说明首次响应时间(FRT)的定义、按渠道和班次的测量方法、变慢的常见原因,以及用AI分流、排班和提醒缩短首响的具体步骤。
客人在网站聊天框里问了一句"这个能寄到新加坡吗",等了十分钟没人回,转头就去了别家。首次响应时间(First Response Time,简称 FRT)衡量的正是这段等待,它往往比解决时长更早决定客人去留。这篇文章会讲清楚 FRT 到底该怎么定义、怎么量得准,以及有哪些经过验证的做法可以把它压下来。
FRT 到底衡量什么
首次响应时间,是从客人发出第一条消息,到他收到第一次有实际内容的回复之间的间隔。它不是解决时间,也不是客人满意度,只回答一个问题:客人开口之后,多久能感觉到"有人在"。
这个指标之所以重要,有三个原因:
- 它是客人最早感受到的服务质量。 问题能不能解决要等一会儿才知道,但有没有人理你,几十秒内就能感知。
- 它容易被团队直接影响。 解决时长取决于问题复杂度,而首响主要取决于排班、分流和工具,管理者能动手的地方多。
- 它对转化的影响最直接。 跨境电商里,客人常常是在比价、比运费的当口发问,等不到回复就会直接关页面。
需要注意的是,FRT 和"平均处理时长""解决率"是三个不同的指标,不要混为一谈。一个团队可以首响很快、解决很慢,也可以反过来。把它们分开看,才知道问题出在哪一环。
渠道不同,"快"的标准也不同
同样是"十分钟内回复",在网站聊天里可能已经算慢,在邮件里却可能很正常。客人对不同渠道有不同的默认预期:
- 网站聊天:客人人还在页面上,预期是几十秒到几分钟。
- WeChat、WhatsApp、LINE 等即时通讯:客人把它当作聊天,预期接近即时,但也接受对方"忙完再回",容忍时间比网站聊天略长。
- 邮件:预期以小时计,甚至跨天。
对华语跨境卖家来说,还要考虑时区。面向新加坡、马来西亚、港台的客人,高峰通常在晚上;如果团队在另一个时区,夜间首响就会被严重拉长。
上图是一个假设的示例,用来说明"分渠道看"的意义:如果把这些数字混成一个总平均值,你会得到一个谁都不满意、也无法指导行动的数字。分渠道之后,哪条线需要加人、哪条线需要自动化,就一目了然了。
怎么测,才不会自己骗自己
FRT 看似只是两个时间戳相减,实际上有几个很容易出错的地方。
1. 先定义什么算"第一次响应"
团队内部必须统一口径:
- "您好,已收到您的消息"这类自动应答,算不算首响?
- AI 给出的实质性回答,算不算?
- 客人发了三条消息,从哪一条开始计时?
建议的做法是:计时从客人第一条消息开始;只有包含实际信息或明确下一步的回复才算首响。纯粹的"收到"可以单独记录,但不要混进 FRT 里,否则数字会很好看,客人体验却没有任何改善。
2. 用中位数,同时看长尾
平均值很容易被极端值拉偏。假设一家店某个月有 300 条聊天,其中 270 条在两分钟内得到回复,另外 30 条因为夜间无人值守,等了好几个小时,平均值就会被这 30 条严重拉高,看起来整体都很慢。反过来,只看中位数又会掩盖这 30 个被晾着的客人。
所以建议同时看两个数:
- 中位数:反映典型体验。
- 90 分位或"超过目标的比例":反映最差的那部分客人遇到了什么。
3. 区分营业时间内和营业时间外
夜间、周末、节假日的聊天,应该单独统计。把它们混在一起,团队会被一个自己无法在上班时间内改变的数字压得很沮丧;而完全剔除,又会让夜间体验永远没人管。比较好的办法是分成"班次内"和"班次外"两组各看一遍。
4. 剔除噪声,但要透明
测试消息、垃圾信息、同一客人在几秒内连发的重复消息,可以排除,但要把排除规则写下来,每个月按同一规则统计,数字才能前后对比。
首响变慢的几个主要原因
排查之前,先别急着催人。多数情况下,慢是流程造成的,不是人懒。
- 没有排班,或排班和客人高峰不匹配。 客人在晚上八点最活跃,客服却在下午六点下班。
- 所有问题都进同一个队列。 "运费多少""几天到"这类重复问题,和需要人工判断的售后纠纷排在一起,简单问题也被拖慢。
- 渠道分散,没人盯全。 网站聊天、WeChat、WhatsApp、LINE 各开一个后台,谁都漏看一点。
- 没有提醒。 转人工的消息进来了,却没人知道,直到客人再次追问。
- 回复要从零写。 每次都现敲同样的物流说明,速度自然上不去。
- 跨语言门槛。 客人用马来语或英语提问,值班同事不熟练,只好先搁置。
缩短 FRT 的实用做法
先让 AI 接住重复问题
运费、发货时效、退换货政策、尺码这类问题,答案本来就写在你的资料里。让 AI 客服基于你的知识库先回复,客人就不必排队。人工同事的时间留给真正需要判断的案件,这样人工队列变短,需要人工的那部分首响也会变快。
排班要跟着客人走,不是跟着办公室走
