聊天机器人 ROI 比较的是机器人带来的收益和它的成本:(收益 − 成本) ÷ 成本。收益分两半。省下的人工 = 机器人完全解决的对话数 × 人工处理一段对话的成本。多出的销售要用「聊过 vs 没聊过」的对照来算,并校正选择偏差,因为主动聊天的顾客本来就离购买更近。下面是公式、一个月的算例、偏差问题和成本清单。
读完你会知道
- 省下的人工只按机器人完全解决的对话算,剔除转人工和重复联系
- 多出的销售按毛利、对照匹配后的基线来算;原始的聊过与没聊过差距会高估
- 先看只算省人工能不能覆盖成本;这样即使转化估算不确定,决定也站得住
聊天机器人 ROI 衡量的是什么?
聊天机器人 ROI(投资回报率)比较的是同一段时间里,机器人带来的收益和运行它的成本:
ROI = (收益 − 成本) ÷ 成本
难点在收益,它分成两半,各自要用不同的方法算:
- 省下的人工。 机器人独立解决、不需要客服经手的对话,乘以一段人工处理对话的成本。这一半用你自己的客服数据就能比较容易地量出来。
- 多出来的转化。 因为机器人回答了问题而下单或留资的顾客。这一半很容易被高估,因为主动发起聊天的人,往往本来就离购买更近。
这就是本文的核心:前一半用真正解决的对话和真实成本来算,后一半用「聊过 vs 没聊过」的对照来算,并且要防住选择偏差。 把两半混在一起,或者直接拿原始的转化差距当结论,正是很多机器人立项报告里那些事后谁也找不到的回报的来源。你评估的是哪一类机器人(规则型、AI 型还是混合型),见 聊天机器人的类型;人工在线客服的 ROI 另有 在线客服 ROI 计算器。网店里哪些问题可以放心交给机器人,见 电商 AI 客服。
聊天机器人 ROI 公式:三部分
把计算拆成三部分写出来,每个数都能单独核对:
省下的人工 = 机器人完全解决的对话数 × 一段人工处理对话的成本
多出的毛利 = 增量订单数 × 平均客单价 × 毛利率
成本 = 软件费 + AI 用量 + 搭建投入(按使用年限分摊)+ 维护时间 + 转人工的额外开销
ROI = (省下的人工 + 多出的毛利 − 成本) ÷ 成本
公式里有三个选择,会让结果差很多:
- 算「完全解决」,不算「经手过」。 机器人碰过、又转给人的对话什么都没省;两天后客户又回来的对话也一样。
- 算毛利,不算营业额。 一笔多出来的 60 美元订单,毛利率 40% 时,对公司的价值是 24 美元,不是 60 美元。
- 只算增量,不算全部。 只有没有机器人就不会发生的订单才算。选择偏差就出在这里。
算例:一个月的聊天机器人 ROI
示例数据:一家网店在人工客服前面放了一个 AI 聊天机器人,运行一个月。
省下的人工
- 当月 3,000 段聊天对话,为简化按每位访客一段计。
- 1,200 段没有转人工就结束了。其中 150 段在七天内为同一问题又来联系,说明其实没解决:1,200 − 150 = 1,050 段完全解决,1,050 ÷ 3,000 = 35%。
- 一段人工处理对话的成本:客服全成本每小时 28 美元 ÷ 每小时处理 7 段 = 4.00 美元。
- 省下的人工:1,050 × 4.00 美元 = 每月 4,200 美元。
成本
- 软件:每月 300 美元。
- AI 用量:每月 100 美元。
- 维护:每月 10 小时写答案、改答案 × 30 美元 = 300 美元。
- 搭建:60 小时 × 30 美元 = 1,800 美元,分摊到 12 个月 = 每月 150 美元。
- 合计:300 + 100 + 300 + 150 = 每月 850 美元。
多出的毛利:原始算法
- 当月 60,000 位访客。聊过的 3,000 人里有 240 人下单:240 ÷ 3,000 = 8.0%。没聊过的 57,000 人里有 1,710 人下单:1,710 ÷ 57,000 = 3.0%。
- 原始相对提升:8.0% ÷ 3.0% − 1 = 166.7%。
- 如果聊天者在没有机器人时按 3.0% 转化,机器人就多带来了 3,000 × (8.0% − 3.0%) = 150 单。按平均客单价 60 美元、毛利率 40% 算,就是 150 × 24 美元 = 3,600 美元。
多出的毛利:匹配后的算法
聊天者不是典型访客:大多数人是在商品页或结账页发起聊天的,本来就在购物。更公平的基线是浏览了同样页面、但没有聊天的访客。假设这样的访客有 12,000 人,下了 780 单:780 ÷ 12,000 = 6.5%。那么机器人多带来的是 3,000 × (8.0% − 6.5%) = 45 单,即 45 × 24 美元 = 1,080 美元。
三种口径的 ROI
| 口径 | 收益 | 成本 | ROI |
|---|---|---|---|
