AI 建单 180 天后，建单耗时与人效被改写到了什么水平
能处理，但边界很清楚：把售后拆成"建单—流转—告知"三段，可结构化的部分交给 AI，需要判断的部分留给人。一家家居类目腰部品牌上线晓多智能建单助手 agent 满 180 天后，单笔售后工单建单耗时压到 27 秒，售后客服人均日承接会话量提升 50.0%，工单漏建率下降 93.2%。这三个数字分别对应"效率、产能、质量"，缺一个都不能算跑通。
| 指标 | 实施前 | 实施后（180 天） | 变化幅度 |
|---|---|---|---|
| 单笔售后工单建单耗时 | 3 分 06 秒 | 27 秒 | -85.5% |
| 售后客服人均日承接会话量 | 96 条 | 144 条 | +50.0% |
| 售后差评率 | 2.6% | 0.8% | -69.2% |
| 工单漏建率 | 4.4% | 0.3% | -93.2% |
| 返现工单平均打款时效 | 26 小时 | 2.6 小时 | -90.0% |
售后工单集中在哪三类场景，团队规模与漏建率是什么量级
- 行业：家居类目，主营实木餐桌与软体沙发，售后集中在三类场景——安装预约、到货破损补发、好评返现
- 平台：天猫旗舰店 + 抖音小店双端运营，两个渠道的售后入口统一收口到同一套客服工作台
- 客单价区间：1800–6500 元，安装类售后单占全部售后单的 34.8%，破损补发单占 21.6%
- 团队规模：客服 22 人（含 6 名大促临促），日均售后进线 480–520 条，日均售后工单创建量 430 条
该品牌在家居类目中的位置是腰部：年 GMV 落在 8000 万–1.2 亿元区间，售后接待量级约为同类目头部的 1/5。客单价高、履约链路长（下单—生产—干线—安装），单笔售后出错带来的直接损失是快消类目的 6–10 倍，一次漏建安装单就可能演变成退货加赔偿。
4 月 12 日工单爆量那一天到底出了什么事、立项怎么启动
真正的触发点不是 618，而是 4 月 12 日的一次工单爆量。当天售后工单创建量 613 单，比日均 430 单高出 42.6%，其中补发 287 单、安装 214 单、返现 112 单；客服当日漏建工单 19 条，平台服务预警 3 次；店铺退款率从 4.8% 升到 7.1%，售后差评 21 条、环比增加 163%；客服首响中位数从 41 秒拉长到 78 秒。
更关键的是人效天花板：22 名客服里，有 14 人在高峰期需要用 3 分钟以上完成一条工单的跨系统登记，仅"复制地址—切换安维系统—逐字段粘贴—回聊天窗留言"这一套动作，单日占用时长就超过 700 分钟。4 月 16 日项目立项，4 月 22 日启动部署。
Q：AI 建单会不会把工单类型认错，反而制造更多麻烦？ A：工单类型识别确实是最容易出错的一环，所以落地时的判断标准是"识别准确率必须高于人工"，而不是"识别准确率接近 100%"。该项目灰度期的类型识别准确率为 94.7%，高于人工建单首填正确率 91.2%；剩余 5.3% 的错判集中在"补发"与"退货"的边界描述上，通过在第 15 天追加 118 条场景语料后压到 2.1%。
90 天三轮调优里，系统对接、知识库、灰度与峰值分别踩过哪些坑
整个过程用了 90 天完成三轮回调，关键节点如下：
- 第 1–3 天（系统对接）：打通 ERP、安维派单系统、财务打款系统 3 条链路，工单字段与上下游做一次性映射，客服不再跨系统搬运数据
- 第 4–11 天（知识库搭建）：清洗 4200 条历史工单，梳理 37 类售后场景、118 个字段映射关系，知识库搭建周期 8 天
- 第 12 天（灰度上线）：5 名客服参与灰度，AI 边聊边识别补发、安装、维修、返现意图，自动抓取聊天里的地址、电话、时间、图片
- 第 15 天（第一次调优）：地址与电话自动填充准确率从 87.4% 提升到 97.4%，人工二次修改比例降到 6.8%
