跳到正文
AI-SNS.IO — CHAT SUPPORTAI-SNS.IO — CHAT SUPPORT
洞察

AI客服上线前必看:10个常见失误与避坑方法

AI SNS CHAT 编辑部发布于 阅读约 7 分钟

整理跨境电商和华语企业导入AI客服时最常踩的10个坑,涵盖知识库、转人工、指标和回滚,附每周复盘流程与实操清单。

很多团队的AI客服上线后第一周看起来一切正常,第三周却开始收到投诉:答非所问、该转人工时死不转、改了一处设定结果别处全乱。问题通常不在模型本身,而在上线前后的一些习惯性决定。

这篇文章整理了10个常见失误,按四个阶段归类,每条都附上可以马上执行的做法。无论你的客户在新加坡、马来西亚、香港、台湾,还是通过 WeChat、WhatsApp、LINE 与你联系,这些经验都适用。

失误 1 到 3:地基没打好

失误 1:把所有资料一股脑塞进知识库

常见做法是把整个官网、三年前的促销公告、内部流程文档全部导入,认为资料越多答案越准。结果是新旧政策互相矛盾,AI 引用了已经过期的退货规则。

更稳妥的做法:

  • 先从 1 到 3 份最权威、最常被问到的资料开始,例如退换货政策、运费与时效、常见问题。
  • 删除或标注过期内容,每份资料有明确的负责人。
  • 同一个问题只保留一个“标准答案”来源,避免两份文档给出不同说法。

失误 2:没有写清楚人设和边界

只写一句“你是友善的客服”是不够的。AI 不知道哪些话题不能碰,也不知道遇到不确定的问题该怎么办,于是倾向于“努力给出一个答案”,这正是胡编乱造的来源。

建议在设定里明确写出:

  1. 能回答什么:产品规格、订单流程、营业时间。
  2. 不能回答什么:退款承诺、赔偿金额、医疗或法律建议、竞争对手比较。
  3. 不确定时怎么说:承认不知道,并引导转人工或留下联系方式。
  4. 语气与称呼:对新加坡客户和对台湾客户,用词习惯略有不同,例如“订单”“下单”“运费”的说法,要与你的主要市场一致。

失误 3:一上来就想覆盖所有渠道

有些团队同时开通网站聊天、WeChat、WhatsApp、LINE、Messenger,每个渠道都只做了一半:欢迎语不同、转人工规则不同、没人看后台。

比较好的节奏是先选一个流量最大的渠道,跑稳两到四周,再复制到下一个。不同渠道有各自的规则,例如 WhatsApp 的主动消息受 24 小时窗口限制,上线前要先弄清楚。

失误 4 到 6:忽视了“人”的部分

失误 4:没有设计转人工

AI 客服最让客户反感的场景,是反复问同样的问题却找不到真人。转人工不是“失败”,而是设计的一部分。

需要提前想清楚:

  • 哪些情况必须转人工:投诉、退款争议、付款失败、客户明确要求真人。
  • 转过去之后谁接?是否在上班时间?下班后客户看到什么?
  • 客户会被告知接下来会发生什么,而不是对着空白等待。

跨时区的团队尤其要注意:新加坡的白天,可能是你在欧美仓库同事的深夜。排班和通知渠道要在上线前就配置好。

失误 5:客服团队被排除在外

如果 AI 项目只由技术或市场部门推动,一线客服往往最后才知道。他们既不信任 AI 的答案,也不知道怎样帮它变好,结果 AI 越用越“旧”。

让客服成为训练者:

  • 他们接管对话后写的优质回复,可以成为 AI 之后的标准答案。
  • 他们最清楚客户真正怎么提问,比如客户说“几时到”“什么时候收到货”“ETA”其实是同一个问题。
  • 每周请他们挑出三个“AI 答得最差的对话”,比任何报表都有用。