把值班安排按人和时区拆开:谁负责亚洲时段,谁负责晚间,谁在周末兜底。关键是转人工的请求要能自动落到当班的那个人身上,而不是丢进公共池子等人认领。
给转人工设置明确的提醒
转人工的消息要实时提醒到同事日常使用的工具里,比如 Slack、Teams、LINE WORKS、WhatsApp 或邮件,而不是只留在后台等人刷新。
对客人诚实地说明下一步
转人工的时候,不要随口承诺"马上回复"。更稳妥的做法是告诉客人接下来会发生什么:现在是否有人当班、大概什么时候会有人接手。承诺做不到,比回得慢更伤信任。
准备好常用回复
把常见场景的回复整理成模板,同事可以直接调用再微调,不必每次从零写。多语言团队也可以借助实时翻译,降低跨语言的卡顿。
用一个小循环持续改进
- 01按渠道测量首响
- 02找出最慢的时段与问题类型
- 03调整排班、分流或知识库
- 04下月复测并对比
每月只改一两件事,下个月复测。一次改很多,反而分不清哪个措施起了作用。
常见误区
- 用"自动收到"刷数据。 数字漂亮,客人没得到任何信息,这种首响没有价值。
- 只追求快,不看质量。 三十秒内回了一句答非所问的话,客人只会更生气。快必须建立在答得对的基础上。
- 只看平均值。 如前面所说,长尾的客人才是最容易流失的。
- 忽视夜间和周末。 这些时段往往是跨境客人最活跃的时候。
- 把 AI 当成万能的。 AI 能承担大量重复问题,但遇到敏感投诉、金额较大的争议、需要核实订单细节的情形,仍然需要人工尽快介入,所以人工的响应速度依然重要。
- 目标定得过于一刀切。 邮件和网站聊天用同一个标准,只会让团队无所适从。
在 AI SNS CHAT 中怎么做
AI SNS CHAT 的思路是:先让 AI 代理接住重复问题,再让人工在合适的时间接手需要判断的对话。以下是和 FRT 直接相关的几个环节。
1. 部署到客人所在的渠道。 在侧边栏的 Channels 中,可以部署网站聊天组件,也可以接入 WeChat、WhatsApp、LINE 等渠道,具体支持的渠道请看 /connections。渠道统一接入后,AI 代理可以在各渠道同样依据你的知识库作答。
2. 配置知识来源。 在 Data sources 中添加文件、文本片段、网站、问答等内容,让代理有据可依。运费、时效、退换货这类问题,在资料齐全的情况下可以由 AI 先行回复。
3. 设置排班。 在 Helpdesk → Scheduling 中,可以按人和时区设置班次,转人工的对话会自动分配给当班的同事。Helpdesk 需要 Standard 或更高的方案。
4. 配置转人工提醒。 转人工提醒可以发送到 Slack、Teams、LINE WORKS、WhatsApp、邮件或 webhook。转人工时,系统会根据排班表自动向客人补充"接下来会发生什么"的说明,不会编造等待时间。
5. 人工接管与复用回复。 在 Activity → Chat logs 中可以查看除邮件外各渠道的对话,并接管聊天,接管后机器人会暂停。邮件对话则在 Inbox 里处理。两处都支持实时翻译、保存常用回复,以及把你修改过的回复作为理想答案来训练代理。
6. 复盘。 Chat logs 支持筛选、标记、升级、解决和导出,可以用来抽查"首响那条回复是否真的有用"。Analytics 提供聊天、主题、问题历史和情绪等视图(高级分析需要 Pro)。需要说明的是,产品功能清单中并没有列出专门的首次响应时间报表,所以 FRT 的计算建议在导出对话记录后,按你自己的口径在表格里完成,并先确认导出内容是否包含你需要的时间信息。
你还可以用 Playground 先试问几个常见问题,确认 AI 的回答符合预期,再正式上线。
常见问题
多少算是好的首次响应时间?
没有放之四海皆准的数字,要看渠道和客人预期。网站聊天的客人通常还在页面上等,预期最短;即时通讯其次;邮件可以按小时计。建议先量出自己各渠道目前的中位数,再设一个略有挑战但能达成的目标,逐月下调。
自动回复算不算首次响应?
只回一句"已收到"的自动应答,建议不要算作首响,否则数字会失真。如果自动回复本身包含了实质性答案,比如 AI 基于知识库给出了准确的回答,就可以算。关键是统一口径并写下来。
有了 AI,人工响应时间还重要吗?
仍然重要。AI 可以消化大量重复问题,但涉及投诉、争议或需要核实订单的情形,客人最终还是要等人工。AI 的作用是缩短人工队列,让需要人工的对话能被更快处理,而不是让人工速度变得无关紧要。
AI SNS CHAT 会自动报告首次响应时间吗?
根据目前的产品功能清单,没有列出专门的 FRT 报表。你可以使用 Chat logs 的筛选和导出功能,再按自己的口径计算,同时配合 Analytics 查看聊天量和主题分布。如需了解最新功能,请查看 /features。


