客服的钱，到底漏在哪
大促前一周，客服主管来找你：三个人盯六个店铺，一天两千多条消息，一半是「我的货到哪了」。你想上AI，问了几家供应商，报价差得离谱，从几万到几十万都有。这时候真正该问的不是「哪家模型强」，而是「我到底想让机器替我干什么」。
先把漏水的地方列清楚：
- 重复问题吃掉大部分人力：物流、尺码、有没有货、能不能退、发票怎么开。
- 渠道太散。淘宝、京东、Shopify、Amazon、TikTok Shop、WhatsApp、邮件，客服在八个窗口之间切，切一次丢一次上下文。
- 知识在人脑子里。退货政策躺在主管的微信收藏，尺码表在某个Excel，新人全靠张嘴问。
- 时差。美国客户凌晨两点问，中国团队在睡觉；巴西客户下午问，你在开会。
- 答得不一致。A客服说能退，B客服说不能，最后赔钱了事。
顺序搞反了，钱就白花
最常见的翻车方式：先买个大模型API，接上聊天窗口，结果AI只会说「稍等我帮您查询」——因为它后面什么都没连。
顺序应该是这样：
- 打通订单、物流、库存、售后单。AI得真能查到「这个单现在在哪个中转站、预计哪天到」，而不是背话术。
- 把知识写成结构化条目。不是扔一堆PDF给模型，是一条条写清楚：适用国家、生效时间、例外情况、谁能批。
- 分层。哪些问题机器直接答，哪些必须人接，先把规则定死，再谈模型。
- 最后才是话术和语气。
| 问题类型 | 建议处理方式 | 原因 |
|---|---|---|
| 物流、尺码、库存、发票 | AI直接答，走接口取实时数据 | 高频、标准，错了也补得回来 |
| 退换货政策 | AI答，附条款原文链接 | 有明文，但得防它自己加码承诺 |
| 投诉、差评、纠纷 | 直接转人工，带完整上下文 | 一句话说错就是公关事故 |
| 大额订单、定制需求 | 转人工，AI只做前置信息收集 | 客单价撑得起人力 |
| 多语言咨询 | AI出初稿，人工过一遍 | 机翻翻车的成本比省下的人力贵 |
人机怎么搭，客户才不骂
别一上来追求全自动。跑得稳的做法通常是：低风险问题AI直接发；中风险AI出草稿、人工一键确认；高风险直接转人工，把订单号、聊天记录、客户等级一起带过去。客服不用再问一遍「您好请问订单号是多少」，光这一句就省不少钱。
红线要提前划死：赔付金额、退款承诺、法律纠纷、涉及人身安全的问题，AI不许自己拍板。权限也得设，别让AI把采购价、供应商名字、内部备注念给客户听。
几个我们真见过的坑
- 知识库没人维护。上线三个月，AI还在念去年的退货政策。
- 只盯「AI拦截率」。拦得多不等于拦得对，客诉率和退货率才是真账。
- 大促前一周才上线。流量一冲，接口超时，全线转人工，人也不够。
- 多语言直接机翻。return翻成「回归」，客户一脸问号。
- 没做灰度。全部流量一次切过去，出了问题连回滚开关都没有。
跨境还得再加几件事
WhatsApp基本是主力，非洲、巴西、东南亚不少客户根本不看邮件。语音消息多，得能转文字。网络差，图片加载慢，消息要能重发。夜间交给AI接、早上人工复核，比硬排夜班划算。还有合规：不同国家的退货冷静期、数据存放地、隐私告知都不一样，这块别省。
怎么判断这事做成了
别只看「AI解决了多少条」。看首次响应时间、转人工率、客诉率、退货率、复购，还有客服人均处理量。这几个数一起看，才知道是真省了钱，还是把问题挪了个地方。
这套东西说起来不玄，做起来全是细活：系统对接、知识库梳理、权限设计、多语言、灰度上线，每一步都能踩坑。我们给几家做跨境和多店铺的公司搭过客服中台，如果你正卡在「知道要改但不知道从哪下手」，可以先聊聊，把现状摸一遍再谈方案也不迟。
