TapCub 正式上线:统计、分析、客服一个平台免费用
在线客服

聊天机器人用例:12 个例子与两轴判断法

把 12 个聊天机器人用例按答案稳定性和出错代价分进四个象限:哪些先自动化、哪些机器人起草人来拍板、哪些永远留给人工,附一个月可复算的算例。

许安 发布于 2026 年 11 月 16 日 13 分钟阅读 在线客服
示例数据:用例 A(答案稳定、代价低)省下 1,200 × 3 分钟 = 60 个坐席小时;用例 B(答案不稳定、代价高)花了 952 分钟,纯人工只要 800 分钟——多花 2.5 小时。同一家店,相反的结果。示例数据

聊天机器人用例只在答案稳定、出错代价低时才靠谱——按这两轴挑,比按行业挑更可靠。本文把 12 个常见用例放进 2×2 矩阵,每个用例给出触发、转人工规则和要看的数,再用一个月的算例证明这个观点。

读完你会知道

  • 只自动化答案稳定、出错代价低的用例:运费 FAQ、只读订单状态、价格说明、退换货政策解释
  • 预约、账户变更、退款资格判断让机器人起草、人来拍板;退款执行、改单和投诉绝不交给机器人
  • 上线前每个用例回放 20 条真实历史问题,盯知识库命中率和解决率——同一家店一个用例省 60 小时,另一个多花 2.5 小时

哪些聊天机器人用例适合自动化?两轴判断法

大多数聊天机器人用例清单按行业分组:电商、医疗、银行。这种分法恰恰掩盖了真正决定成败的东西。同一家电商店里,运费 FAQ 和退款例外判断都是「电商用例」——但把它们自动化的结果完全相反,下面的算例会证明这一点。

两个问题比行业标签更能给用例分类:

  1. 答案稳定吗? 正确回复对几乎所有访客都一样,而且很少变化:配送时效、套餐内容、退换货期限。不稳定的答案因人而异:哪款商品合适、这笔退款符不符合条件、怎样安抚这位客户。
  2. 答错了代价多大? 代价低,是访客不满意、再问一遍;代价高,是钱动了、订单改坏了、预约丢了、投诉升级了。把差距算具体:答错配送时效,代价是一次追问;判错一笔退款,代价是退款金额、返工,外加客户的信任。

四种组合对应四种结论:

  • 稳定+代价低 → 优先自动化。 机器人用核实过的内容回答,错了改答案就行。
  • 稳定+代价高 → 机器人起草,人来拍板。 规则是清楚的,但用错规则很贵,所以要人签字。
  • 不稳定+代价低 → 只做互动。 推荐、测验、反馈本来就因人而异,推荐错了损失一次点击,不是一笔退款。
  • 不稳定+代价高 → 留给人工。 这类事不该交给机器人执行。

下面的表把 12 个常见用例放进两轴。全文有一个前提:机器人只生成回复,并且有可用的人工转接。它是规则型还是 AI 型,影响的是怎么搭,不是放在哪个象限——分类见聊天机器人的类型。

用例答案出错代价结论
运费与配送 FAQ稳定低优先自动化
只读订单状态稳定低优先自动化
价格与套餐说明稳定低优先自动化
退换货政策解释稳定低优先自动化
预约排期稳定高机器人起草,人工确认
订阅与账户变更稳定高机器人起草,人工确认
退款资格判断稳定高机器人起草,人工确认
商品推荐不稳定低仅互动
反馈收集不稳定低仅互动
选购测验不稳定低仅互动
退款执行与改单不稳定高仅人工
投诉与服务补救不稳定高仅人工

「稳定」指正确答案几乎不变;「出错代价」指答错在金钱、信任或返工上的损失。结论的前提是:机器人只生成回复,且人工转接可用。

答案稳定、出错代价低:先自动化这 4 个用例

这 4 个用例画像一致:答案都在核实过的内容里——也就是知识库——答错只是不便,不是损失。答案写一次、测一遍,然后让机器人重复。

1. 运费与配送 FAQ

  • 触发: 商品页、购物车或帮助页上问「多久能到?」「能寄到加拿大吗?」
  • 机器人消息: 「美国标准配送 3–5 个工作日,加急 1–2 个。下午 2 点前的订单当天发出。」
  • 转人工: 问题指向某个具体的迟到订单,或知识库里没有匹配。
  • 看哪个数: 知识库命中率和自助解决率。

