智能客服在电商场景的应用：从 FAQ 机器人到能听懂话的助手

电商商家平均每天要处理几十到几百条咨询，问题高度重复——发货时间、尺码选择、退换货流程、优惠叠加、物流追踪。智能客服这件事其实早就有人做，但只有大模型来了以后，才真正能用。 一、第一代：关键词匹配 FAQ 2015 年前后，电商客服开始接入机器人。原理很简单：建一个 Q&A 库，用户问的话与库里某个问题的关键词重合度高，就返回对应答案。 用户体验比较糟糕。「什么时候发货？」能命中，但「我下午下单还来得及今天发吗？」就答不上——明明是同一个意思。商家用这种机器人，主要是为了拦截那些「看了详情页就能解决的问题」，避免人工客服被低质问题淹没。 二、第二代：意图分类 + 多轮对话 2018 年后，加入了 NLP 的意图分类模型。同一个意思的不同问法被归到同一个「意图」下，匹配率明显提高。同时支持多轮对话——「您要查询哪个订单？」「订单号 12345」「您的包裹今天下午 6 点能到」。 但这一代仍然有天花板：意图分类需要预先穷举，遇到没设计过的场景就抓瞎；多轮对话也依赖事先写好的流程脚本，灵活度有限。 三、第三代：大模型客服 2023 年后，主流电商客服系统纷纷接入大模型。变化是质的： 1. 不需要再写穷举式的 Q&A 库，把店铺规则、商品信息、订单数据塞给模型，它能现场组织答案； 2. 多轮对话不需要写流程图，模型自己会跟着用户的话题走； 3. 能处理「带感情的咨询」——用户抱怨发货慢，模型能识别情绪并先共情再解释； 4. 可以同时理解文字、图片（用户发个收到的破损件，模型能直接判断是物流问题还是商品质量）。 四、商家什么时候该接入 判断标准很简单：每天人工客服回复量是不是稳定超过 200 条？如果是，接入智能客服的 ROI 已经很正。日均量在 50-200 之间的店铺，建议接入「人机协同」模式——机器人先回，复杂的转人工。50 以下，自己回更省事。 五、几个常见误区 1. AI 客服不能完全替代人工。涉及金额、争议、定制需求的咨询，AI 处理大概率会引起更大投诉，必须保留人工通道； 2. AI 客服需要持续喂数据。商品上新、规则变化、活动调整要及时同步给模型，不然它会给错答案； 3. 要让用户知道在跟 AI 对话。隐瞒身份会增加投诉风险，主动声明反而提升信任。 AI 客服节省的不是「能不能回答问题」的成本，而是「让人工客服把时间花在真正需要人解决的事情上」的成本。