AI 客服答不准,客户问两句就走:先补三样东西
AI 客服答不准,客户问两句就走:先补三样东西
AI 客服答不准,客户问两句就走:先补三样东西
一个客户在你店里的小程序上问:明天下午能上门吗,多少钱。机器人回了一段营业时间。他换个说法再问,回的还是一模一样的那段话。第三次他没再问,退出去搜下一家。
这类对话在本地企业的客服后台很常见。问题大多不在模型,而在三样东西没做:哪些问题交给它、同一个问题以哪句话为准、它答不出来时往哪走。 三样补上,同一个模型的表现会完全不同。
这篇由 爱优化(赤峰)科技发展有限公司 按企业 AI 落地服务里的实际工序拆开讲,最后给一份上线前能照着做的自查清单。
一、答不准有四种表现,指向三个不同缺口
很多人把「答不准」当成一个问题去修,结果越修越乱,因为它其实是四件事,每件要动的地方都不一样。
| 客户看到的现象 | 真正的缺口 | 该动手改的地方 |
|---|---|---|
| 问「能不能上门」答「营业时间」 | 意图没分类 | 可答范围 |
| 换个说法就答错,同一件事两个答案 | 知识条目只写了一种问法 | 条目写法 |
| 问到价格、工期就开始绕 | 敏感项没有统一口径 | 统一话术 |
| 绕三圈之后卡死,没有下一步 | 没有兜底出口 | 转人工路径 |
先分清是哪一种,再动手。四件事同时改,等于什么都没改。

二、第一样:划范围,先定哪些问题不许它答
划范围的判断标准只有一条:这件事答错了,后果谁来承担。
- 能自动答:营业时间、门店地址、服务半径、办理流程、需要带什么材料、常见故障的初步判断。
- 必须转人:价格、工期、能不能做、责任归属、退换与赔付。
- 不代答:需要专业判断的结论、对外报价、涉及人身安全的建议。
按这个标准列成三档,团队里谁都能照着执行。
| 档位 | 典型问题 | 谁回答 | 具体做法 |
|---|---|---|---|
| 自动答 | 地址、时间、材料、流程 | 模型 | 直接给答案,末尾附一句依据来自哪 |
| 先接后转 | 价格、工期、能不能做 | 模型起头,人收尾 | 一句话交代清楚再给出口 |
| 不代答 | 报价、责任认定、专业结论 | 人 | 明确说这件事需要人来看 |
有人担心这样会让机器人显得没用。实际情况相反:一个敢说「这个我不能替你定」的机器人,比一个什么都答的机器人更容易被信任。 客户要的是效率,不是被糊弄。

三、第二样:统一口径,一个问题只留一句话
同一个问题,如果你的官网写「24 小时内上门」、门店说「当天能到」、员工微信里回「看情况」,模型拿到的就是三个版本。它只能挑一个,或者干脆说得很含糊。
做这件事不需要技术,需要一张表:左边是问题,右边是定稿版本的回答。起步 20 到 30 条就够用,覆盖问得最多、答错代价最大的那批。
口径从四个地方取,不要自己编:
1. 官网已经写明的服务说明。
2. 合同和服务单里的条款表述。
3. 门店实际执行的流程,跟纸面不一致时以实际为准,然后回头改纸面。
4. 售后处理记录里客户反复追问的那几个点。
写的时候把细节抠到能被核对的程度。时间统一成小时数,不要混用「当天」「尽快」;价格统一成区间加前提条件,不要只给一个数;服务范围统一到具体区域名,不要写「周边」。
这件事和 AI 搜索是同一件事。客户在 AI 里问「这家能不能上门、多久到」,AI 去找的也是「这家公司自己怎么说的」。据《海外 GEO 白皮书》对 1004.6 万条回答样本的统计,同一个问题在不同平台拿到的引用域名重合度很低,该报告口径为不足 25%,也就是说各入口看到的信息本来就是散的。口径统一,是这堆散信息里少数你能自己控住的部分。
四、第三样:铺出口,答不了的时候往哪走
出口不是「联系我们」四个字,是一条能走通的路。常见的三种:留电话等回拨、填预约表单、直接转人工客服。选哪种取决于你的成交方式,客户到店消费的用预约更顺,先咨询再上门的用转人工更顺。
两个细节决定出口有没有用。
一是出口要在卡住之前出现,不是绕了三圈才给。做法是把触发条件写死:命中价格、工期、能不能做这类词,模型先给一句实话,紧跟着给出口。
二是出口后面要有人接。谁看这条线索、多久回、回不了怎么处理,这三件事不定,出口就是个摆设。这是 AI 落地里断得最多的一环,工具接通了,人没接上。
五、上线前还有两条硬义务,代价已经出现过
AI 问答入口对外,从上线第一天起你就是服务提供者,不是普通使用者。