失误 6:忽略语言和语气的细节

面向华语市场,常见的坑包括:简体和繁体混用、大陆用语与港台用语混用、客户用中英夹杂提问(例如“我的 order 还没 ship”)而知识库只有纯中文。

做法很简单:测试时故意用不同写法提问,包括错别字、口语、中英夹杂、简繁混合,看回答是否稳定。发现不稳定的地方,就在知识库里补上对应的问法。

失误 7 到 8:衡量了错误的东西

失误 7:只盯着单一指标

最常见的单一指标是“AI 自动处理比例”。比例高看起来很漂亮,但它可能只是说明客户“放弃了”,而不是“解决了”。

下面是一个假设的例子:某店铺一个月收到 300 次对话。

AI 接手的对话
270
没有转人工的对话
240
客户明确表示解决
165
客户给出好评
90
示例:为什么单一指标会误导(假设 300 次对话)示意示例

这个例子里,“没有转人工”看起来高达 240 次,但真正得到解决的只有 165 次,二者之间的差距,就是悄悄离开的客户。只看第一个数字,会错把沉默当成满意。

更可靠的做法是同时看几个维度:

  • 客户是否明确表示解决,或是否给出好评、差评。
  • 转人工的原因分布:是资料缺失,还是客户本来就需要真人?
  • 情绪走向:对话结束时客户是否变得更不满。
  • 热门问题主题,用来决定下一步补哪份资料。

失误 8:不复盘实际对话

报表只能告诉你“发生了什么”,不能告诉你“为什么”。真正的改进来自阅读对话本身。很多团队上线后一个月都没有认真翻过聊天记录。

建议建立一个固定的每周小循环,每次 30 到 45 分钟就够:

  1. 01抽样阅读对话
  2. 02标记错误与缺口
  3. 03补资料或改设定
  4. 04测试后再发布
每周复盘小循环示意示例

具体步骤:

  1. 抽样:优先看差评、转人工和客户重复提问的对话,再随机抽几条“看起来没问题”的。
  2. 归因:每个问题归为三类之一:资料没有、资料矛盾、设定不清。
  3. 修正:补一条问答,或修改过期文档,或调整边界说明。
  4. 验证:发布前先自己用原来的问题再问一遍。

上线最初两周可以每天看,之后改为每周一次即可。

失误 9 到 10:忽略了风险与变更

失误 9:把隐私和安全当成“以后再说”

客户在聊天里可能留下电话、地址、订单号,甚至证件号码。如果你的 AI 客服回答的内容来自内部文档,还要担心内部信息被不该看到的人问出来。

上线前至少做到:

  • 知识库里不要放内部成本、员工资料、未公开的合同条款。
  • 为 AI 开启对提示词注入和滥用的防护,限制恶意用户反复试探。
  • 给团队成员分配合适的角色,不是所有人都需要管理员权限。
  • 清楚了解对话记录保留多久,并和你的隐私政策一致。

关于合规,务必保持诚实:不要在官网上对客户宣称自己拥有未取得的认证。你应该清楚自己所使用的平台具备什么、不具备什么。

失误 10:随意改动,又无法回头

调整设定、换模型、重写资料,每一项都可能影响回答质量。很多团队在线上直接修改,出了问题只能凭记忆还原。

安全的改动方式:

  • 改动前先留一个可回退的版本。
  • 每次只改一类东西,这样才知道是哪个改动造成了变化。
  • 重要修改先在测试环境里用真实问题跑一遍,再上线。
  • 记录谁在什么时候改了什么,团队多人协作时尤其重要。

上线前的十分钟检查清单

  • 知识库是否只有可信、最新的资料?
  • 边界是否写明,包括不知道时怎么说?
  • 转人工的触发条件、接手人员和通知渠道是否确认?
  • 是否用错别字、口语、中英夹杂测试过?
  • 复盘的时间是否已经排进日历?
  • 出问题时,能否一键回到上一个版本?

