从评分对象、题目与量表、发送时机到结果解读,讲清聊天渠道CSAT问卷的设计方法,适合跨境电商与华语企业客服团队。
很多团队的聊天问卷发出去了,回收率却很低,回来的分数也不知道该怎么用。原因通常不在客户,而在问卷本身:问错了对象,选错了时机,或者题目暗示客户给高分。本文按“评分对象、题目与量表、渠道与时机、措辞、解读、行动”的顺序,讲清楚怎样设计一份客户愿意回答、结果也站得住的聊天CSAT问卷。
CSAT在聊天里衡量什么,不衡量什么
CSAT(Customer Satisfaction,客户满意度)问的是:“对刚才这次服务,你满意吗?”它衡量的是客户对某一次互动的即时感受,而不是长期的品牌忠诚度,也不是客户下次是否会再买。
在聊天渠道里,它大致能反映三件事:
- 问题有没有被解决,或者客户是否清楚下一步该做什么。
- 回复的速度和语气是否让人舒服。
- 整个过程是否顺畅,比如有没有被迫重复描述问题。
它不能直接告诉你的是:
- 客户为什么不满意。一个低分只是信号,原因要靠留言和对话内容去查。
- 沉默客户的想法。只有愿意作答的人才会留下分数。
- 业务层面的结果,例如复购、退款、投诉升级。这些要用别的指标来看。
先把这个边界想清楚,后面设计问卷时就不会让一个分数承担太多解释任务。
先决定:你在给谁打分
聊天客服现在常常是“AI先回答,必要时转人工”。如果只问一句“这次服务满意吗?”,客户给出的分数到底是对机器人、对真人,还是对整个流程,你根本分不清。
可以从三种口径里选:
- 只评AI回答:适合想优化知识库和话术的团队。问题可以是“这个回答对你有帮助吗?”
- 只评人工客服:适合管理排班、培训和质检的团队。
- 评整段旅程:从客户开口到问题收尾,不论经过几位“客服”。这最贴近客户的真实感受。
一个实用的做法是:对没有转人工的对话,问一次轻量的“有帮助吗”;对转过人工的对话,在人工结束后问一次完整的满意度,并在记录里保留“是否转过人工”这个标记。这样之后可以分开统计,不会把两种体验混成一个平均数。
选题目和量表
常见量表对比
选择时可以参考这几个原则:
- 渠道越轻,量表越简单。 在WhatsApp或LINE里让人点一下,比跳转到网页表单容易得多。
- 五级比十级好懂。 十一级的NPS式量表更适合关系型调查,不太适合聊天结束后的一瞬间。
- 统计口径提前定好。 最常见的算法是“选4分和5分的人数除以全部作答人数”。无论你采用哪种算法,都要写下来,之后不要随意更换,否则趋势就没法比较。
主问题只留一个
主问题可以是:“这次对话,你对我们的服务满意吗?”然后给出选项。再加一个可选的开放问题:“有什么我们可以做得更好的地方?”不要在同一张问卷里塞五六个问题。聊天场景下,客户的耐心大约只够一次点击加一句话。
发送时机与各渠道的做法
时机的核心原则是:问题刚解决,印象还在,但客户已经不在忙着处理这件事。
- 01对话结束或客户确认已解决
- 02发送一道主问题
- 03低分时追问原因
- 04记录并按渠道、是否转人工分类
不同渠道的习惯不太一样:
- 网站聊天:可以在客户关闭窗口前或点击“已解决”后弹出,位置固定,回收率相对稳定。
- WeChat:用户习惯在对话里直接回复,问卷要简短,不要引导客户去外部链接,否则流失严重。
- WhatsApp:对话窗口有时间限制,问卷最好在对话刚结束时就发出,不要等隔天。
- LINE:日本、台湾和东南亚部分用户常用,贴图式或按钮式的选项更自然。
另外有两点容易被忽略。第一,如果客户明显还在生气或者问题没解决,不要急着发问卷,先把问题处理完。第二,跨时区的团队要注意发送时间,半夜弹出的问卷往往被直接忽略。
写问卷时避免引导答案
措辞会直接影响分数。几个常见的偏差:
- 引导式提问:“我们的服务很棒,您给几分?”这是在要好评,不是在收集意见。
- 把选项排成情绪化形式:只给“非常满意”一个醒目的按钮,其他选项藏起来。
- 一题问两件事:“客服回复快速且专业吗?”客户可能觉得快但不专业,没法回答。
- 前面刚道歉后立刻要分数:客户会出于情面给高分,数据就不真实了。
比较中性的写法:
- “这次对话中,你的问题得到解决了吗?”(是 / 部分 / 没有)
- “整体来说,你对这次服务的满意程度是?”(1到5)
- “如果你愿意,请告诉我们哪里可以改进。”(可选)
用语要符合你的客户群。面向新加坡、马来西亚的用户,用词保持简洁、中性;面向港台客户,可以注意一下常用词差异,例如“客服”“聯絡”这类习惯,避免只使用大陆口语。
