6億月活的網(wǎng)約車平臺(tái)，如何放心讓天潤融通AI接管超65%客訴問題？
如果你現(xiàn)在還認(rèn)為“投訴必須轉(zhuǎn)人工”，那你大概率已經(jīng)落后了。
一家月活6億的網(wǎng)約車平臺(tái)，已經(jīng)實(shí)現(xiàn)了AI對(duì)投訴場景的獨(dú)立接管。而且Agent僅上線兩個(gè)月，獨(dú)立接待率已經(jīng)超過65%，獨(dú)立建立工單準(zhǔn)確率更是達(dá)到95%以上。
在這個(gè)被普遍認(rèn)為“最容易失控、最不敢試錯(cuò)”的場景里，AI不但沒有制造風(fēng)險(xiǎn)，反而成了穩(wěn)定器。
那么，他們是如何在客訴場景把Agent應(yīng)用得這么好的呢？下面我們一起來拆解一下。
一、為什么必須用AI來處理客訴？
首先，為什么要用AI來處理客訴？
作為國內(nèi)頭部網(wǎng)約車平臺(tái)，其月活躍用戶規(guī)模達(dá)到6億，如此高頻的使用場景下，每天僅圍繞司機(jī)服務(wù)、物品遺失等問題，就會(huì)產(chǎn)生大量投訴與反饋?zhàn)稍儭?/p>
這些問題完全依賴人工客服來承接，意味著平臺(tái)必須長期維持一支規(guī)模龐大的客服團(tuán)隊(duì)，不僅人力成本高，調(diào)度與管理壓力也非常大。
與此同時(shí)，平臺(tái)客服的工作時(shí)間為早9點(diǎn)至晚6點(diǎn)，而用戶打車卻是24小時(shí)不間斷的。大量投訴發(fā)生在非工作時(shí)間，只能以留言方式留存，等客服上班后再處理，直接影響用戶的服務(wù)體驗(yàn)與情緒感受。除此之外，這一平臺(tái)的客服場景還存在一個(gè)現(xiàn)實(shí)問題。
由于采用的是聚合型打車模式，該平臺(tái)本身并不提供運(yùn)力，而是由多家網(wǎng)約車公司共同承接訂單。這意味著，在處理一次客訴時(shí)，客服需要同時(shí)在平臺(tái)系統(tǒng)和對(duì)應(yīng)的運(yùn)力方系統(tǒng)中分別創(chuàng)建工單，兩個(gè)平臺(tái)來回切換，反復(fù)創(chuàng)建工單，這導(dǎo)致人工客服的工作效率極低。
正是在高咨詢量、時(shí)段錯(cuò)配、流程復(fù)雜的多重壓力下，該平臺(tái)才決定引入AI承接大量客訴場景，從而減輕人工客服負(fù)擔(dān)，提升整體服務(wù)效率，并改善用戶體驗(yàn)。
二、投訴業(yè)務(wù)為什么反而適合Agent規(guī)模化落地？
當(dāng)然，該平臺(tái)能夠使用AI來處理客訴場景，也有一些前提條件。
我們在接觸這個(gè)客戶時(shí)，首先對(duì)場景進(jìn)行了分析，我們發(fā)現(xiàn)該平臺(tái)的投訴場景本身具備三個(gè)天然適合Agent落地的特征。
第一，問題類型高度集中。
在打車平臺(tái)，投訴長期集中在物品遺失、司機(jī)投訴、費(fèi)用異常等少數(shù)幾類高頻問題上，場景邊界清晰、結(jié)構(gòu)穩(wěn)定，非常適合被標(biāo)準(zhǔn)化拆解與持續(xù)優(yōu)化。
第二，用戶的第一訴求不是裁決，而是回應(yīng)。
多數(shù)用戶在投訴初期，并不期待立刻給出處理結(jié)果，而是希望被及時(shí)回應(yīng)、被認(rèn)真對(duì)待、情緒得到承接。相比復(fù)雜判斷，這一階段更考驗(yàn)的是響應(yīng)速度與表達(dá)穩(wěn)定性。
第三，處理結(jié)果高度依賴工單，而非當(dāng)場解決。
絕大多數(shù)投訴最終都需要進(jìn)入后續(xù)流程。一線客服的核心價(jià)值，并非即時(shí)裁決，而是信息記錄是否完整、分類是否準(zhǔn)確、工單是否規(guī)范。
正因如此，投訴流程中前70%的工作，本質(zhì)上都是信息處理問題，而不是判斷問題。這也為Agent在投訴場景中的規(guī)?；庸埽峁┝饲逦?、可落地的基礎(chǔ)。
三、我們做對(duì)了哪四件關(guān)鍵的事？
