零售集团智能客服 Skill

为全国性零售集团定制客服 Skill，把商品、订单、售后知识封装为可调用能力，自助解决率提升到 78%，人工客服成本下降约 42%。

客户背景与业务痛点

该客户为拥有线上商城与数千家门店的全国性零售集团，日均客服咨询量超过 8 万条，覆盖商品信息、订单查询、物流跟踪、售后退换货等高频场景。原有客服系统依赖固定话术与关键词匹配，遇到稍微复杂的问题就转人工，导致高峰期排队严重、人工成本持续攀升，且新员工培训周期长，服务质量不稳定。客户希望在不增加大量人力的前提下，提升自助解决率与用户满意度。

解决方案与落地路径

• 知识库统一封装：把商品属性、库存状态、订单规则、售后政策等结构化知识封装为标准化 Skill，让大模型能够实时调用。
• 多轮对话与意图识别：通过 Agent 架构理解用户模糊表达，自动追问关键信息，例如订单号、商品 SKU、退换原因等。
• 信度阈值与人工兜底：当模型置信度低于设定阈值或涉及高价值售后时，自动携带上下文转接人工，避免错误处理。
• 持续学习机制：把用户满意度、人工介入原因、bad case 自动回流到知识库，形成自我优化闭环。

关键成果与可量化数据

可复制经验

零售客服场景落地 Skill 的关键，是把商品、订单、售后三类高频知识做标准化封装，并设置清晰的人工兜底边界。不要追求 100% 自助解决，而是让机器处理它能处理好的 80%，人工专注 20% 的高价值问题，同时把 bad case 沉淀为优化素材。