分流率和闭环率常被混为一谈。本文讲清两者的定义、公式、常见水分,以及如何在多渠道客服中得到可信的数字。
很多团队在汇报 AI 客服成效时,会说一句"我们的分流率有七成"。但追问一下,这个数字有时指的是"没有转人工的对话占比",有时指的是"没有变成工单的咨询占比",两者并不是一回事。数字一旦口径不清,就会在预算会议上被质疑,也容易让团队朝错误的方向优化。
这篇文章会帮你分清分流率(deflection)与闭环率(containment),看懂哪些做法会让数字虚高,并给出一套适合网站聊天、WeChat、WhatsApp、LINE 等多渠道场景的测量方法。
为什么这两个词总被混用
两个词都在回答"AI 替人工挡掉了多少工作",所以供应商的报告、行业文章甚至团队内部常常交替使用。区别在于它们站在不同的位置观察:
- 闭环率站在"对话"的视角:一场由 AI 接待的对话,是不是从头到尾都没有人工介入。
- 分流率站在"需求"的视角:原本会流向人工的咨询,有多少被自助渠道(AI 对话、帮助中心、常见问题页)消化掉了。
举个例子。一位在新加坡做跨境电商的卖家,同时有网站聊天、WhatsApp 和一个帮助中心页面。顾客在帮助中心看完退货政策就离开了,这没有产生任何聊天对话,闭环率里看不到它,却是实实在在的分流。反过来,顾客在聊天里问了一句就关掉窗口,闭环率会把它记成"没转人工",但问题可能根本没解决。
定义与公式
闭环率
最常见的写法是:
闭环率 = 无人工介入的 AI 对话数 ÷ AI 接待的对话总数
这里的"无人工介入"通常指没有触发转人工、没有人工接管、也没有生成需要人跟进的工单。要提醒的是,这个公式本身并不包含"问题是否解决"。所以更严谨的团队会再区分两个数字:
- 原始闭环率:只看有没有转人工。
- 有效闭环率:在原始闭环的基础上,剔除放弃离开、差评、短期内重复来问同一件事的对话。
分流率
分流率的口径更多样,一种常见写法是:
分流率 = 被自助渠道消化的咨询需求 ÷ 咨询需求总量
难点在于"需求总量"并不容易数清楚:帮助中心的访问量、聊天对话数、邮件数、社交私信数,都可能是分母的一部分。而且一次访问不等于一个需求。因此分流率往往要靠估算或抽样,而不是直接从系统里读出来。
一个假设的算例
为了说明差别,假设一家小店一个月有 300 场 AI 对话(这是假设数字,仅作演示):
- 其中 60 场转给了人工,闭环率的原始值是 (300 − 60) ÷ 300 = 80%。
- 再看这 240 场没转人工的对话:假设抽样后发现有 30 场是顾客中途离开且问题未解决,有 20 场在三天内同一顾客又来问了同一件事。
- 剔除后,有效闭环的对话是 190 场,有效闭环率约为 63%。
同一批数据,80% 和 63% 都是"闭环率",差距全在口径上。
两个指标分别适合回答什么问题
闭环率适合回答的问题:
- AI 在哪些话题上能独立完成,哪些话题总是要交给人?
- 调整了知识库或提示词之后,对话质量有没有变好?
- 不同渠道(网站聊天、WeChat、WhatsApp、LINE)的表现有没有明显差异?
分流率适合回答的问题:
- 上线 AI 之后,人工团队收到的咨询是否真的减少了?
- 帮助中心、FAQ、AI 对话三种自助入口,各自贡献了多少?
- 要不要为旺季多排班,还是先投入知识库建设?
简单讲,闭环率是运营指标,给负责 AI 的人看,帮助他找到优化方向;分流率更接近业务指标,给管理层看,用来判断人力与成本的变化。
让两个数字都虚高的陷阱
下面这些情况,会让数字好看却不代表客户满意:
- 转人工入口藏得太深。 顾客找不到"转人工",只好放弃,于是闭环率上升。这是最典型的虚高。
- 把放弃当成解决。 顾客问了一句、得到不相关的回答、关掉窗口,系统里仍然是"无人工介入"。
- 把问候和测试算进分母或分子。 只发了"你好"的对话、内部测试对话、垃圾信息,都会扭曲比例。
- 同一问题拆成多场对话。 在 WhatsApp 或 LINE 这类异步渠道,顾客可能隔天回来接着问。如果按"会话"计数,第一场被记成闭环,第二场又被记成闭环,实际是一个没解决的问题。
- 只统计转人工,不统计转后的结果。 转给人工的对话如果人工也没处理好,同样是体验问题,只看闭环率完全看不到。
- 混淆"AI 回答了"和"AI 答对了"。 回答流畅不等于信息正确。没有抽样复核的闭环率,只是"AI 说了话的比例"。
- 用满意度按钮代替全部判断。 点赞点踩的人只是少数,沉默的大多数没有被反映。
一套经得起追问的测量方法
好的测量不需要复杂的工具,关键是把口径写下来并保持不变。可以按下面的流程做:
- 01清洗对话(排除测试与垃圾信息)
- 02给每场对话打结果标签
- 03设定观察窗口并合并重复咨询
- 04抽样复核后汇报比例
第一步:清洗对话
先剔除内部测试、垃圾信息、只有问候的空对话。分母要是"真实的客户咨询",否则比例没有意义。
第二步:给每场对话一个结果标签
建议至少分成四类:
- 已解决:问题得到回答,且没有后续追问或差评。
- 已转人工:触发了转人工或被人工接管。