在 AI SNS CHAT 里怎么做

下面把前面的建议对应到 AI SNS CHAT 的具体位置。具体功能的可用范围可能随套餐而不同,详见 /pricing 和 /features。

知识库:在侧边栏的“Data sources”里,可以添加文件、文本片段、网站、问答(Q&A)和 Notion 等来源。也可以通过“Channels”下的连接器接入 Confluence、Google Drive、Zendesk Guide 等文档来源。建议先放入少量权威资料,再用“Q&A”补上常被问到的问题。

人设与边界:每个智能体都有人设和防护设定,并提供提示词生成器与起始人设。想比较不同模型的回答,可以在 Playground 里测试,其中也有模型 A/B 对比。模型故障转移与更高级模型需要 Hobby 或更高套餐。

转人工:在“Helpdesk → Scheduling”里可按成员和时区设置班次,转人工会自动分配给当班的人。提醒可发送到 Slack、Teams、LINE WORKS、WhatsApp、邮件或 Webhook。转接时给客户的“接下来会怎样”那句话由服务器根据排班生成,不会编造等待时间。Helpdesk 需要 Standard 或更高套餐。

让客服训练 AI:对话可以在“Activity → Chat logs”中查看,支持筛选、标记、升级、解决和导出,客户的点赞与点踩也在这里。(“Inbox”仅用于邮件。)无论哪个渠道,团队成员都可以接管对话,此时机器人暂停;也可以把自己修改过的回复设为理想答案,用来训练智能体。

渠道:在“Channels”里可以部署网站聊天组件、WhatsApp、LINE、WeChat 等。各渠道的状态可在 /connections 查看,页面上标为“即将推出”的暂不可用。

数据与复盘:“Analytics”提供对话量、主题、问题历史和情绪分析,高级分析需要 Pro 套餐。每周复盘时可以结合 Chat logs 与主题统计,决定下一步补什么资料。

安全与变更:每个智能体可设置提示词注入与滥用防护。Workspace settings 的“Activity”记录谁在何时创建、编辑、删除或上传了什么,每个数据源也会显示添加者与最后编辑者。智能体最多保留 40 个还原点,可回滚,删除的智能体会在回收站保留 30 天。对话保留期限属于可选设定,默认永久保留。安全做法详见 /security,其做法是参考 GDPR 与 APPI 设计的,并非 SOC 2、ISO 27001 或 HIPAA 认证。

不确定的地方,问 Synthia:Synthia 是平台内的 AI 助手,可以文字或语音回答产品使用问题,并带你跳转到对应画面。

结语

导入 AI 客服并不是“设定一次就完成”的项目,而是一个会随着产品、政策和客户语言不断变化的日常工作。把资料做精、把边界写清、把转人工设计好,再用每周半小时的复盘和可回退的修改方式维持质量,就能避开这 10 个坑里的绝大部分。

常见问题

刚开始应该放几份知识来源?

建议从 1 到 3 份最权威的来源开始,例如退换货政策、运费时效和常见问题。先让这些内容答得稳,再逐步增加。资料越多不等于越准,矛盾和过期的内容反而会拉低质量。

AI 可以拒绝回答吗?

可以,而且应该。在人设和防护设定中写明哪些话题不回答,例如赔偿金额、法律或医疗建议,并说明遇到这类问题时转人工或留下联系方式。承认“不确定”比编造一个听起来合理的答案安全得多。

多久复盘一次对话比较合适?

上线的前两周建议每天花十几分钟抽查,之后改为每周一次,每次 30 到 45 分钟。重点看差评、转人工和客户重复提问的对话。如果刚做了大的资料或设定改动,改动后的几天也值得多看。

改坏了设定可以撤销吗?

在 AI SNS CHAT 中,智能体最多保留 40 个还原点,可以回滚到之前的状态。被删除的智能体会在回收站保留 30 天。仍然建议每次只改一类内容,并先在 Playground 里测试,这样出问题时更容易判断原因。

#AI客服#客服运营#跨境电商#知识库#转人工

用 AI SNS CHAT 付诸实践

创建基于您自有内容训练的 AI 智能体,并连接到网站、LINE、WhatsApp 等渠道。免费开始,无需信用卡。