Shopee客服工具：重复问题一次解决

客服时间都花在哪了

把一周的聊天记录拉出来看一遍，会发现咨询量虽然大，但内容高度集中。物流查到哪了、尺码怎么选、什么时候补货、活动怎么参加，这几类问题往往占到全部咨询的七成以上。剩下的三成才是真正需要逐个判断的对话。

重复问题消耗的不只是打字时间，还有注意力的切换成本。客服刚回答完一个问题，下一条又是同样的内容，中间没有停顿，判断力很难保持。时间一长，回复容易变得机械，对真正复杂的问题也就少了耐心。

除了重复问题，还有一部分时间花在等待上。买家问了之后去忙别的，回复晚了，客服要重新看一遍上下文才能接上话。这种中断恢复的成本，在统计响应时长的时候往往被忽略掉。

第三个容易被忽略的消耗是信息查找。商品的材质、尺码、发货地、活动规则这些信息分散在几个地方，每次回答都要重新翻一遍。查找的时间加起来，可能比打字的时间还长。

这些消耗有一个共同的解决方向，就是把高频内容提前准备好，让客服在需要的时候能立刻取用。准备一次的成本是固定的，节省下来的时间却会随着咨询量持续累积。

客服时间分配的问题很少是因为客服不努力，多数情况下是流程没有把重复劳动提前剥离出去。把这一步补上，同样的人手可以处理更多的咨询，而且回复质量更稳定。

把这几种消耗加起来，会发现客服的实际工作量远大于打字量。重复回答占了很大一块，信息查找占了另一块，加上中断恢复的损耗，真正用在分析问题上的时间可能还不到一半。这个结构意味着单纯增加人手的效果有限，因为新增的人手同样会被这几项消耗掉。

还有一个不常被统计的消耗是情绪成本。同一个问题被反复问到几十次，客服的语气的确会发生变化。这不是态度问题，而是重复劳动带来的自然反应。把重复的部分剥离出去，客服在真正需要沟通耐心的场景里状态会更好。

从排班角度看，咨询量在一天里的分布往往很不均匀。早晚各有一个高峰，中间的时段相对平缓。如果排班是按平均量来配的，高峰时段就会积压消息，而平缓时段的客服又比较空闲。把时段分布画出来，排班才有依据。

大促期间的咨询结构也会发生变化。平时问得最多的是物流进度，活动期间物流和优惠规则会同时暴增，退换类的问题也会增加。提前按场景准备好内容，比活动当天现想要高效得多。

客服的工作还有一个特点是被动性。消息什么时候来不由自己决定，节奏被买家带着走。能主动控制的部分就是把准备工作做在前面，让被动的响应尽可能快，减少积压。

把时间分布和问题结构搞清楚之后，就能判断哪些投入是值得的。是先做模板，还是先做知识库，或者是调整排班，这些问题都有了一个可以衡量的前提。

举一个具体的情形。一个卖服饰的店铺，每天收到两百条咨询，其中一百二十条在问尺码，五十条在问什么时候发货，剩下的三十条才涉及具体需求。如果尺码和发货这两个问题能在商品页和自动回复里解决掉，客服每天实际需要人工处理的就只有三十条。

这个变化带来的不只是时间上的节省。一百七十条重复咨询被挡掉之后，客服在剩下的三十条对话里能投入的注意力多了几倍。处理复杂问题的质量会明显不同，纠纷和差评的比例也会跟着下降。

另一个例子是活动期间。大促开始后咨询量可能翻三倍，如果全部靠人工，要么加班要么增加临时人手。而活动期间的咨询内容反而更集中，规则说明和物流时效这两类就能覆盖大部分。提前准备好，人手的压力就小得多。

还有一个容易被忽略的细节是知识的位置。同样是回答发货时间，如果这个信息在客服的界面上直接可见，回答只需要几秒；如果需要切到另一个系统去查，就要多花十几秒。看起来差别不大，乘以两百次咨询就不是小数字了。