- 放弃离开:顾客中途不再回复,问题未得到有效回答。
- 重复来问:观察窗口内同一顾客就同一问题再次联系。
只有"已解决"才算有效闭环。
第三步:设定观察窗口
即时聊天类渠道(网站聊天)可以用较短的窗口,比如对话结束后 24 小时。WhatsApp、LINE、WeChat 这类顾客习惯隔天回复的渠道,窗口应更长,比如 48 到 72 小时。具体天数没有统一标准,取决于你的商品与客单场景,重点是同一类渠道始终用同一个窗口。
第四步:抽样复核
每个月随机抽一批被标记为"已解决"的对话,由人读一遍,确认回答确实正确。抽样结果可以用来修正数字,例如"抽查的对话中,有多少比例属于答非所问"。
第五步:按话题和渠道拆开看
整体数字容易掩盖问题。把对话按话题(物流、退换货、尺码、付款)和渠道拆开,往往会发现:物流查询的闭环率很高,而退款争议几乎全部转人工。后者本就应该转人工,不必强求提高。
在不伤害体验的前提下提高闭环率
提高闭环率不是"少转人工",而是"让该由 AI 解决的问题被解决好"。
- 先补知识,再谈提示词。 查看顾客最常问、但 AI 答不好的问题,把答案补进知识库。很多时候闭环率低,只是因为知识库里没有这条答案。
- 把人工修正的好答案沉淀下来。 人工接管并改写的回复,是最贴近真实业务的训练素材,应回流到知识库。
- 保留清晰的转人工路径。 对投诉、金额较大的退款、情绪明显激动的顾客,主动提供转人工,而不是让 AI 硬撑。这类对话不进闭环率,是正确的。
- 转接时说明接下来会发生什么。 顾客最怕转接后石沉大海。告知转接已完成、人工大概何时接手,但不要承诺系统无法保证的时间。
- 关注情绪而不仅是数量。 如果一类话题的闭环率很高,但负面情绪也很高,说明 AI 虽然"接住"了却没有"接好"。
- 设定合理的目标区间。 不是越高越好。过高的闭环率往往意味着转接门槛太高,值得先排查,再庆祝。
在 AI SNS CHAT 中怎么做
需要先说明一点:根据现有功能,AI SNS CHAT 并没有一个"一键生成闭环率或分流率"的内置指标。你需要用平台提供的对话记录、标记与分析功能,按上文的口径自己计算。好处是口径完全由你掌握。
1. 在对话记录里打标签。 除了邮件之外,各渠道(网站聊天小组件、WeChat、WhatsApp、LINE、Messenger 等)的对话都集中在 Activity → Chat logs。你可以批量选择对话,进行标记(flag)、升级(escalate)、标为已解决(resolve)或删除,也可以按条件筛选并导出,在表格里计算比例。邮件对话则在 Inbox 中处理。
2. 利用点赞与点踩。 对话记录支持 thumbs up/down 评分。把它作为辅助信号,而不是唯一依据,并配合抽样复核。
3. 看分析找缺口。 Analytics 提供 Chats、Topics、Question history 和 Sentiment 视图,可以看出哪些话题问得多、哪些问题被反复提起、情绪走向如何。高级分析需要 Pro 方案。
4. 补足知识。 在侧边栏 Data sources 里,可以用 Q&A、Text snippets、Files、Website 等来源补充答案。人工接管对话时,可以把回复修改成"理想答案",用来训练智能体。
5. 设计转人工。 人工可以接管对话,此时机器人暂停。Helpdesk → Scheduling 可以按人员和时区设定班次,转接会自动分配给当班的人;转接提醒可以发到 Slack、Teams、LINE WORKS、WhatsApp、邮件或 webhook。转接时给顾客的"接下来会发生什么"一句话,由服务器根据排班生成,不会编造等待时间。Helpdesk 需要 Standard 或更高方案。
6. 先在 Playground 里试。 调整知识库或提示词之后,可以先在 Playground 里测试,再放到线上渠道观察数字变化。
各方案的功能差异,可查看 方案与价格 与 功能介绍;支持的渠道清单见 渠道连接。
常见问题
闭环率是不是越高越好?
不是。过高的闭环率可能说明转人工入口太隐蔽,或者把放弃离开当成了解决。更好的做法是同时看有效闭环率、负面情绪占比和重复来问的比例,并确认该转人工的话题(如争议退款)确实被转了出去。
向管理层汇报时应该用哪一个?
建议以人工工单量的变化为主线,配合有效闭环率,并明确写出口径和观察窗口。分流率更贴近业务影响,但估算成分较多;闭环率更容易从对话记录里算出来。把两者结合并说明限制,最容易被接受。
只靠聊天记录能测出分流率吗?
只能测出一部分。聊天记录能告诉你多少对话没有转人工,却看不到那些在帮助中心就离开、根本没有开始聊天的访客。要估算完整的分流率,还需要结合帮助中心的访问数据和人工工单量,并接受结果带有估算性质。
WhatsApp 或 Messenger 对话要等多久才能算已解决?
没有统一标准。顾客习惯隔天回复的异步渠道,可以先从 48 到 72 小时观察起,再根据你实际看到的"重复来问"时间分布调整。关键是对同类渠道固定使用同一个窗口,这样不同月份的数字才能比较。


