AI客服为什么答对了却让人更生气：意图识别之外的三层设计

一个熟悉的现象

用户投诉”货没到”，AI 客服精准识别意图，立刻回复了物流查询链接、预计送达时间、退换货政策。内容完全正确，条理清晰。

然后用户给了个一星差评。

原因不复杂：用户不是来查信息的，用户是来表达不满的。 AI 解决了信息诉求，完全忽略了情绪诉求。

准确率掩盖了什么

客服场景的评估指标通常是”问题解决率”和”意图识别准确率”。这两个指标天然有盲区：

• 它衡量的是”AI 有没有给出正确答案”，不是”用户有没有觉得被解决”
• 它默认所有输入都是同质的请求，忽略了语气、语境、上下文历史

所以你会发现一类诡异的数据：AI 处理时长下降、人工转接率下降、但整体 NPS 下降。

第一层：情绪先于意图

在识别”要什么”之前，先判断”什么状态”。

一个轻量的情绪分类（愤怒、焦急、困惑、平静）几乎不增加成本，但能改变整条回复路径：

• 愤怒：先承认、先道歉、先给一个明确动作，再说信息
• 焦急：直接给时间点，不要铺垫
• 困惑：放慢节奏，一次只给一件事

有效的开场不是”您好，请问有什么可以帮您”，而是”看到您等了三天还没收到货，这确实不应该，我马上帮您查”。

第二层：允许追问，别急着答

AI 客服最常见的坏习惯是信息不足时硬答。

用户说”我的订单有问题”——AI 直接开始给订单查询教程。而人类客服会说：“是哪一个订单？出了什么情况？”

设计上要做到：

• 明确哪些情况必须澄清再行动（涉及退款、改地址、取消订单）
• 澄清问题不超过两个，一次问完
• 用选项式提问降低用户表达成本

第三层：兜底要快，且要”体面”

不是所有问题 AI 都该接。关键在于升级路径的设计：

• 触发条件要提前定义（连续两次不满、涉及金额阈值、用户明确要求人工）
• 转人工时带上完整上下文，别让用户重说一遍——这是最伤体验的细节
• 升级话术避免”我无法处理”，改成”这件事由我的同事跟进会更稳妥”

一个具体的验收方法

别只看准确率。加两个指标：

1. 重复联系率：同一用户 24 小时内再次咨询的比例
2. 转人工后的满意度

如果重复联系率高，说明 AI “答了但没解决”；如果转人工后满意度低，说明上下文传递出了问题。

小结

AI 客服的本质不是问答系统，是服务流程。答对问题只是及格线，让人感觉被认真对待才是及格线以上的部分。这三层设计没有一项需要更聪明的模型，需要的只是把用户当人看。