教你每周花一小时复盘客服聊天记录,找出知识库的缺口、判断哪些值得补写,并在 AI SNS CHAT 里完成修复与验证。
很多团队上线客服 AI 之后,会发现它在某些问题上总是答不好,却说不清到底缺了什么。知识库越堆越多,客户还是在问同样的问题,转人工的比例也降不下来。
其实答案就藏在聊天记录里:客户每天都在用自己的话告诉你,哪些内容你没写、写得不对,或者写了但他们找不到。这篇文章讲怎样把这些线索系统地挖出来,并变成每周可执行的内容清单。
什么是“内容缺口”
内容缺口不只是“知识库里没有这个答案”。同样是答错,成因可能完全不同,处理方式也不一样。常见的有五类:
- 完全缺失:客户问的事情,知识库里根本没写。
- 内容过时:运费、退换货期限、活动规则已经变了,文档还是旧的。
- 措辞对不上:文档里写的是“退款”,客户问的是“退钱”或“取消订单”,AI 没有把两者联系起来。
- 内容互相冲突:两篇文档对同一件事给出不同说法。
- 本来就该由真人处理:涉及某位客户的订单、账户或例外申请,知识库写得再好也替代不了人。
把这五类分清楚很重要。如果只会“多补文章”,前三类也许能改善,后两类反而会越补越乱。
缺口通常藏在哪里
聊天记录很长,不可能逐条读完。先盯住几类信号,效率会高很多。
明显的信号
- AI 回答“抱歉,我不确定”或建议联系人工的对话。
- 客户点了踩,或者在回答之后立刻重复提问、换个说法再问一遍。
- 转接真人的对话,尤其是真人只用一两句话就解决的那种。这说明答案很简单,只是没写进去。
- 真人客服在对话中手动改写过 AI 的回答。
不那么明显的信号
- 同一个问题在不同渠道反复出现。比如网站聊天里问得少,WhatsApp 和 WeChat 里问得多,往往说明这个渠道的客户群、使用场景不同,内容也要有针对性。
- 新加坡、马来西亚、港台客户用语不同:同样是“发票”,有人说 invoice,有人说“收据”或“账单”。这类措辞差异会造成“有内容但对不上”的缺口。
- 夹杂中英文的提问,例如“我的 order 什么时候 ship”。如果知识库里只有纯中文或纯英文的说法,匹配就容易失败。
- 新品上线、促销、物流旺季之后突然冒出的新问题。
每周复盘的固定流程
复盘要变成习惯,才会有效果。建议固定每周同一时间,一个人花 45 到 60 分钟,按下面的流程走。
- 01筛选可疑对话
- 02归因分类
- 03分级决策
- 04补写并测试
- 05下周回看
第一步:筛选可疑对话
不要随机抽样,而是先按信号筛选:踩、转人工、被标记的对话优先,再从其余对话里随机抽一小部分,防止只看到“出了问题”的那一面。
第二步:为每条对话写一行归因
每条对话只记录三件事:客户问了什么、AI 答了什么、问题属于上面五类里的哪一类。用表格或在线表格都可以,关键是用同一套分类。
第三步:汇总,看比例
下面是一个假设的例子,假设某跨境电商团队某周标记了 60 条有问题的对话:
在这个假设里,“完全缺失”最多,但“措辞对不上”加“内容过时”合计也不少。这意味着除了写新内容,更该花时间改写旧内容、补充客户常用的说法。如果只盯着“写新文章”,会漏掉将近四成的问题。
分级:不是每个缺口都值得写一篇文章
复盘之后你会得到一长串清单,不可能全做。用两个问题给每个缺口打分:
- 出现频率:这周出现了几次?过去几周是否也出现过?
- 影响大小:答错会不会造成退款、投诉、订单错误,还是只是小小的不便?