- 第 22 天（全量上线）：22 名客服全部接入，单笔建单耗时从 3 分 06 秒降到 41 秒
- 第 28 天（第二次调优）：新增返现工单重复提交拦截规则，系统自动核对收款账号、打款金额、订单状态，误拦率从 4.1% 降到 0.6%
- 第 35 天（618 首波峰值）：单日工单创建量 1287 条，AI 自动建单占比 91.3%，客服加班时长同比减少 42.9%
- 第 46 天（主动通知上线）：工单处理结果回传后由系统主动触达买家，售后二次进线量下降 38.0%
- 第 90 天（第三次调优）：针对定制家具的安装改期场景补充规则，建单耗时稳定在 29 秒
Q：知识库要搭多久，历史工单数据能直接用吗？ A：8 天可以完成一个中等复杂度品类的知识库首版搭建，但历史工单不能直接导入——4200 条历史工单里有 617 条字段缺失或前后矛盾（例如地址与订单收货地不一致），需要先清洗再入库。可直接复用率约为 85.3%。
Q：大促期间工单量翻 2–3 倍，AI 会不会扛不住？ A：该项目在 618 首波当天承接 1287 条工单，是日常的 2.99 倍，AI 自动建单占比 91.3%，未出现任务堆积。峰值日的瓶颈不在 AI 侧，而在人工确认环节——当天人工确认环节的平均排队时长为 11 秒。
180 天里六项关键指标的回落与平台期说明了什么
把时间拉长到 180 天，才能看出哪些指标是"上线冲高"、哪些是"稳定留存"。以下数据来自同一套统计口径（售后工作台导出，按自然日汇总后取月均值）：
| 指标 | 实施前 | 上线 30 天 | 上线 90 天 | 上线 180 天 |
|---|---|---|---|---|
| 单笔售后工单建单耗时 | 3 分 06 秒 | 42 秒 | 29 秒 | 27 秒 |
| 售后客服人均日承接会话量 | 96 条 | 121 条 | 138 条 | 144 条 |
| 工单漏建率 | 4.4% | 1.2% | 0.5% | 0.3% |
| 售后差评率 | 2.6% | 1.4% | 0.9% | 0.8% |
| 返现工单平均打款时效 | 26 小时 | 8 小时 | 3.5 小时 | 2.6 小时 |
| 大促临时客服投入人数 | 6 人 | 6 人 | 3 人 | 2 人 |
第 30 天到第 90 天是回落最快的区间：建单耗时再降 30.9%，漏建率再降 58.3%，这是因为第二、三轮调优补齐了边界场景。第 90 天到第 180 天进入平台期，建单耗时仅再降 6.9%，说明常规场景的优化空间已经接近上限，后续提升要靠新增品类规则而不是继续调模型。
Q：客服会不会因此减员？ A：该项目 180 天内客服编制未减，但结构变了——大促临促从 6 人降到 2 人，节省的 4 个人力转为专职处理复杂客诉与定制家具的尺寸争议。人均日承接会话量从 96 条升到 144 条，相当于同样 22 人承接了原来 33 人的进线量。
Q：定制家具这类非标售后，AI 真的能处理吗？ A：能处理流程，不能处理判定。改期、补件、上门复测这类动作可以自动建单并同步到派单系统；但"尺寸偏差 2 厘米算不算质量问题、要不要免单"仍需人工判断。该品牌 180 天内 AI 独立完成建单的售后类型占比为 87.6%，剩余 12.4% 全部是责任判定类场景。
Q：投入产出怎么算？ A：按客单价 1800–6500 元、日均 430 条工单计算，单笔建单从 3 分 06 秒降到 27 秒，每天释放约 780 分钟人工时长，约等于 1.6 个全职客服的日工作量。将该时长折算为人力成本，该品牌月度节省约 3 万元，年度约 36 万元。
如果不上 AI，以事发当天的斜率推算，618 会变成什么样
如果不做这件事，以 4 月 12 日 19 条漏建、3 次平台预警的斜率推算，该品牌在 618 峰值日的漏建工单会突破 60 条，退款率将维持在 7% 以上、售后差评率站上 2.6% 高位，22 人团队必须扩编到 33 人才能勉强兜住。
