客服机器人应该接手高频、答案固定、答错代价低的问题,其余尽快转给人。它负责回答、收集信息和分流对话,不负责判断例外。下面讲怎么挑出先做的问题、一个可复算的业务量算例、上线步骤、转人工规则,以及区分解决和分流的指标。
读完你会知道
- 按频次、答案是否固定和答错代价给问题打分;示例中三类问题占了 51% 的量
- 衡量解决率,不是分流率:50% 的对话没有转人工,但只有 39% 真正解决
- 上线前写好转人工规则,并每周抽样复核机器人的回答是否有错
客服机器人到底做什么?
客服机器人在聊天窗口里回答客户的问题,不需要人来打字回复,答不了的时候把对话转给人。它背后的软件可以是带按钮的规则流程,可以是在一批准备好的答案里检索,也可以是根据你的文档起草回复的语言模型。选哪一种是另一个问题,见聊天机器人的类型;这里要讲的是该让机器人做什么。
实际上,客服机器人做三件事,每件事的限制不同:
- 回答。 对只有一个正确答案的问题,每次给出同样正确的答案:送达时间、退货期限、营业时间、怎么重置密码。
- 收集。 收齐坐席需要的信息(订单号、邮箱、问题描述),让接手的人不必从零开始。
- 分流。 决定谁来处理这段对话,以及什么时候该离开机器人。
它不该做的是判断。凡是取决于个人情况的事,比如退款例外、投诉、账单争议,都需要人。本文的核心观点:客服机器人应该接手那些高频、答案固定、答错了影响也不大的问题,其余的尽快交给人。
机器人应该先接哪些问题?
给每类问题打三个分:出现得多不多、答案每次是否一样、答错的代价是什么。高频、固定、答错代价低的问题,先交给机器人。罕见、多变、答错代价高的,交给人。
| 问题类型 | 高频? | 答案固定? | 答错的代价 | 谁处理 |
|---|---|---|---|---|
| 配送时间和费用 | 是 | 是,按地区 | 低 | 机器人 |
| 退货和退款政策(政策是怎么写的) | 是 | 是 | 中,所以要原样引用政策 | 机器人 |
| 怎么重置密码或登录 | 是 | 是 | 低 | 机器人 |
| 我的订单在哪 | 是 | 否,需要实时查询 | 低 | 机器人给出物流链接;卡住了找人 |
| 商品兼容性或尺码 | 中 | 部分 | 中 | 机器人,人工兜底 |
| 退款例外和账单争议 | 中 | 否 | 高 | 人 |
| 投诉 | 低 | 否 | 高 | 人,要快 |
| 法律、医疗、安全问题 | 低 | 否 | 很高 | 人 |
这张表说明两点。其一,只能生成文字的机器人,无法查订单或改账户,所以「我的订单在哪」是一个物流页面的链接,而不是一个答案。其二,「政策是怎么写的」和「我能不能拿到例外」是两个问题;机器人可以回答前者,应该把后者交出去。
| 问题类型 | 答案固定? | 答错的代价 | 谁处理 |
|---|---|---|---|
| 配送时间和费用 | 是 | 低 | 机器人 |
| 退货政策(政策怎么写的) | 是 | 中 | 机器人 |
| 密码或登录帮助 | 是 | 低 | 机器人 |
| 我的订单在哪 | 否,需要查询 | 低 | 给链接,再转人工 |
| 退款例外、账单争议 | 否 | 高 | 人 |
| 投诉、法律或安全问题 | 否 | 高到很高 | 人,要快 |
只能生成文字的机器人,无法查询或修改订单。
算例:机器人能接下多少量?
