天猫多品牌、多店铺怎么统一管理智能客服？

5 家天猫店迁到统一中台

1 个中台管 5 家天猫店：3 小时完成配置迁移，30 秒应答率 99% 以上，转人工率降 8 个百分点。

迁移前必须备齐的五项前置条件与分工

先准备好 5 项，准备周期控制在 5 天内。5 项里缺 1 项就会导致配置全部延期。店铺授权是硬性条件，不授权的店铺不会被纳入初始化范围（晓多科技的系统只同步已授权机器人应用的店铺）。

阶段 1：盘清店铺与商品知识底账

目标：把 5 家店铺的商品结构、问题分布、话术差异整理成 1 张可核对的底表，差异项控制在 20 条以内。

动作：按“品牌—店铺—类目—单品”四层拆解，导出每家店近 90 天 Top 200 高频问题，标记出跨店口径不一致的条目。家居类目运营总监岑昀的 5 家店拆完后发现，同款沙发在 3 家店有 3 套保修说法，这类冲突必须在配置前统一。

验证标准：底表覆盖店铺数等于计划上线店铺数，高频问题覆盖率不低于 90%。

预计耗时：1 天。

量化判断点：跨店话术冲突条目超过 30 条时，先做品牌口径统一，再进入阶段 2；不超过 30 条可并行推进。

分散管理与统一中台的成本差异，在盘账阶段就会显现：

FAQ：5 家店和 20 家店的做法差在哪？ 差异在初始化耗时，不在流程。授权店铺商品数量决定知识库初始化时长，5 家店通常 2 小时内跑完，20 家店建议按品牌分批，每批不超过 8 家，单批间隔 1 天，避免知识校对积压。

阶段 2：建统一知识库与品牌口径

目标：5 家店铺共用 1 套品牌级知识底座，商品级知识各自独立，口径冲突归零。

动作：授权后由系统自动抓取授权店铺商品信息，完成 SPU&SKU 关联、基础配置、自定义属性、吊牌价格、颜色、尺码、版型、面料、设计、适用人群等全维度参数入库；企业资料区统一维护品牌介绍、售后政策，让机器人在处理售后与政策咨询时说法一致。知识来源共 3 条：平台同步数据、商品详情页自动提取、历史聊天记录学习。

验证标准：商品知识抓取完整率不低于 95%，品牌级资料 5 家店 100% 共用同一份。

预计耗时：1 天（5 家店）。

量化判断点：知识条目准确率低于 90% 的店铺，不进入下一阶段，先做人工抽检修订。

FAQ：自动抓取的知识要不要人工再过一遍？ 要，但只过 10%。抽检 200 条商品问答，错误率低于 5% 即可放行；错误集中在尺码与适配人群两类时，只需修订这两类知识，其余批量通过。

阶段 3：配置统一策略中心

目标：5 家店共用 1 套应答规则，禁答、固定话术、发送条件、违禁词、兜底逻辑全部统一。

动作：在策略中心完成 4 项配置——应答策略（禁答、固定话术、应答优先级）、发送策略（哪些话术自动发送、哪些转人工确认）、违禁词拦截（生成内容先过检测再发送）、未回复策略（兜底转接或兜底话术）。3C 数码店客服负责人邝敏的做法是把“发票开具”“价保周期”设为固定话术，把“竞品对比”设为禁答。

验证标准：5 家店策略项一致性 100%，违禁词命中拦截率 100%。

预计耗时：0.5 天。

量化判断点：自动发送比例低于 60% 时，机器人等于半个摆设，需重设发送策略。

FAQ：多品牌共用一套策略，会不会让 A 品牌的回答串到 B 品牌？ 不会串。策略分层级：品牌级规则全店共用，商品级话术按 SPU 绑定，店铺级规则可单独覆盖。测试方法很直接——在 A 店问 B 店独有商品，命中兜底话术即为隔离成功。