2. 只读订单状态

  • 触发: 「我的订单到哪了?」并附订单号。
  • 机器人消息: 「订单 #8246 已于 11 月 12 日交 DHL 发出,物流页预计 11 月 16 日送达。」机器人只读状态,绝不改状态。
  • 转人工: 状态卡住或疑似丢件,或访客想改地址、取消订单。
  • 看哪个数: 无需坐席解决的比例;同一订单的重复咨询。

3. 价格与套餐说明

  • 触发: 访客在定价页停留,或问「Pro 套餐包含什么?」
  • 机器人消息: 「Pro 含 5 个席位、不限项目数、优先支持,可月付或年付。完整对比:{链接}。」只引用核实过的事实。
  • 转人工: 要折扣、要定制报价,或问「我们团队适合哪档?」——这是销售判断。
  • 看哪个数: 定价页邀请的开聊率;聊过访客的转化归因。

4. 退换货政策解释

  • 触发: 「这个能退吗?」「退货运费谁出?」
  • 机器人消息: 「未使用商品可在签收后 30 天内退货,我们邮件发送预付运单。完整政策:{链接}。」用政策原文的措辞。
  • 转人工: 访客要立刻发起退货,或主张例外(「收到就是坏的」)。
  • 看哪个数: 政策类问题命中率;转人工率(升高说明政策文本没写清楚)。

答案稳定、出错代价高:3 个必须人工确认的用例

这一象限规则稳定,但用错规则代价高。起草仍然划算:机器人把细节收集齐、把政策条款引好,人花一分钟拍板,而不是花十分钟翻资料。三个用例同一个模式:机器人起草,人来决定,草稿绝不会作为决定直接发给访客。

5. 预约排期

  • 起草 → 确认: 机器人从公开的可用时段里给出 2–3 个选项,访客选一个,工作人员确认后预约才算成立。
  • 转人工: 时段冲突、特殊要求,或可用规则覆盖不到的情况。
  • 看哪个数: 确认率,以及草稿被人工修改的比例。

6. 订阅与账户变更

  • 起草 → 确认: 机器人把变更请求整理成摘要——套餐、差价、生效日期——人工批准后才对账户执行。
  • 转人工: 每一次执行都转。机器人可以收集请求,但绝不能自己按下开关。
  • 看哪个数: 草稿修改率;未经批准就执行的变更(目标:0 次)。

7. 退款资格判断

  • 起草 → 确认: 机器人对照书面政策起草判断,并引用具体条款(「超出 30 天窗口,见条款 2.1」);由人决定退或不退。
  • 转人工: 决定本身,永远转。例外都藏在资格判断里,而例外是判断题。
  • 看哪个数: 草稿被人工推翻的比例——推翻率高,说明该重写政策,而不是换更聪明的机器人。

答案不稳定、出错代价低:3 个互动型用例

这些答案本来就该因人而异。推荐错了损失一次点击,所以机器人可以全程跑——目标是参与,不是解决。客服自动化的全景见客服自动化。

8. 商品推荐

  • 触发: 访客浏览某个品类,或问「我该买哪个?」
  • 机器人消息: 先问 2 个快问题——「送给谁?预算多少?」——再给 2–3 个带理由的推荐。
  • 看哪个数: 参与率,以及点进商品页的次数。

9. 反馈收集

  • 触发: 问题刚解决或刚下单之后,体验还新鲜。
  • 机器人消息: 只问一个问题,不做问卷:「今天差点让你没下单的是什么?」
  • 看哪个数: 回复率,以及反复出现的主题。

10. 选购测验

  • 触发: 品类页上的送礼人群和拿不定主意的访客。
  • 机器人消息: 3–5 个问题,然后给短名单:「根据你的回答,这两款最合适。」可以顺便要邮箱,把结果发过去。
  • 看哪个数: 完成率和留邮箱率。

答案不稳定、出错代价高:2 个永远留给人工的用例

11. 退款执行与改单

  • 为什么不行: 钱会动,订单状态会变。退错金额、重复退款、履约开始后才改地址,错误会滚成真实损失——下面的算例把这笔账算了出来。
  • 机器人能做什么: 接住话头,收集订单号和原因,然后转接。仅此而已。
  • 路由: 直接转人工坐席,附上收集到的上下文。

12. 投诉与服务补救

  • 为什么不行: 正确的回应取决于语气、历史和回应者有多大权限。对正在气头上的客户发模板道歉,等于敷衍,只会让投诉升级。
  • 机器人能做什么: 识别出投诉,立刻转接——不发模板共情,不尝试解决。
  • 路由: 转人工,标记为投诉,附对话记录。

