AI客服接管率72%复盘：低代码+双层架构打法
AI 总结 · 连续创业者视角（以下内容由 AI 提炼，观点归原作者；读完可不看原文）
消费品牌客服日处理3000+咨询，25年成交额增长8%。核心打法包括低代码验证、MVP仅做高频场景、规则+大模型双层架构降本。知识库按场景切分配合混合检索是提升准确率的关键。
- 先上低代码MVP验证需求，再谈技术自研
- 双层架构：80%明确问题走规则，20%模糊走大模型
- 知识库按场景拆库，向量+关键词混合检索
- Prompt五段式结构便于调优和控制幻觉
- 加一键转人工按钮解决用户对AI的心理抵触
AI客服从0到72%接管率：产品经理的六大关键决策
我在一家消费品牌做的智能客服项目，历时两年多。最终成果：AI接管率从0做到72%，日均处理3000+条咨询，25年新客户成交额比24年增长8%。这不是技术奇迹，是一系列产品决策的胜利。
一、为什么做这个项目？
我们客服要覆盖微信私域、抖音小店、天猫、京东等5-6个渠道。原有系统是关键词匹配，用户用自然语言提问时，系统经常答非所问。后果很直接：有购买意向的用户流失，用户在私域里生气投诉，店铺评分下降。
二、决策1：先低代码验证，不从零自研
立项时对比三个方向：维持现状、用低代码平台（Coze/Dify）、从零自研。自研成本太高，我们业务规模撑不起算法和工程团队。我用低代码快速搭建MVP，先验证需求，确认跑通后再考虑深度定制。对中小企业来说，先验证再自主，才是更现实的路径。
三、决策2：MVP只做3个高频场景
我把3个月的对话日志逐条归类，发现6大场景里，高频的就那么几个，剩下是长尾。如果一上来就全场景覆盖，第一版效果肯定差，项目可能被砍。
MVP策略：第一版只覆盖最高频场景，验证三个假设——AI能不能听懂意图、给出正确答案、用户愿不愿意接受。先在有赞单渠道验证，跑通拿到数据，再扩展其他渠道。
四、决策3：不是所有问题都用大模型
统计发现，约80%用户表述明确（如“发票怎么开”），用规则引擎（关键词+模板）就能解决，又快又准成本低。剩下20%模糊提问（如“那个活动还有没有”）才需要大模型理解语义。
我设计了双层架构：第一层规则引擎处理明确表述，第二层大模型处理模糊语义。大部分问题不用调大模型API，只有搞不定的才走大模型。很多人误区是把所有问题都塞给大模型，成本爆炸效果还不一定好。
五、决策4：知识库怎么切比用什么模型更重要
RAG初期效果不好。用户问“888元的套餐”，向量检索召回的是“888元礼盒”——语义像但实际是活动套餐不是礼盒。问题在于纯向量检索只看相似度，不看关键词精确匹配。
两个调整：
- 知识库按场景分库：按6大场景拆成6个子库，用户问什么场景就去对应库里检索，召回精度提升
- 混合检索：向量检索+关键词检索两路合并取Top K，具体产品型号、活动名称也能准确召回
启示：RAG效果不好别急着换模型，先检查知识库切分和检索策略。
六、决策5：Prompt五段式结构
把Prompt拆成五个独立模块：角色设定、回答规则、知识内容、对话历史、用户问题。每个模块职责清晰，单独调优，定位问题更快。
控制幻觉靠三个手段：
- 角色约束：明确写死“只回答公司产品相关，其他问题转人工”
- 知识隔离：用户问什么场景就给那个场景的知识，AI看不到其他内容自然不会瞎编
- 兜底转人工：不确定时主动说“帮您转人工”，而不是硬答
七、决策6：把控制权还给用户
上线时用户接受度很低，一看到AI客服就想找人工。试了多种方案不行，最后加了“AI回答+一键转人工”按钮。就这么一个小设计，用户接受度就上来了。
用户怕的不是AI本身，是怕被AI困住出不来。告诉用户“随时可以转人工”，他反而愿意先看看AI说什么。
八、复盘：如果重来我会改这三点
- 知识库切分策略应更早做实验，上线前拿测试集对比不同策略效果
- badcase分析应早点自动化，人工抽检每周花好几个小时效率太低
- 用户接受度问题应在MVP阶段就测，早期发现“用户怕AI”这个问题
结语
AI产品的核心不是技术，是产品决策。技术方案摆在那里，怎么选、怎么组合、怎么兜底，这些才是产品经理的价值。没有标准答案，只能一个项目一个项目地踩坑。
原文 · 人人都是产品经理：阅读原文 →