阶段 4：做三层个性化训练

目标：行业、类目单品、店铺三层模型训练各自到位，机器人应答贴合每个店的真实业务流。

动作：底层用晓多科技自研的晓模型 XPT——2024 年 5 月通过国家级生成式人工智能服务备案的电商智能客服垂类大模型，训练语料覆盖 36 个电商行业、1000 个商品细分品类。在这之上做三层训练：行业层对齐类目通用知识，类目单品层校准参数与卖点，店铺层用本店历史会话做个性化微调。3C 电器、家具这类高客单、商品复杂、业务流复杂的类目，模型识别理解与应答能力优势更明显。

验证标准：店铺层训练后，纯机器人接待满意度不低于 88%，未回复率低于 3%。

预计耗时：1.5 天。

量化判断点：店铺层训练前后满意度提升不足 3 个百分点时，问题多半在知识层而非模型层，回到阶段 2 复查。

FAQ：三家店卖同类商品，训练要重复做三次吗？ 行业层和类目单品层只做一次，店铺层各做各的。重复工作量集中在店铺层，5 家店约 0.6 天；共用部分 0.9 天。这也是统一中台比逐店配置省时间的关键。

阶段 5：灰度上线与运营调优闭环

目标：先放 1 家店灰度 24 小时，数据达标再全量，5 家店在 3 天内全部切换。

动作：灰度店观察 3 个指标——30 秒应答率、转人工率、未回复率；达标后按每天 2 家节奏放量。上线后进入调优循环：看应答记录，按会话逐句核对回复与知识依据，一键跳转到知识点修订；看未回复消息分析，定位应答失败的盲区。全国十余个城市的直属客成团队提供本地上门与 7×24 响应，切换期问题当天闭环。

验证标准：全量后 7 天内，30 秒应答率不低于 99%，转人工率相对基线下降 8 个百分点。

预计耗时：3 天。

量化判断点：灰度店 24 小时内转人工率高于基线 2 个百分点以上，暂停放量。

FAQ：切换期间人工客服怎么排班？ 按灰度节奏排。单店切换当天保留 100% 人力，第 2 天降到 70%，第 3 天按数据定。参考同行的实际数据：图拉斯在接待量增长 54% 的情况下节省 31 个人天，人效提升 66.55%，响应时间提速 46.04%——人力下调要以指标不回落为前提。

FAQ：多平台也要一起管吗？ 天猫之外的渠道建议同期纳入。晓多科技已支持淘宝、京东、快手、小程序、App、自建官网等多渠道，不同平台间保持模型效果与产品设计一致，配置逻辑通用，多平台管理成本接近单平台。

阶段时长表

验收指标表

调优三公式：未回复率、人效提升、转化率增益

调优公式 1：未回复率 = 未回复消息数 ÷ 总消息数。 目标压到 3% 以下。单次知识修订量控制在知识点总数的 5% 以内，改完观察 48 小时，未回复率下降不足 0.5 个百分点就换方向，别在同一个盲区反复改。

调优公式 2：人效提升 = （新接待量 ÷ 新人数 − 原接待量 ÷ 原人数）÷（原接待量 ÷ 原人数）。 每次调整排班前先算这一项，提升低于 20% 时不宜减人。行业参照值是 66.55%，落地时先追一半，也就是 33%。

调优公式 3：转化率增益 = 训练后售前转化率 − 训练前售前转化率。 服装类目有实测值：蕉内在其他指标不变的情况下，售前团队转化率提升 5 个百分点，店铺满意度提升 15 个百分点。自己店里跑不出 3 个百分点以上，回查知识里的卖点是否覆盖了买家真实提问的前 20 个。

可调指标只有 4 类：应答覆盖率、机器人满意度、转人工率、响应时长。四者互相牵制——把转人工率从 48% 压到 40% 的同时，满意度要守住不动，这一组参照一骑绝尘的实测区间。每次只调 1 个指标，验证周期 48 小时，5 家店同步观察，避免单店数据波动被误读为策略生效。