上线前把路由规则写下来:

  • 如果请求要动钱、改订单或改账户 → 人工;机器人只收集上下文。
  • 如果访客情绪激烈或提到法律行动 → 立刻人工,机器人不回复。
  • 如果没有核实过的答案 → 直说并转人工,绝不猜。
  • 如果连续两次尝试失败 → 人工。

算例:一个月、两个用例、相反的结果

示例数据:一家电商店,一个月,两个同属「电商」行业分组的用例。

用例 A——运费 FAQ(答案稳定、出错代价低)。

  • 来了 2,000 个运费问题。
  • 知识库答了其中 1,500 个:1,500 ÷ 2,000 = 75% 命中率。
  • 这 1,500 人里 1,200 人自助解决:1,200 ÷ 1,500 = 80%。
  • 每个问题人工处理约 3 分钟:1,200 × 3 = 3,600 分钟 = 省下 60 个坐席小时。

用例 B——退款例外(答案不稳定、出错代价高)。 店里让机器人起草退款例外判断,交人工审核。

  • 来了 200 个例外请求;纯人工每个约 4 分钟:200 × 4 = 800 分钟。
  • 机器人草稿错了 46 个:46 ÷ 200 = 23%。
  • 每份草稿审核 2 分钟:200 × 2 = 400 分钟;46 个错误草稿每个返工 12 分钟:46 × 12 = 552 分钟。
  • 用机器人合计:400 + 552 = 952 分钟——比纯人工多 152 分钟,约 多花 2.5 小时。

同一家店、同一个月,结果相反:一个用例省回 60 小时,另一个多花 2.5 小时。行业标签一模一样,两轴位置完全不同。这就是按答案稳定性和出错代价挑用例、而不是按行业挑的全部理由。用例 A 是典型的工单分流(整家店怎么用机器人,见电商 AI 聊天机器人);用例 B 则是高代价用例没设人工闸门就自动化的下场。补救办法不是给用例 B 换更聪明的机器人:把它退回纯人工,让用例 A 继续跑,并且每当政策或产品变化时,重新检查一遍象限归属。

app.tapcub.com

同一家店的一个月:两个用例

以 A 的 2,000 个问题为基数
A · 运费问题总数2,000
A · 知识库回答1,500
A · 自助解决 → 省 60 小时1,200
B · 退款例外请求200
B · 错误草稿 → 多花 2.5 小时46
示例数据
示例数据:用例 A(答案稳定、代价低)省下 1,200 × 3 分钟 = 60 个坐席小时;用例 B(答案不稳定、代价高)花了 952 分钟,纯人工只要 800 分钟——多花 2.5 小时。同一家店,相反的结果。

上线前清单:开一个用例之前先测它

这 8 项检查按用例做,不是按机器人做。完整的上线与衡量方法见AI 客服上线指南;这份清单只回答「这个用例挑对了吗、准备好了吗?」

  1. 回放 20 条真实历史问题。 找 20 条这类历史问题测机器人的回答。通过标准:至多错 1 条;错 2 条及以上,先补知识库再测,然后才上线。
  2. 实测转人工全链路。 在对话中途要求人工。通过标准:坐席收到带对话记录的会话,访客不用复述。
  3. 实测下班时间。 在非工作时间发一条消息。通过标准:要么知识库回答,要么出现收邮箱和问题的离线表单——不能是死胡同。
  4. 记下基线。 开机器人之前,写下这类问题当前的量、处理时长和解决率;否则那 60 小时无从证明。
  5. 限定范围。 机器人只答你的产品和政策相关问题。通过标准:跑题的提问得到礼貌拒绝和转人工,而不是即兴回答。
  6. 每个答案都锚定核实数据。 每条回复都要能追溯到知识库条目或文档——这是 HeroThemes 给客服机器人的注意事项之一。通过标准:回放测试里没有编造的政策或价格。
  7. 高代价用例保留人工监督。 IBM 的聊天机器人指南明确:机器人不能替代复杂或敏感问题的处理。通过标准:预约、账户、退款草稿绝不自动发送。
  8. 指定指标负责人和复查日期。 通过标准:有一个人负责这个用例的命中率和解决率,上线两周后做首次复查。

