客服Agent落地第一步：用这3把尺子，精准丈量出高ROI场景

新一轮人工智能浪潮下，几乎所有企业都在思考：如何将客服Agent融入现有业务？这是一个令人兴奋又充满挑战的问题，兴奋在于它预示着效率的革命，挑战则在于——第一步，究竟该迈向哪里？

近日，在msup和北大科创园共同主办的第五届HiPM产品创新力峰会现场，网易云商总经理肖钰妍就“客服Agent切入场景选择”这一关注热点给大家做了经验分享。

“在服务了卡西欧、王府井集团、北京一卡通、I.T集团、Keep等众多行业头部企业后，我们总结出一个核心评判标准：必须从ROI最显性的地方开始。”肖钰妍补充说，对于企业而言，任何新技术的引入都是一次投资，一个成功的客服Agent项目，不仅要在技术上可行，更要在商业价值层面可衡量。从ROI最显性的场景入手，能够快速展现价值，建立内部信心，为后续更大范围的智能化升级铺平道路，形成正向循环。

对于如何衡量高ROI场景，肖钰妍给现场的观众提供了“三把尺子”：费时很长、不得不做、谁做结果都一样，并分享了具体的场景案例。

对企业的客服部门而言，时间就是最直接的成本。第一把尺子，衡量的是那些因为对话复杂度高需要进行多轮沟通的场景。

传统以NLP技术主导的客服机器人因为其意图理解和上下文记忆能力较弱，在这类复杂咨询上往往表现不佳，对话没有命中预设的关键词或者稍微一深入，便会卡壳或答非所问，最终只能转接人工，既浪费了时间，也影响了客户的体验。

而一个先进的客服Agent则会像真人专家一样，能够很好地串联起上下文的内容，形成连贯的对话逻辑，并通过主动反问来明确需求，以最高效的方式实现服务闭环。 

肖钰妍在现场分享了一个非常典型的案例。

北京一卡通负责交通智能卡的制作、发售、应用和结算业务，已累计服务近2亿用户，旗下有非常多不同类型的卡。因为各种原因，用户会有退卡退钱的咨询需求，从用户意图识别到卡类型、卡状态确认再到办理规则的告知和办理网点的查询，整个过程涉及到多轮沟通。以前通过NLP客服机器人处理，这样的一个咨询，从进线到解决，整个过程最长需要花费30分钟。

今年4月，北京一卡通引入了网易云商的客服Agent，率先应用在解决“退卡退资、网点查询、扣费相关”这三类问题。在退卡退资场景，客服Agent意图识别准确率为98.76%，回答准确率为97.90%，转人工率仅为14.08%。

第二把尺子，指向那些虽然很烦但不得不做的事情，这类任务可能本身并不直接面向客户，却对服务质量、运营效率、服务管理等发挥着至关重要的作用。

举例一个客服人深有体会的场景：梳理会话摘要。在每一通会话结束后，客服人员都需要花费几分钟甚至更长的时间，来提炼关键信息，并打上标签进行分类，这项工作日复一日，占据了客服团队相当大的工作比重。

“之前和我们的客户钱大妈聊，他们深受这个事情的困扰，不仅耗费时间，而且容易出现记录不完整、不准确、不直观的情况。”肖钰妍说，这个客服不得不做还容易做不好的事情，却恰恰是客服Agent驾轻就熟的工作。

在会话结束后，Agent可以快速生成一份结构清晰、要素齐全的会话摘要，包括客户诉求、处理方案、处理结果，还能准确识别客户情绪，为后续工单优先级提供依据。

根据钱大妈的实践，会话摘要的准确率稳定在85%以上。王府井通过引入网易云商的客服Agent，在这个场景每天可为客服节省4-6小时，还为后续服务优化提供了精准的数据支撑。

这样来看，不管是从准确性角度还是从效率角度，客服Agent在这类场景上的表现都超越人工。

在客服部门处理的事情中，有一部分咨询的重复性极高，但处理逻辑简单、答案也是偏标准化的，比如问到：发票怎么开、门店电话多少、有哪些网点、会员权益的差异等。这些咨询像一个“时间黑洞”，日复一日地吞噬着人工客服大量的宝贵工时。

此外，这类咨询还有一个非常鲜明的特征：把它交给一个新手客服和交给一个金牌客服，结果都是一样的，并不会影响客户侧的体验。

肖钰妍提出的第三把尺子，衡量的就是“谁做结果都一样”的那些场景，它高度标准化但每天可能要重复成百上千次，通过客服Agent可以快速稳稳地接住这部分咨询。

著名时装零售商I.T集团就遇到了这方面的困惑：店铺集合了全球各地众多品牌，每个品牌有自己的尺码体系、营销活动、优惠政策，客服团队需切换不同页面搜索相关信息，日常每月承接近2.5万通会话量，大促期间每月超3.5万，单个售前咨询处理时长约2分钟，服务压力大，服务效率低。

他们早早拥抱了Agent这个新事物，应用在售前询单场景。客服Agent在识别用户意图后，主动搜集身高、体重等信息，读取知识库中的对应信息，快速输出给用户。售前应答速度提升60%，单个售前查询时间最短只需要17秒，大幅释放客服侧接待压力，并进一步提升售前转化率。

在分享了衡量高ROI场景的三把尺子后，肖钰妍强调，客服Agent的搭建是一个非常细致的工程，对于业务的理解要非常细，萃取/固化优秀员工的经验很关键，观察一个优秀的员工是怎么干某一件事的，一步、两步、三步将其梳理出来，然后再去看这些步骤能不能用AI替代。

看到这里：

• 如果你的脑海里已经浮现出这样的场景，请不要犹豫，这正是你开启客服Agent的最佳起点！

• 如果你正在为Agent的场景选择而烦恼，不妨与我们的场景规划专家聊一聊，我们将结合你的具体业务，提供更多建议和案例。

也欢迎加入我们的大模型+客服同行群，与各行各业的客服人进行交流。