把常用信息的位置调整一下，本身就是一种效率提升。这件事不需要任何新的软件，只是把资料放在更容易拿到的地方。低成本高回报的改动往往就是这类。

所以客服效率的改善通常不是靠某一个工具，而是靠一连串小改动叠加起来的。先看时间去了哪里，再决定改哪一处，顺序对了效果才明显。

把重复的问题先标准化，人工才能留给真正复杂的事

哪些问题可以标准化

判断一个问题能不能标准化，有一个简单的标准：答案是否会因为买家的具体情况而改变。物流进度查询、尺码对照、活动规则这些问题的答案基本固定，适合标准化。

反过来说，涉及金额、责任认定、情绪安抚的问题答案因人而异。质量投诉要看具体情况定处理方案，退换协商要考虑商品的实际情况，这些都不适合做成固定话术。

还有一类问题介于两者之间，流程部分可以标准化，具体决定需要人工。比如退换货，怎么申请、需要什么材料、多长时间能处理完，这些步骤可以固定下来，但退不退、退多少还要看情况。

标准化的顺序应该按咨询量从高到低来排。先处理咨询量最大的那一类，投入产出比最高。把精力放在一个每月只出现几次的问题上，收益会很有限。

除了咨询量，还要看这个问题的答案是否稳定。有的问题咨询量不小，但答案一直在变，比如活动期间的优惠规则。这类问题适合做成一个可以快速更新的模板，而不是一次写死的固定回复。

梳理完之后会得到一张清单，列明每个问题属于哪一类、由谁负责维护。这张清单本身就是客服体系的基础文档，新人接手的时候可以直接拿去用。

梳理的时候可以按问题出现的位置来分类。出现在售前的问题通常关于商品本身，出现在售中的问题关于物流和订单，出现在售后的关于退换和售后。三个阶段的标准化难度依次上升，先从售前开始做阻力最小。

售前问题里最值得先做的是尺码和规格。这类问题咨询量大，答案固定，而且回答得准不准直接影响退货率。把尺码对照表和测量方式写清楚，一次投入能带来长期的收益。

售中问题里物流查询是最大的一块。标准的做法是引导买家自助查询，同时给一个正常的时效范围。买家知道大概什么时候到，就不会频繁来问。这一步能把相当一部分咨询挡在前面。

售后问题适合标准化的部分主要是流程说明。退换货怎么申请、需要拍什么照片、多长时间处理完，这些可以写清楚。具体到退不退、退多少，仍然需要人来看。

标准化内容的维护责任要明确。谁写的不重要，重要的是谁来改。商品信息变了、活动规则变了、物流政策变了，对应的内容都要跟着更新。没有维护人的内容很快就会失去可信度。

梳理一次之后不必追求完整。先把最常问的二三十个问题覆盖住，剩下的在遇到的时候随时补充。一次性做一份很长的清单，反而容易写完就放在那里没人用。

举一个标准化到位的例子。一个卖鞋的店铺把尺码问题做成了三部分：商品页上的对照表、自动回复里的测量说明、以及客服话术里的常见脚型建议。三部分内容互相配合，尺码相关的咨询量在一个月内下降了一半左右。

这个案例的做法是先看买家最常问什么。买家的提问里有一大半是在确认平时穿三十八码该选哪个尺码，这说明真正的痛点是鞋码和常见的欧码之间的换算关系。把这个换算讲清楚，问题就解决了大半。

另一个例子是物流查询。做法是在自动回复里直接给出当前订单的物流状态和预计到达时间，同时在最后提示如果超过预计时间可以回复人工。买家大多看一眼就够了，不需要再等人工回复。

这两个例子有一个共同点：标准化不是把话术复制一遍，而是先想清楚买家真正想知道的到底是什么。买家问什么时候发货，想知道的其实是大概几号能收到，回答的重点应该落在后者。

还有一个反面例子值得注意。有的店铺把退换货的完整政策原文放进自动回复，一次发几百字。内容虽然准确，但买家往往看不完，还是要来问具体怎么操作。内容准确不等于内容有用。

