TapCub 正式上线:统计、分析、客服一个平台免费用
在线客服

电商 AI 客服:哪些交给机器人,哪些必须转人工

电商 AI 客服怎么上线才不出错:尺码、运费、退换规则交给机器人准确回答,订单和退款要接系统或转人工。附 200 个问题的分类算例、五步上线法、法律风险和衡量指标。

卢卡斯·海斯 发布于 2026 年 11 月 15 日 12 分钟阅读 在线客服
示例数据:一家服装网店最近 200 个顾客问题。深色条(140 个,70%)能用政策或商品原文回答;浅色条(60 个,30%)需要订单记录或人工决定,交给人处理。示例数据

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。

app.tapcub.com

200 个历史问题按类型分布

占全部问题
运费和时效46
订单状态38
尺码和版型34
退换货规则28
商品细节22
退款、取消、改地址14
支付和优惠码规则10
破损或发错货8
示例数据
示例数据:一家服装网店最近 200 个顾客问题。深色条(140 个,70%)能用政策或商品原文回答;浅色条(60 个,30%)需要订单记录或人工决定,交给人处理。

电商 AI 客服上线五步

  1. 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。
  2. 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。
  3. 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。
  4. 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。
  5. 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:

  1. 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。
  2. 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。」
  3. 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:

  1. 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。
  2. 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。
  3. 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。
  4. 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。
  5. 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。

另见:零售聊天机器人:先接订单、物流和退换货。

资料来源

归档:在线客服

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。

卢卡斯·海斯

数据工程师

聚焦事件设计、数据质量与采集流程,分享可验证的实施方法,帮助团队建立可靠的分析基础。

AI 的回答,在顾客看到之前先过你这关

问答条目原样发送、不调用模型,测试对话不耗额度,转人工原因有标注,聊过与没聊过的转化一处可看。

看清数据,找到增长。

每一次点击,都有数据依据。装好一行代码,1 分钟看到第一批数据。

无需信用卡 · 统计与客服都有免费版 · 统计无 Cookie