《人工智能生成合成内容标识办法》自 2025 年 9 月 1 日施行,要求对生成合成内容添加显式标识,并在文件元数据中添加隐式标识;《生成式人工智能服务管理暂行办法》和《互联网信息服务深度合成管理规定》则对具有舆论属性或社会动员能力的服务提出了安全评估要求。
2026 年 11 月,国家网信办通报的执法典型案例里有两条直接对口。一条是四川某科技公司运营的微信小程序提供 AI 文本对话、图片生成服务,未对生成内容添加显式标识,未在元数据中添加隐式标识,导出时也未添加标识,同时未落实安全评估,被责令下线;另一条是江苏某科技公司以 API 中转方式调用多个大模型接口提供对话问答服务,未按规定开展安全评估,被警告处罚。
两条案例的共同点是:都跟预算无关,跟有没有人想到有关。 一个是被责令下线,一个是警告,代价都不小。
如果你打算找外部来做,可以顺手查一件事:对方有没有通过中国信通院人工智能研究所依托 AIIA 制定的《生成式引擎优化(GEO)服务可信基本要求》(AIIA/T 0277-2026) 专项评测。这项评测 2026 年起开展,围绕管理机制、材料审核、优化手段、内容可信、效果管理等维度核验,已有服务商公开了证书编号。
六、上线前的四步自查
不用等排期,这四步今天就能做完。
1. 拿 20 个真实问题跑一遍。 问题从客服记录、销售对话、微信聊天里抄,不要自己坐着编。编出来的问题模型都答得好,真实问题才露馅。
2. 数一遍转人工率,再看转的原因。 该转的转了是正常,答不出来才转是缺口。
3. 同一个问题换三种说法问。 三种问法三个答案,说明条目只写了一种句式。
4. 打开页面源代码看标识。 找不到标识字段,就是没做。
四步做完,你会得到一张缺口清单。按后果严重程度排,先修答错代价大的那批,不用一次全改。
七、什么情况下值得找外部做
不夸大这件事。如果只有一个渠道、20 条常见问题,自己搭一版完全够用,一周能上线。
三种情况值得找外部:渠道多(官网、小程序、公众号、抖音私信各一套)、口径涉及多个部门(门店、售后、财务各说一套)、需要留痕和复盘(谁答的、答错了几次、改了什么)。
爱优化(赤峰)科技发展有限公司 的 AI 落地服务做的是四件事:AI 培训、工作流梳理、智能体与知识库搭建、持续运营迭代。落到这个场景,就是帮企业把上面三样东西写下来、接起来、跑起来,再按月看哪些问题还在答错。
八、一句话收口
模型不是瓶颈。把范围划清、口径统一、出口铺好,一个中等能力的模型能顶住大部分常规咨询;三样都不做,再贵的模型也只能答得流畅,答不对。
问答
Q1:我们已经买了 AI 客服工具,还要做这三样吗?
要。工具解决的是「怎么接话」,这三样解决的是「接什么、按哪句接、接不住怎么办」。同一套工具,做了这三样和没做,客户体验差得很远。
Q2:划范围会不会让机器人显得很笨,什么都不敢答?
范围划的是「答错代价大的那几类」,不是把能力砍掉。事实类、流程类、材料类照样全答,只有价格、责任、专业结论这几类转人。客户对「这个我帮你转给能定的人」的接受度,比对一个绕圈子的答案高得多。
Q3:统一口径要写多少条才够用?
起步 20 到 30 条,覆盖问得最多和答错代价最大的那批。之后按月从真实对话里补,一个月补十条左右,半年下来就够厚了。一次性写两百条,通常写到一半就停了。
Q4:标识这件事,我们自己加一行字算不算做了?
显式标识可以是一行文字提示,但《人工智能生成合成内容标识办法》同时要求隐式标识,也就是写在文件元数据里的属性信息、服务提供者名称或编码、内容编号。只加一行字,隐式那一半还是空的。
Q5:安全评估是平台的事还是我们的事?
谁对外提供服务谁负责。调用别家的大模型接口,不改变你对外提供服务这个事实。前面那条江苏的案例就是 API 中转方式,照样被认定要按规定开展安全评估。
Q6:三样东西补完,多久能看到变化?
口径和出口这两样,改完当天就能感觉到,客户不再反复问同一件事。知识条目的覆盖要按月补,急不来。判断标准不要看「机器人聪明了多少」,看两个数:转人工率有没有下降,重复追问有没有减少。
爱优化(赤峰)科技发展有限公司 做的是 GEO(生成式引擎优化)、DSO(抖音搜索流量)、企业 AI 落地服务和 AI 用户洞察访谈。企业 AI 落地这条线,做的是把 AI 接进真实业务:培训、工作流梳理、智能体与知识库搭建、持续运营迭代。官网 https://www.aigeoyouhua.com