诚实地解读结果
回收率不高时,分数更要小心看待。假设一家跨境店铺一个月收到约300场聊天,其中有80人作答(这只是举例,不是行业数据),回收率约27%。这80人的态度不一定代表其余220人。
按“4到5星算满意”的口径,这组假设数据里满意的有55人,CSAT约为69%。但更值得看的是两端:1星有10人,比2星还多。这种“两头多、中间少”的形态常说明有一类问题被集中地处理失败了,比如退款或物流查询,而不是服务质量普遍平庸。只盯着平均分,很容易错过这个信号。
解读时可以做几件事:
- 看分布,不只看一个百分比。
- 按渠道、语言、问题类型分开看。
- 标明回收率和样本量,样本太少时不下结论。
- 把低分对话读一遍,分数只是索引,对话才是证据。
把分数变成行动
分数没人跟进,就只是一个装饰性的数字。建议建立一个很小的闭环:
- 每周固定看一次低分对话,挑出重复出现的原因。
- 属于知识缺口的:补充知识库、修改话术,或者把人工的好回答改写成标准答案,让AI下次能答好。
- 属于流程问题的:例如转人工太慢、重复提问,就去调整排班和转接规则。
- 属于产品或物流问题的:反馈给相应负责人,别让客服背锅。
- 跟进严重不满的客户:1星且留言明确的,由人工主动联系。
还要避免几个常见错误:拿CSAT直接给个别客服做排名(样本小,容易失真);因为分数低就删除差评对话;频繁更换量表,让趋势断掉;把没转人工和转了人工的分数混在一起。
在AI SNS CHAT里怎么做
先说明边界:我们可以确认的评分相关能力,是聊天记录里的赞/踩评分;目前没有确认存在自动计算CSAT百分比的功能,所以百分比需要你自己按上面的口径计算。
可以这样操作:
- 查看评分:在侧边栏进入“Activity → Chat logs”,这里集中了除邮件以外各渠道的对话(邮件对话在Inbox)。可以用筛选条件找出被评为“踩”的对话,也可以批量选择、标记(flag)、升级(escalate)或标为已解决。
- 导出做统计:Chat logs支持导出。导出后在表格里按渠道或日期统计“赞”的占比,就能得到你自己定义的满意度数字。
- 把低分变成训练材料:在Chat logs或Inbox里接管对话(机器人会暂停),把人工回复编辑成“理想答案”,用来训练AI智能体,下次同类问题就能答得更准。
- 看趋势:Analytics里有Chats、Topics、Question history和Sentiment几个视图,可以对照评分看哪类话题情绪偏负面。高级分析需要Pro方案。
- 区分AI与人工:在Helpdesk → Scheduling里为不同成员和时区设置班次,转人工时会自动分配给当班的人。结合对话记录里是否有人工接管,可以把“只有AI”和“转过人工”的评分分开统计。
- 想在对话中放入更多互动:内置的Actions里有Custom form、Custom button和Suggested messages,可以按需要设计按钮或表单。Actions需要Hobby或更高方案,每个智能体可用的Action数量随方案而不同,详情见 定价页。
渠道方面,网站聊天组件、WeChat、WhatsApp、LINE等都可以部署,具体连接方式可以参考 渠道连接,功能总览见 功能页。如果想先试用,可以从 免费注册 开始。
常见问题
聊天渠道的CSAT回收率多少算好?
没有可靠的通用数字,不同行业、渠道和问卷形式差异很大,所以这里不给基准值。更实际的做法是先记录自己的回收率,再通过缩短问卷、调整发送时机来逐步提高,并始终和自己的历史数据比较。
AI智能体和人工客服应该分开评分吗?
建议分开记录。把“是否转过人工”作为一个标记,统计时分别看只有AI的对话和转过人工的对话,这样才能知道问题出在知识库还是人工流程。同时保留一个整体口径,反映客户完整的体验。
只用赞/踩够吗,还是要1到5星?
赞/踩门槛低,适合手机端和WeChat、WhatsApp、LINE这类轻量对话,能快速发现明显的问题。如果想看分布和细微变化,1到5星更合适,但回收率可能更低。可以先从赞/踩开始,再视需要升级。
AI SNS CHAT会自动帮我算CSAT百分比吗?
目前可以确认的是Chat logs中有赞/踩评分,并支持筛选和导出,没有确认存在自动计算CSAT百分比的功能。你可以导出数据,用自己定义的口径,例如满意数除以作答总数,来计算。