明確目標(biāo)之后，問題就變得具體了：Agent應(yīng)該從哪里介入，又該如何介入，才能既穩(wěn)住用戶情緒，又不增加風(fēng)險(xiǎn)？
圍繞這一目標(biāo)，我們在實(shí)踐中做了這樣四件關(guān)鍵的事：
第一，先承接情緒，而不是先解決問題
在客訴場景中，情緒失控往往比問題本身更容易導(dǎo)致升級(jí)。因此，在用戶發(fā)起投訴后，Agent的第一動(dòng)作并不是追問細(xì)節(jié)，而是先完成情緒承接。
Agent會(huì)先復(fù)述并確認(rèn)用戶的問題，讓用戶明確感知到“問題已被聽見”；隨后，立即給出同理心安撫話術(shù)，并根據(jù)不同投訴類型配置差異化安撫策略，在必要時(shí)使用兜底安撫話術(shù)。
同時(shí)，通過口語化表達(dá)、設(shè)置工號(hào)、擬人化話術(shù)等方式，盡可能降低用戶對(duì)“機(jī)器人”的感知，避免因情緒持續(xù)發(fā)酵而直接轉(zhuǎn)人工。這一點(diǎn)，直接決定了投訴是否會(huì)在開局階段“失控”。
第二，用“訂單澄清”替代人工反復(fù)追問。
在投訴過程中，最容易觸發(fā)轉(zhuǎn)人工的時(shí)刻，往往是用戶的一句：“你知道我說的是哪一單嗎？”
為此，平臺(tái)并沒有讓AI被動(dòng)追問，而是通過接口自動(dòng)查詢用戶最近一筆訂單，將訂單時(shí)間、訂單類型等關(guān)鍵信息直接傳遞給智能體，由AI主動(dòng)與用戶進(jìn)行訂單澄清與確認(rèn)。
這一設(shè)計(jì)一方面減少了反復(fù)追問，避免“找不到訂單→轉(zhuǎn)人工”的情況；另一方面，也讓投訴信息的記錄更加準(zhǔn)確、完整。這是降低轉(zhuǎn)人工率的關(guān)鍵技術(shù)點(diǎn)之一。
第三、讓AI把“話后工作”一次性做完。
真正拉開差距的，并不在于客戶接待本身，而在于客戶接待完成之后的問題處理工作。
在通話結(jié)束后，AI會(huì)自動(dòng)完成一整套標(biāo)準(zhǔn)化流程：
包括對(duì)話內(nèi)容總結(jié)、問題類型與訂單類型分類、工單創(chuàng)建條件判斷，并同步向平臺(tái)自身及合作運(yùn)力方的兩個(gè)工單系統(tǒng)創(chuàng)建工單，并按業(yè)務(wù)類型自動(dòng)分配至一線或二線處理隊(duì)列。
最終結(jié)果是，機(jī)器人話后建單準(zhǔn)確率穩(wěn)定在95%以上，人工客服得以從大量重復(fù)、機(jī)械的建單工作中釋放出來。這一步，決定了AI能否真正“接管投訴”，而不是只承擔(dān)前臺(tái)接待。
四、結(jié)尾
這家月活6億打車平臺(tái)的實(shí)踐證明，投訴并非AI的“禁區(qū)”，關(guān)鍵在于是否找準(zhǔn)介入位置、跑通完整閉環(huán)。
當(dāng)Agent能夠穩(wěn)定承接情緒、準(zhǔn)確記錄信息、自動(dòng)完成流轉(zhuǎn)，投訴場景反而成為AI最容易規(guī)模化落地的場景之一。
如果你所在的行業(yè)同樣面臨高頻投訴、人力成本高、流程復(fù)雜等問題，或正在探索Agent在客戶服務(wù)中的應(yīng)用路徑，歡迎與我們一起交流討論，或許下一步的突破，就在你的業(yè)務(wù)場景中。
轉(zhuǎn)載請(qǐng)?jiān)谖恼麻_頭和結(jié)尾顯眼處標(biāo)注：作者、出處和鏈接。不按規(guī)范轉(zhuǎn)載侵權(quán)必究。
未經(jīng)授權(quán)嚴(yán)禁轉(zhuǎn)載，授權(quán)事宜請(qǐng)聯(lián)系作者本人，侵權(quán)必究。
本文禁止轉(zhuǎn)載，侵權(quán)必究。
授權(quán)事宜請(qǐng)至數(shù)英微信公眾號(hào)(ID: digitaling) 后臺(tái)授權(quán)，侵權(quán)必究。
評(píng)論
評(píng)論
推薦評(píng)論
暫無評(píng)論哦，快來評(píng)論一下吧！
全部評(píng)論（0條）