据此分成三档:
- 立刻处理:高频且高影响,例如退换货规则、关税与运费说明、付款失败怎么办。
- 排进计划:高频低影响,或低频高影响,下周或下个月处理。
- 暂时观察:只出现一次、与特殊个案有关的问题。先记下来,不急着写。
还有一类应该明确“不写”:需要看具体订单、具体账户才能回答的问题。这类问题的正确做法是让 AI 稳妥地转交真人,并在转交时把客户的信息收集齐,而不是硬塞一篇泛泛的文章。
把修复写到“真的有用”
补内容容易犯的错,是写得像官网公告,AI 和客户都不好用。几个实用的写法:
- 一条内容回答一个问题。 标题直接用客户的提问方式,例如“订单发货后可以改地址吗”,而不是“订单管理政策”。
- 先给结论,再给条件。 第一句就回答“可以”或“不可以”,之后再写例外。
- 写进客户的说法。 把“退款、退钱、取消订单”这类同义说法自然地放进正文,也可以写在问答的变体里。
- 注明适用范围。 不同地区的运费、税费、配送时间不一样,要写明“适用于新加坡”“适用于香港”之类,避免 AI 把 A 地的规则讲给 B 地的客户。
- 删旧的,别只加新的。 发现冲突就合并或删除,保证同一件事只有一个权威版本。
- 每条内容留一个负责人和更新日期。 过时问题基本都出在没人负责。
衡量缺口有没有真的关闭
写完不等于解决。给每个修复设一个简单的验证方式:
- 上线前测试:用客户原话(包括口语和中英混用的说法)去提问,确认回答正确。
- 一到两周后回看:同类问题还有没有被标记、被踩、被转人工。
- 看趋势而不是单条:把每周的缺口数量和分类比例记下来。如果“完全缺失”逐周下降,说明补内容有效;如果“措辞对不上”不降,说明需要继续扩充客户常用说法。
- 别只看“转人工减少”。 转人工减少有可能是因为客户放弃了。同时看踩的比例和客户是否重复提问。
在 AI SNS CHAT 里怎么做
下面是用 AI SNS CHAT 完成这套流程的路径。需要说明的是,目前没有一个会自动生成“内容缺口报告”的功能,归因和判断仍然由你来做,产品提供的是把线索找出来、把修复落下去的工具。
1. 找线索:Activity → Chat logs。 除邮件之外,网站聊天、WhatsApp、LINE、WeChat 等渠道的对话都在这里。你可以用筛选条件缩小范围,查看客户给出的赞或踩,对可疑对话进行标记(flag)。批量选择后,可以统一标记、升级、标为已解决或删除,也可以导出聊天记录,放进表格里做每周的归因分类。邮件渠道的对话则在 Inbox 里,它只处理邮件。
2. 看整体:Analytics。 其中有 Chats、Topics、Question history 和 Sentiment,可以帮你看客户最近在问什么、情绪如何,用来判断某类问题是不是在增加。高级分析需要 Pro 方案。
3. 把真人的好回答变成训练: 在 Chat logs 或 Inbox 里接管对话(接管后机器人暂停),真人回复之后,可以把回复修改成理想答案来训练 AI。这是把“真人一句话就解决”的情况转成长期内容的最快方式。
4. 补内容:Sidebar → Data sources。 这里有 Files、Text snippets、Website、Q&A、Notion 等来源。短而明确的问题适合用 Q&A 补;较长的政策说明可以用 Text snippets 或文件。如果你的文档在 Confluence、GitBook、Zendesk Guide、Google Drive 等地方,也可以通过 Channels 下的连接器同步,并在源头更新后重新读取。每个数据源会显示是谁添加、谁最后编辑的,Workspace settings → Activity 里则记录了每次创建、编辑和上传,方便找到内容负责人。
5. 上线前测试:Playground。 用客户的原话反复提问,确认回答正确。如果某次修改让情况变差,agent 有还原点(每个 agent 最多 40 个),可以回滚。
6. 回看: 一到两周后回到 Chat logs,看同类对话是否还被标记,再对照 Analytics 里的趋势。
方案方面,Free 和 Hobby 已经能完成上述核心流程;Analytics 的高级部分需要 Pro,具体价格与额度请见 定价页,功能概览见 功能页。
常见问题
每周应该复盘多少条聊天?
没有固定数字,取决于你的对话量。更好的做法是固定时间而不是固定条数:每周留 45 到 60 分钟,先看被踩、被标记、转人工的对话,再随机抽一小部分正常对话作对照。对话量少的团队可以全看,量大的团队抽样即可。
每个没答上来的问题都要写一篇新文章吗?
不需要。先判断它是完全缺失、措辞对不上、内容过时还是应由真人处理。许多问题只需要在旧内容里补上客户常用的说法,或更新数字;个案类问题更适合转交真人,而不是写成泛泛的文章。
AI SNS CHAT 能自动生成内容缺口报告吗?
目前没有这样的专门功能。你可以用 Chat logs 的筛选、标记、赞踩和导出,加上 Analytics 里的 Topics 与 Question history 自己做归因,再通过 Data sources 补内容。
内容明明有,AI 还是答错,怎么办?
先在 Playground 用客户的原话重现问题,再检查是否有冲突的旧内容、措辞对不上,或内容太长太杂。必要时把答案拆成更短的 Q&A,或删掉过时版本。如果问题和模型有关,可以在 Agent → Settings → AI 里查看模型设置,高级模型与模型备援需要 Hobby 或更高方案。