| 只算省下的人工 | 4,200 美元 | 850 美元 | (4,200 − 850) ÷ 850 = 394% |
| 人工 + 原始多出毛利 | 4,200 + 3,600 = 7,800 美元 | 850 美元 | (7,800 − 850) ÷ 850 = 818% |
| 人工 + 匹配后多出毛利 | 4,200 + 1,080 = 5,280 美元 | 850 美元 | (5,280 − 850) ÷ 850 = 521% |
匹配对比把转化这一半从 3,600 美元压到 1,080 美元,砍掉了 (3,600 − 1,080) ÷ 3,600 = 70%。人工那一半没有变。这是普遍规律:来自真正解决的对话的节省经得起推敲;建立在原始「聊过 vs 没聊过」差距上的转化说法,通常经不起。
每月收益与成本
示例月份,美元省人工这一半:什么才算机器人解决的
省下的人工是更可靠的一半,但前提是计数要严格。这个概念和 工单分流 一样:不经客服就解决的问题。
计数规则:
- 排除转人工的。 只要到了人手里,就算人工处理的,哪怕机器人答了一部分。
- 排除重复联系的。 同一访客在设定窗口内(常用七天)为同一问题又来,前一段对话就不算解决。算例里这一条去掉了 1,200 段中的 150 段。
- 自助浏览单独算。 顾客没开聊天、只看了置顶的常见问题答案,可能确实帮你省了一段对话,但你没法知道他本来会不会问。把它放在 ROI 旁边报告,不要算进去。
- 用真实的单段对话成本。 全成本时薪(工资、税费、工具、管理时间)÷ 每小时处理的对话数。不要用厂商给的平均数。
对财务来说还有一个区别很重要。如果工时和人数实际没变,省下的是产能,不是现金:同样的团队能接更多量,或者把时间花在更难的问题上。两者都是真的,但要说清你主张的是哪一种。AI 辅助客服、而不是直接回答顾客时,道理也一样:Brynjolfsson、Li 和 Raymond 对 5,179 名客服分批上线生成式 AI 助手的研究发现,用上助手后每小时解决的问题平均增加约 14%,新手客服增加约 34%。这降低的是人工处理一段对话的成本,在公式里和机器人自己解决的对话是不同的两项。
转化这一半:聊过 vs 没聊过,以及选择偏差
原始对比(聊天者 8.0%,其他人 3.0%)混了两件事:机器人起的作用,以及主动聊天的人本来就不一样。后者就是 选择偏差,在聊天场景里,它几乎总是把机器人的效果放大。
降低偏差的办法,从强到弱:
- 随机留出组。 随机让一半访客看到机器人,比较两半的转化。随机化消除了自我选择,但你需要能分流的工具。
- 匹配对比。 拿聊天者和聊天之前看起来相似的未聊天者比:同样的页面、同样的流量来源、相近的参与程度。Rosenbaum 和 Rubin 关于倾向得分的研究,把这种「按可观察特征同类比同类」的思路做成了正式方法。它能减少来自可观察因素的偏差,但减少不了你看不到的购买意图。
- 自然对照期。 比较机器人开着和关着的相似周(比如计划内的暂停),注意季节和促销的影响。
- 原始差距当上限。 上面几种都做不到时,可以报告原始提升,但要标明是上限,就像算例里原始算法那一行。
还要看样本量:几十个聊天者算出的转化率,每天都会大幅波动。等聊天者积累到几百人,再相信这个差距。
聊天机器人成本清单
下面这张表列出要算进去的成本项。最常被漏掉的两项是维护时间和错误回答的代价。
错误回答是实打实的成本,不只是名声问题。在 Moffatt v. Air Canada(2024 BCCRT 149)一案中,加拿大的一个仲裁庭认定航空公司要为其聊天机器人提供的信息负责,指出信息来自静态页面还是聊天机器人没有区别,并裁定其支付 812.02 加元的赔偿、利息和费用。金额不大,但原则很清楚:要预留抽查时间,在顾客依赖错误答案之前把它们找出来。
| 成本项 | 一次性还是每月 | 怎么估算 |
|---|---|---|
| 软件订阅 | 每月 | 按预计对话量对应的套餐价格 |
| AI 用量 | 每月 | AI 调用次数 × 单价;精确匹配的答案可能不计 |
| 搭建 | 一次性,按使用年限分摊 | 收集问题、写答案、测试的工时 × 时薪 |
| 维护 | 每月 | 写答案、改答案、复查的工时 × 时薪 |
| 转人工的额外开销 | 每月 | 转过来的对话中途接手时多花的坐席时间 |
| 错误回答风险 | 持续 | 抽查找错的时间;漏网时的退款或补偿 |
| 系统集成 | 一次性加维护 | 机器人接订单或账户系统时的开发工时 |
哪怕金额小也要列上;维护和错误回答抽查是最常被漏掉的两项。
计算聊天机器人 ROI 的常见错误
- 把每段机器人对话都算成节省。 只有完全解决的才算;算例里 3,000 段对话只产生了 1,050 段节省。
