「仅坐席全离线时」,值守时段由人回答,夜里由 AI 顶上。抽查结果干净后再切到「AI 先答」。在 AI 头一次回复之前,顾客会被告知对面是 AI,这个提示不能关闭。回答错了,在工作台点「纠错入库」,正确答案会存成问答条目。
- 看结果。 客服 › 客服报表 显示知识库命中率;客服 › 客服报表 › 转化归因 对比聊过和没聊过的访客的目标转化率,给出相对提升(聊过的转化率 ÷ 没聊的转化率 − 1),聊过的人少于 30 时提示样本太少。出于上面说的自我选择原因,这个提升要当成上限来读。
常见问题
什么是电商 AI 客服?
它是网店里的聊天助手,用店铺自己的内容回答顾客问题,比如运费、尺码表和退货规则,答不了就把对话转给人。好的电商 AI 客服只回答写在纸面上的内容,凡是需要订单记录或需要做决定的,一律转给人处理。
AI 客服能回答「我的订单到哪了」吗?
只有接入订单系统、读到真实记录时才能。没有这个接入,大模型根本无从知道订单状态,还可能编出一个看似合理的答案,这就变成了你必须兑现的承诺。应该引导顾客去物流查询页,或者先收集订单号再转给人。
电商客服有多少能交给 AI?
取决于你自己的问题构成,所以要实际量一量,而不是借用别人的基准数。给最近 200 个问题分类:本文的示例里,70% 能用政策原文回答,修正后 63% 通过了测试。订单、退款和破损类问题占另外 30%,交给了人。
怎样防止电商机器人胡编?
高频问题给准确答案,原文页面保持更新,上线前写好订单、退款和例外情况的转人工规则。每个常见问题都和政策核对一遍,先用受限模式上线,每周抽查 AI 对话。发现错误答案时,先改原文,再把正确回复存进知识库。
必须告诉顾客对面是机器人吗?
不管是否强制,都应该告诉。告知能让顾客有正确预期,清楚随时可以找人,机器人转接时也不伤信任。各地规定不同,要核对你所在市场的规则。AI 消息加上标识,并且保证「找人工」永远有效。
资料来源
- 加拿大不列颠哥伦比亚省民事纠纷仲裁庭. Moffatt v. Air Canada, 2024 BCCRT 149:第 27–28 段关于对聊天机器人信息的责任;第 44 段关于 812.02 加元的裁决。2026-11-15 核对。
- eCFR. 16 CFR 435.2 — Mail, Internet, or Telephone Order Merchandise Rule:承诺发货时限和修改发货日期都要有合理依据;未写时限按 30 天。2026-11-15 核对。
- EUR-Lex. Directive 2011/83/EU on consumer rights:第 9 条,远程合同 14 天撤销权。2026-11-15 核对。
这篇文章对你有帮助吗?
我们会根据反馈修改和补充这篇内容。
提交没有成功,请稍后再试。
谢谢你的反馈,我们会据此改进这篇内容。你已经反馈过这篇了,谢谢。