在 TapCub 里怎么跑这些用例

上面算例里的运费 FAQ,正是 TapCub AI 接待擅长的用例:它从你的知识库回答,不碰订单。退款例外那个用例,则说明它在哪里停下。那一个月的设置,分五步。

  1. 把 4 个优先自动化用例写进知识库。 在客服 › 知识库里,高频稳定问题用问答条目:访客的话和问题一致(或包含全部关键词)时,原文发送存好的答案,不耗 AI 调用。政策长文用文档:切成约 600 字一段,全文检索后由模型起草回答。把高频的运费问答置顶到访客端常见问题——打开置顶答案不建会话、不占额度,点「没解决」或要求转人工才建会话。上线前在 Playground 里跑检查清单第 1 条:走的是同一条路径,不耗额度、不建会话。
  2. 设好 AI 边界。 在客服 › 聊天设置 › AI 接待里,选「AI 先答」或「仅坐席全离线时」。AI 只生成回复:不退款、不改单、不调用别的系统。资料不够、访客要求转人工、或超过「单会话最多回答轮数」(默认 6)时转人工,工作台会标出原因。所以在 TapCub 里,用例 B 根本不交给机器人:退款判断和执行都留在坐席手里,坐席仍可以用常用语让政策说法保持一致。
  3. 兜住下班时间。 在客服 › 聊天设置 › 工作时间按时区设工作时间,在客服 › 聊天设置 › 离线留言设邮箱加问题的兜底。开了 AI 时知识库先答,答不了才出留言表单——检查清单第 3 条天然就能通过。
  4. 按意图主动邀请售前答疑。 客服 › 聊天设置 › 主动邀请按「页面+停留秒数」触发,比如定价页停留 30 秒。在客服 › 客服工作台,坐席侧栏自带访客来源、当前页和最近 2 天的浏览轨迹:统计和客服用同一段脚本、同一个访客 ID。
  5. 每加一个用例都看数。 客服 › 客服报表给出这段时间的知识库命中率(由问答直答或检索回答的问题占比)和解决率。这两个数是全站的,不按用例拆,所以一次只开一个用例,和检查清单第 4 条记下的基线比。机器人答错时,在工作台点「纠错入库」,把改好的回复存成问答对。客服 › 客服报表 › 转化归因对比聊过和没聊过访客的目标转化(相对提升=聊过转化率 ÷ 没聊转化率 − 1),聊过的人少于 30 会提示样本太少。

边界也要说清:聊天组件没有聊天前表单——要邮箱就在对话里问,或用离线留言。TapCub 不做 CRM,也不做线索打分。AI 不执行任何操作;人工象限里的每个用例,都留在人工手里。

常见问题

聊天机器人用来做什么?

聊天机器人处理重复问题(运费、价格、政策)、只读查询(如订单状态)、推荐和测验这类互动,以及为预约或退款资格判断准备草稿。可靠的挑法不是按行业,而是按两轴:答案稳定、出错代价低的先自动化;答错会动钱、改坏订单的,始终留一个人把关。

聊天机器人常见的用例是什么?

不用坐席就把同一个问题反复答掉——算例里的运费 FAQ 就是典型:2,000 个问题里知识库答了 1,500 个,1,200 位访客自助解决。这就是工单分流:常规咨询由自助解决,坐席把时间留给真正需要判断的例外。

哪些聊天机器人用例不该自动化?

退款执行、改单和账户变更留给人工:它们动钱、改记录,错误会叠加。投诉和服务补救也留给人工,因为正确回应需要判断力和权限。另外别让机器人给医疗、法律或金融建议——答案不稳定、出错代价高,正是自动化会造成伤害的象限。

机器人什么时候该转人工?

四种情况:访客点名要人工;请求涉及钱或账户;没有匹配的核实答案;连续 2 次尝试失败。HeroThemes 的注意事项也是同样口径:出错就转人工,并持续监控准确率。转接必须带上对话记录,访客不用把故事重讲一遍。

怎么衡量一个机器人用例有没有用?

每个用例盯 4 个数:知识库命中率、自助解决率、转人工率,以及聊过与没聊过访客的转化归因。和上线前记下的基线比——算例里省下的 60 小时,只有对着基线才有意义。完整的衡量方法见AI 客服上线指南。

另见:企业怎么用 AI 智能体:从哪里开始,怎么控制风险。

另见:NLP 聊天机器人:原理,以及该在哪里转交给人。

另见:零售聊天机器人:先接订单、物流和退换货。

资料来源

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。

许安

客户体验顾问

关注在线客服、访客沟通与自助服务,分享常见问题的处理思路和可复用流程,让每一次沟通更清晰有效。

稳定的问题交给机器人,有风险的事留给人

问答命中不耗 AI 调用,AI 只写回复、不碰订单、答不了就转人工,报表里看知识库命中率。

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