基于真实案例搭建 AI 客服工作流
基于真实案例搭建 AI 客服工作流
客服是最容易看到 AI 价值的场景之一。客户每天问重复问题，员工反复复制相似答案，很多消息还会在下班后出现。复杂问题仍然需要真人处理，但第一层咨询、信息收集和分流，通常可以用 AI 明显改善。
这篇教程把 Klarna、Shopify Magic、Vanta 等公开案例中的经验，改造成适合小企业和顾问交付的工作流。目标不是做一个大型系统，而是搭建一个范围清楚、可复核、能持续改进的客服流程。
最终要做成什么
你要交付的是一套客服工作流，而不只是一个聊天窗口：
- 明确的客服范围
- 整理好的知识库
- 高频问题回答规则
- 人工转接条件
- 线索或工单收集
- 每周复盘指标
- 资料更新机制
适合的对象包括本地服务商、电商店铺、课程业务、小型 SaaS、代理商和专业服务公司。
第一步：只选一个客服场景
不要一开始就说“回答所有客户问题”。先选一个重复度高、边界清楚的场景。
| 场景 | 常见问题 | 为什么适合 |
|---|---|---|
| 电商订单支持 | 物流、退款、退货、商品详情 | 重复度高，规则清楚 |
| 本地预约支持 | 营业时间、地址、预约、价格范围 | 容易整理成文档 |
| 课程支持 | 登录、课程安排、退款、证书 | 资料来源明确 |
| 代理商线索咨询 | 服务范围、是否适合、时间线 | 适合收集客户信息 |
| 产品故障排查 | 已知错误、设置步骤、账户问题 | 有文档就能复用 |
Klarna 的案例说明，客服自动化最适合从高频、标准化、可升级给真人的任务开始。
第二步：画出现有客服流程
先不要选工具，先把现在怎么处理客户问题写出来。
| 当前步骤 | 谁负责 | 时间成本 | 常见问题 |
|---|---|---|---|
| 客户提问 | 网站聊天、邮件、电话 | 立即发生 | 下班后没人回复 |
| 判断问题类型 | 客服或老板 | 1-5 分钟 | 反复人工分类 |
| 查找答案 | 文档、记忆、历史消息 | 2-10 分钟 | 回复不一致 |
| 回复客户 | 客服或老板 | 1-5 分钟 | 高峰期响应慢 |
| 复杂问题升级 | 经理或专家 | 不固定 | 缺少上下文 |
第一版 AI 工作流只需要改善其中一两个步骤。
第三步：整理客服知识库
AI 客服的质量，取决于它能依据哪些资料回答。
至少准备这些内容：
- 前 30 个高频客户问题
- 官方政策页面
- 产品或服务介绍
- 营业时间、地址、联系方式
- 退款、退货、取消或改期规则
- 需要升级给谁处理
- 过去写得好的回复示例
推荐整理成这种格式：
主题：退款政策
允许回答：
客户可以在服务开始前 14 天内申请退款。
必须升级给真人的情况：
- 客户提到拒付
- 客户情绪激烈
- 客户提出法律威胁
- 请求超出已写明政策这让 AI 不仅知道“怎么答”，也知道“什么时候不能答”。
第四步：定义 AI 能做什么、不能做什么
客服助手需要权限边界。
| 权限 | 可以做什么 | 示例 |
|---|---|---|
| 回答 | 按知识库给出已批准信息 | 营业时间、地址、常规政策 |
| 起草 | 给员工准备回复草稿 | 投诉回复、例外申请 |
| 收集 | 询问必要信息并创建记录 | 姓名、邮箱、订单号 |
| 升级 | 停止回答并转给真人 | 法律、医疗、支付争议、强烈情绪 |
这能避免 AI 对敏感问题做最终判断。
第五步：写第一版工作提示词
可以先用这个结构：
你是 [企业名称] 的客服助手。
你的任务：
- 只根据已批准知识库回答
- 回复要简洁、准确、友好
- 信息不足时只问一个澄清问题
- 必要时收集姓名、邮箱、订单号或预约信息
- 超出范围时升级给真人
禁止：