示例数据:一家店抽取最近 400 段对话,按客户问的内容逐个打标签。所有数字都是为演示虚构的。
| 问题类型 | 对话数 | 占 400 段的比例 | 是否适合机器人 |
|---|---|---|---|
| 配送时间 | 96 | 24% | 是 |
| 退货政策 | 72 | 18% | 是 |
| 订单状态 | 64 | 16% | 只给链接 |
| 商品兼容性 | 48 | 12% | 部分 |
| 账单争议 | 40 | 10% | 否 |
| 密码或登录 | 36 | 9% | 是 |
| 投诉 | 24 | 6% | 否 |
| 其他 | 20 | 5% | 否 |
明确适合的三类是配送、退货和登录:96 + 72 + 36 = 204,占 204 ÷ 400 = 51% 的对话。机器人不会全部解决;客户的说法总有答案覆盖不到的。假设它完全解决其中 75% 的合格问题:
- 机器人解决的占全部对话的比例:51% × 75% = 38.25%
- 每月 3,000 段对话:3,000 × 38.25% = 1,147.5,约 1,148 段对话
- 每段对话占坐席 6 分钟:1,148 × 6 ÷ 60 = 每月约 115 小时
现在用真实的一个月去对照,多数商业方案就是在这里出错的。假设上线后,3,000 段对话中有 1,500 段没有转人工就结束,其中 330 位客户在七天内又为同一个问题回来了:
- 没有转人工就结束的对话:1,500 ÷ 3,000 = 50%
- 已解决的对话:1,500 − 330 = 1,170,所以 1,170 ÷ 3,000 = 39%
方案预计 38%,这个月是 39%,说明范围划得大致对。50% 这个数字会把成功高估十一个百分点,因为放弃或回头的客户也被算成了已处理。把它换算成钱的方法见聊天机器人 ROI;哪些客服工作可以自动化的整体图景见客服自动化。
3,000 段对话 → 已解决
示例月份对话
3,000
没有转人工就结束
1,500
已解决(无重复联系)
1,170
怎样一步步上线客服机器人?
- 取 200 到 400 段真实对话。 用最近一两个月的,而不是你想象客户会问的问题清单。真实对话里有真实的说法。
- 打标签。 像算例那样给每段对话一个问题类型并计数。类型停在 8 到 12 个。
- 为前十类问题写答案。 一个问题一个答案,用经验丰富的坐席会用的话。政策要原样引用,并注明日期;机器人把政策转述错了,就等于做出了你没做过的承诺。
- 上线前先写好转人工规则(见下一节)。机器人能力的边缘,是客户最容易感到沮丧的地方。
- 用它没见过的问题测试。 取 50 段没有被用来写答案的近期对话,重放客户的首条消息。数一数它答对多少、转人工多少、答错多少。上线前先修好答错的。
- 小范围上线。 先从一个页面、一种语言或只在工作时间之外开始,头一周读每一段对话。
- 每周复盘。 看按原因分类的转人工、答错的回答,以及没有匹配答案的问题。把坐席的好回复变成新的答案。
机器人什么时候该转给人?
客户应该始终能找到人,机器人要在客户第三次开口要求之前就提供。美国消费者金融保护局把这种失败称为「死循环」(doom loop):客户被困在机器人里,找不到真人;它还指出聊天机器人可能给出错误答案。转人工规则就是对策。
| 触发条件 | 机器人怎么做 | 为什么 |
|---|---|---|
| 客户要求找人 | 立即转人工,不再追问 | 尊重这个请求 |
| 连续两次回答都没帮上忙 | 提供转人工 | 避免循环 |
| 没有匹配的答案 | 如实说明;转人工或接收留言 | 猜错比延迟更糟 |
| 敏感话题(投诉、账单争议、安全) | 转人工并注明话题 | 出错的代价高 |
| 轮次用完 | 转人工 | 对话不应无限进行 |
| 没人在线 | 请客户留邮箱并留言 | 别让客户干等 |
好的转接还要带上上下文:问了什么、机器人答了什么、客户说过什么。如果客户必须把一切重说一遍,即便转接按时发生,这次转接也失败了。责任问题同样重要:在 Moffatt 诉加拿大航空(2024)一案中,加拿大一家审裁机构认定航空公司要对其网站聊天机器人给客户的错误信息负责。把机器人说的话,当作你的公司说的话。
哪些指标说明客服机器人在起作用?
用解决率,不要用分流率。分流率把所有没有转人工就结束的对话都算上,包括放弃的客户。
| 指标 | 公式 | 说明什么 |
|---|---|---|
| 解决率 | (没有转人工的对话 − 重复联系)÷ 全部对话 | 真正的自助服务 |
| 转人工率,按原因 | 每种原因的转人工 ÷ 全部对话 | 机器人能力的边缘在哪 |
| 重复联系率 | 七天内为同一问题回来的客户 ÷ 没有转人工的对话 | 隐藏的失败 |
| 答案命中率 | 由知识库回答的问题 ÷ 全部问题 | 内容覆盖需求的程度 |
| 错答率 | 每周抽样中的错误回答 ÷ 抽样的机器人回答 | 内容的安全性 |
| 满意度 | 机器人处理的对话与人工处理的对话的评分 | 客户是否接受机器人 |
错答率要靠读抽样来查,比如每周读 30 段机器人处理的对话;没有哪个看板能替代这一步。比较机器人和人工处理对话的满意度时,要用相似的问题类型,否则简单问题会让机器人显得更好。
哪些错误会让客服机器人失败?