标准化的判断标准可以归结为一句话：买家看完之后能不能自己决定下一步。能，就是合格的标准化；不能，就还需要改。

排在前面的几类问题，答案基本都是固定的

快捷回复怎么搭

快捷回复的第一条原则是短。买家在手机上看消息，一段超过五六行的文字会被直接跳过。把内容压缩到两三句，把最关键的结论放在第一句，被读完的概率会高很多。

第二条原则是带上需要买家做的动作。如果答案里需要买家提供订单号或者商品链接，就在回复里明确写出来。让买家知道下一步做什么，比只给一个结论更有帮助。

第三条原则是给每条回复配一个容易记的触发词。触发词用业务里的习惯说法，不要生造缩写。客服在忙的时候想不起来触发词，回复就用不上。

回复的内容要定期回头改。刚开始写的版本往往是凭想象写的，实际使用之后会发现有些表达买家看不懂，有些地方缺了必要的信息。把使用中遇到的问题补回去，模板才会越来越好用。

不同的场景要用不同的语气。查询物流这类事务性的回复可以简洁直接，处理售后的回复则需要更温和一些。同一个意思换一种说法，买家的感受差别很明显。

快捷回复的数量不宜过多。数量太多会导致客服在需要的时候找不到对应的那条，反而降低了效率。把最常用的十几二十条放在最前面，长尾的按分类存放。

写内容的时候要注意一个细节，把结论放在最前面。买家在手机上一眼扫到的就是开头那句，如果开头是一段铺垫，重要的信息很可能被跳过。先给结论再给理由，阅读体验会好很多。

还有一个技巧是把长回复拆成两条。第一条给结论和关键信息，第二条给补充说明。拆开之后每条的篇幅都短，买家更容易读完，看起来也不像一大段模板话。

涉及时间的信息要写得具体。三天左右和三个工作日给人的感受完全不同，前者模糊后者明确。明确的时间承诺也便于后续核对，出现延迟的时候双方都有参照。

模板里尽量不要出现需要临时替换的内容过多。如果一条回复里有三四个位置需要填空，实际操作中很容易漏填或者填错。需要大量变量的内容更适合做成引导式的问题，逐步收集信息。

同一条回复在不同的场景下可能需要不同的结尾。查询类的回复结尾可以是提示买家继续提问，售后类的回复结尾更适合说明后续的跟进时间。结尾的设计会影响买家对服务的感觉。

模板库建好之后要有一个简单的版本管理。改了什么、为什么改、什么时候改的，都要能查到。多人共用一个模板库的时候，没有记录很容易出现互相覆盖的情况。

举一个尺码回复的写法。第一句直接说这款偏小半码，建议比平时大一码。第二句说明测量方法和对照表的位置。第三句询问平时穿什么尺码，方便进一步确认。三句话加起来不到八十个字，但覆盖了买家最需要的全部信息。