- 用营业额代替毛利。 这会把转化那一半放大为毛利率的倒数倍:毛利率 40% 时放大 2.5 倍。
- 把原始「聊过 vs 没聊过」差距当成机器人的效果。 算例里它把多出的毛利高估了三倍多(3,600 美元对 1,080 美元)。
- 漏掉维护。 知识库会过时,总得有人保持答案更新,这些时间是每月的成本。
- 借用厂商的基准数。 别人客户的「典型 ROI」,跟你的问题构成、价格和毛利没有关系。
- 量得太早。 头一个月包含搭建投入和还没调好的答案;三个月后再重算。
在 TapCub 里怎么衡量聊天机器人 ROI
下面是算例里那家店怎样从 TapCub 在线客服拿到输入数据。TapCub 提供计数和原始对比;成本数字和匹配基线由你自己来定。
- 数一数知识库答了多少。 客服 › 客服报表 显示知识库命中率:同期提问里,由问答直接匹配或检索生成回答的占比。问答精确匹配时原文发送,不消耗 AI 次数,这能压低成本里的 AI 用量一项。
- 把转人工和自助浏览分开。 在 客服 › 客服工作台 里,每次转人工都标了原因(知识库无命中、模型判无法回答、访客要求、超过轮数、坐席接手),所以可以把转了人工的对话从省人工里剔除。置顶的常见问题答案打开时不建会话、不占额度;只有点「没解决」或要求人工才会开会话。这些浏览放在 ROI 旁边报告,不要算进去。
- 找出其实没解决的对话。 访客在「会话重开时限」过后再来,会新建一个标成回头客的对话,之前的对话显示在上方。用它们剔除假解决,就像算例里去掉那 150 段。TapCub 不直接给出重复联系数,要在复查时自己统计。
- 把原始对比当成上限来读。 客服 › 客服报表 › 转化归因 按天显示聊过的访客和只浏览不聊天的访客的目标转化率、相对提升(聊过的转化率 ÷ 没聊的转化率 − 1)以及对话从哪些页面开始,聊过的人少于 30 时提示样本太少。这个提升就是算例里原始算法那一行。用对话起始页面清单来挑选匹配基线要用的页面,基线本身要你自己搭。
- 清楚边界。 TapCub 不做随机分流,所以选择偏差一节里排在前面的随机留出组,要用单独的实验工具。成本、毛利和最终 ROI 放在你自己的表格里算。
常见问题
聊天机器人 ROI 怎么算?
ROI = (收益 − 成本) ÷ 成本。收益分两部分:机器人完全解决的对话数 × 人工处理一段对话的成本,加上增量订单数 × 平均客单价 × 毛利率。成本包括软件、AI 用量、按使用年限分摊的搭建投入、维护时间和转人工的额外开销。本文的示例里,用匹配后的转化基线算出来是 521%。
聊天机器人的 ROI 多少算好?
没有可靠的通用数字,取决于你的问题构成、单段对话成本和毛利。更好的检验是:只算省人工这一半,能不能覆盖成本。示例里,还没算任何多出的销售,省下的人工就带来了 394% 的回报,所以即使转化估算不确定,这个决定也站得住。
为什么「聊过 vs 没聊过」的转化差距会误导人?
因为主动聊天的人本来就不一样:他们往往在商品页或结账页,已经离购买更近。拿他们和其他所有访客比,等于把这份购买意图记在了机器人头上。要和没聊天的相似访客比,或者用随机留出组,原始差距只能当上限看。
聊天机器人 ROI 要算进哪些成本?
软件订阅、AI 用量、按机器人使用年限分摊的搭建时间、每月维护(写答案、改答案、复查聊天记录),以及转人工的额外开销。还要预留抽查错误答案的时间;已经有仲裁庭认定,公司要为其聊天机器人告诉顾客的内容负责,错误回答本身就是成本。
聊天机器人多久能看到回报?
头几个月要承担搭建成本,答案也还在调,所以头一个月的数字会低估回报。大约三个月后再重算,那时知识库已经覆盖常见问题,聊天者也积累到几百人,转化对比不再天天大幅波动,结论才比较可靠。
资料来源
- Paul R. Rosenbaum、Donald B. Rubin. The central role of the propensity score in observational studies for causal effects. Biometrika 70(1),1983:按可观察特征同类比同类。2026-11-15 核对。
- Erik Brynjolfsson、Danielle Li、Lindsey R. Raymond. Generative AI at Work. NBER 工作论文 31161,2023:每小时解决问题数平均提升 14%、新手客服提升 34%。2026-11-15 核对。
- 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。
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。