- 凭猜测上线,猜客户会问什么。 算例显示前三类问题占 51% 的量;这只有从真实对话里才知道。
- 让机器人什么都答。 投诉和账单争议占样本的 16%,每一个都需要人。
- 衡量分流率。 算例里 50% 看起来像成功,真实情况是 39%。
- 没有出路。 没有明显通道找到人的机器人,会把客户困住。
- 答案过期。 上个月政策变了,机器人还在引用旧的;给每个答案指定负责人和复核日期。
- 不复核错答。 没有每周抽样,错误就一直隐藏,直到有客户投诉。
怎样在 TapCub 在线客服里设置?
TapCub 的在线客服有算例里的三个部分:知识库、从知识库回答的 AI 助手,以及转给坐席。助手只生成回复;它不会查询或修改订单、发邮件或调用其他系统,这和上面订单状态「给链接而不是给答案」的处理是一致的。
- 写答案。 在 客服 › 知识库 里,为你的高频问题类型添加问答条目。访客的消息匹配到某个问答条目时,存好的答案原样发送,不消耗 AI 调用。更长的材料(如政策页面)加成文档,它们会被切成段落,由模型据此起草回复。草稿收件箱 可以从最近 30 天已解决的对话生成问答草稿;没有你批准,什么都不会上线。
- 置顶高频问题。 置顶的问答条目显示在访客端的常见问题里。打开答案不会建会话,只有点「没解决」或要求找人才会交给坐席。
- 选模式。 在 客服 › 聊天设置 › AI 接待 里选择关闭、仅坐席全离线时,或 AI 先答。访客会被告知正在和 AI 对话,回复带 AI 标记。设置 单会话最多回答轮数(1 到 20,默认 6),并写好 转人工提示文案。
- 复盘转人工并修正答案。 在 客服 › 客服工作台 里,每次转人工都标明原因:没有知识库匹配、模型答不了、访客要求、轮数用完,或坐席接手。对错误的回答点 纠错入库,把改正后的回复存成问答条目。
- 读数字。 客服 › 客服报表 显示会话数、解决率(已解决 ÷ 全部会话)、首次响应时间、满意度和知识库命中率。TapCub 不替你统计重复联系;像算例中的 330 那样,从标记为回访的对话里自己统计。
常见问题
客服机器人是什么?
它是在聊天窗口里回答客户问题、答不了时把对话交给人的软件。它可以是带按钮的流程,可以是在准备好的答案里检索,也可以是根据你的内容起草回复的语言模型。它该处理的是高频、答案固定的问题。
客服机器人能做什么,不能做什么?
它能对政策和操作类问题给出一致的答案、为坐席收集信息、分流对话。它不能判断例外、不擅长处理情绪激动的投诉,也不能对账户采取行动,除非它连接了你的系统。如果答错的代价很高,应该由人来答。
怎么为客户支持设置聊天机器人?
取 200 到 400 段真实对话,按问题类型打标签,为前十类写答案,定义什么时候转人工,用没见过的问题测试,先在一个页面小范围上线,再每周复盘转人工和错答。步骤见上面的上线一节。
怎么衡量客服聊天机器人是否成功?
看解决率,而不是分流率:没有转人工就结束的对话,减去七天内回来的客户,再除以全部对话。再加上转人工原因、重复联系、每周的错答抽样,以及和人工处理对话相比的满意度。
聊天机器人什么时候应该转给真人?
客户提出要求时、连续两次回答没帮上忙后、没有匹配答案时、遇到投诉和账单争议时,以及轮数用完时。转接时带上上下文,并且即使没人在线,也要让客户能找到人,比如通过留言表单。
资料来源
- 美国消费者金融保护局。Chatbots in consumer finance(2023 年)。聊天机器人的局限、错误回答,以及找不到真人的「死循环」。核对于 2026-11-19。
- 不列颠哥伦比亚省民事解决裁判庭。Moffatt v. Air Canada, 2024 BCCRT 149。对网站聊天机器人所给信息的责任。核对于 2026-11-15。
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。