- 编造政策
- 承诺退款、折扣、法律结果、医疗建议或保证性结果
- 回答与本企业无关的问题
- 遇到支付争议、法律威胁、强烈情绪时继续自行处理
升级时要总结：
- 客户问题
- 已知信息
- 使用了哪些资料
- 建议下一步提示词只是起点，真正的提升来自测试和复盘。
第六步：设计人工转接条件
人工转接不是缺陷，而是让 AI 客服可用的安全边界。
遇到以下情况应转人工：
- 要求退款例外
- 提到拒付或支付争议
- 提供敏感个人信息
- 咨询法律、医疗、税务、财务建议
- 情绪激烈或威胁投诉
- 报告安全问题或严重 bug
- 知识库没有覆盖
- 需要最终报价或定制方案
每次转接都要附带简短摘要，避免真人重新问一遍。
第七步：增加信息收集和分流
AI 客服不只是回答，也应该生成可用记录。
建议收集：
- 姓名
- 邮箱或电话
- 订单号或预约日期
- 问题分类
- 紧急程度
- 是否已解决
- 是否升级给人工
简单分流规则：
| 类型 | 转给谁 |
|---|---|
| 订单状态 | 客服邮箱 |
| 退款请求 | 负责人 |
| 产品设置问题 | 技术支持 |
| 销售咨询 | 销售邮箱 |
| 投诉 | 老板或高级客服 |
很多小企业只要把分流做稳定，体验就会明显改善。
第八步：用真实消息测试
不要只用完美问题测试。拿 30-50 条真实客服消息跑一遍。
| 测试问题 | 预期行为 | 实际行为 | 修复 |
|---|---|---|---|
| 我的订单在哪？ | 询问订单号 | 正常 | 无 |
| 我现在就要退款 | 收集信息并升级 | AI 直接承诺退款 | 加强退款边界 |
| 这是紧急医疗问题吗？ | 提示联系紧急渠道并升级 | 回答太泛 | 增加紧急规则 |
Vanta 的案例提醒我们，好的 AI 工作流应该把问题变成具体下一步，而不是只给泛泛解释。
第九步：分阶段上线
不要第一天就全自动上线。
推荐节奏：
- 第 1 周：只给内部员工使用，辅助写草稿
- 第 2 周：网站上线，限制问题类型
- 第 3 周：加入工单创建和分流
- 第 4 周：复盘指标，只扩展一个新分类
关注这些指标：
- 总对话数
- 无需人工即可解决的比例
- 转人工比例
- 错误或无依据回答
- 平均响应时间
- 最常缺失的知识点
- 客户反馈
第十步：每周维护知识库
客服知识库会过期。政策一变、活动一结束、产品一更新，AI 回答就可能不准确。
每周做一次复盘：
- 阅读转人工对话
- 找出重复但没答好的问题
- 补充政策细节
- 删除过期答案
- 更新活动和季节信息
- 增加新的转人工条件
- 检查客户是否被措辞误导
最好的客服助手不是提示词最长，而是运营循环最干净。
顾问交付包怎么设计
| 交付物 | 客户拿到什么 |
|---|---|
| 客服审计 | 当前客服流程和高频问题清单 |
| 知识库 | 整理好的 FAQ、政策和升级规则 |
| 助手搭建 | 限定范围的网站或内部助手 |
| 转接系统 | 分流规则和升级摘要 |
| 测试报告 | 30-50 条真实消息测试与修正 |
| 员工培训 | 如何复核和改进 AI 回复 |
| 月度维护 | 指标复盘、缺失问题和资料更新 |
不要承诺“替代真人客服”。更可靠的价值是：更快的第一响应、更稳定的分流、更一致的回答。
来源与延伸阅读
- Klarna: AI assistant handles two-thirds of customer service chats in its first month
- Shopify Help Center: Shopify Magic
- Claude: Vanta streamlines compliance remediation with Claude