把这个写法和常见的模板对比一下。常见写法是感谢咨询，我们的尺码标准，请参考尺码表。这段话没有任何具体信息，买家看完还是要再问一遍，等于没回答。

另一个例子是物流回复。有效的写法是先给状态，再给预计时间，最后说明异常情况的处理方式。三段信息按重要性排列，买家扫一眼就能拿到关键内容。

快捷回复的内容可以有多个版本。同一个问题的不同表达方式，用在不同场景下会更自然。但版本不宜过多，两三个就够，多了反而不好选择。

还有一个实操细节是把回复按场景分组存放。售前、售中、售后三组，每组下面再按问题类型分。查找的时候先想场景再找问题，比在一条长列表里翻要快得多。

最后要提醒的是不要让模板替代沟通。模板解决的是信息传递的效率，买家如果表达出情绪或者额外的需求，还是要切换到真实的交流状态。

自动回复的触发规则

自动回复的第一步是确定在什么条件下触发。常见的条件包括买家发来关键词、在特定时段发来消息、或者长时间未回复。条件设得越具体，触发的准确度越高。

关键词的设置要考虑到买家会怎么表达。同一个问题，有人写物流，有人写快递，有人写什么时候到。把这些说法都收进触发词里，命中率才会高。

规则之间必须有优先级。如果一条消息同时满足两个规则的条件，系统需要有明确的取舍。没有优先级的情况下，买家可能收到两条内容相近的回复，观感很差。

自动回复要给出一个明确的出口。比如在结尾说明如果需要进一步协助可以回复人工，让买家知道下一步怎么走。没有出口的自动回复会让人困在循环里。

时段触发的规则要配合实际的服务时间。非工作时间收到消息，自动回复应该说明何时会有人处理，而不是承诺马上回复。承诺了做不到，比不承诺更糟。

规则上线之后要观察触发记录。哪些规则很少被触发，说明关键词设置可能有偏差；哪些规则触发后买家还在追问，说明回复内容没有解决问题。

关键词的覆盖要定期补充。每周看一次没有命中任何规则的咨询，把其中的高频表达补充进关键词里。这个过程持续做几周，命中率会有明显提升。

除了关键词，还可以用状态来触发。比如订单进入待发货状态时自动发送一条说明，或者在买家发起退款申请时自动说明处理时限。这类触发比关键词更准确，因为它是基于事实而不是文字。

规则的数量要控制。一个场景一到两条规则比较合适，规则太多会互相干扰，排查问题的时候也很难理清。把新规则加进去之前，先确认它和已有的规则不会冲突。

自动回复的内容要定期审视。把触发量最高的几条调出来看，如果买家收到回复之后还在追问同一个问题，说明内容需要修改。这种情况在刚上线的时候特别常见。

非工作时间的自动回复要单独设计。这段时间买家得到的回复只有一句，所以必须包含有用的信息，比如服务时段和自助查询的方式，而不是简单的稍后回复。

最后要保留一条人工通道。在自动回复里明确说明如何转人工，并且确保这个通道真的可用。买家转不过去，前面所有的自动化都会变成负面体验。

举一个关键词设置的实例。物流类咨询的关键词列表里，可以包含物流、快递、发货、到货、几天到、什么时候发、单号、查询这些表达。列得越全，漏掉的概率越低。

关键词的设置要避免过宽。如果只设一个发字，那么买家问补货什么时候发也会被命中物流的回复，答非所问。宁可多设几个具体的词，也不要用一个太宽的词。

规则上线之后要做一次测试。用自己的账号模拟买家的说法逐个试一遍，看触发的回复是不是预期的内容。测试里发现的问题改起来成本很低，上线之后再改就要先向买家解释。

规则触发的顺序也要测试。连续发送几种不同类型的消息，看系统的反应是不是符合预设的优先级。这个环节容易被跳过，但它是避免多重触发混乱的关键一步。

触发记录要定期看。哪条规则触发的次数最多、哪条几乎没有触发过，这些数据都在记录里。根据记录调整关键词，比凭印象改要准得多。

规则的数量会随着场景增加而增长，所以每季度要清理一次。把不再适用的、效果不好的规则删掉，让整套规则保持简洁可维护。

什么情况必须人工接手

第一种必须人工的情况是买家重复提问。同一个问题在短时间内被问了两遍以上，说明前面的回复没有解决问题。这时候继续用模板回复只会让买家更不满。

第二种是对话里出现了投诉、举报、维权这类表述。这类对话继续自动化处理的风险很高，需要有人认真看完整段上下文再回应。

第三种涉及金额变动。退款、补差价、赔付金额这些内容必须由人确认，自动回复给出一个不准确的数字，后面要花更多力气去纠正。

第四种是买家明确要求转人工。哪怕问题本身很简单，买家既然提出来了，就应该转接。在这个环节省下的时间，换来的往往是更长的沟通成本。

第五种是自动回复连续两次都没有解决问题。这时候系统应该主动转人工，而不是继续尝试别的模板。连续失败的自动化只会积累不满。

判断标准要写成明确的规则，放在客服的操作手册里。靠客服自己临场判断，不同的人会得出不同的结论，服务质量也就不稳定。

盯着这几种情况还不够，还要给它们配上响应时限。转人工之后多长时间内必须有人接手，超过了要升级给谁。没有时限的转接等于把问题放进了一个新的等待队列。

转人工的时候要把上下文一起带过去。前面自动回复说了什么、买家问了什么，这些信息如果断了，买家就要重新说一遍。重复描述同一件事是买家最反感的情况之一。

人工接手的处理结果要反馈回规则里。如果某类问题频繁需要转人工，说明自动回复的内容或者触发条件有问题。把这类情况整理出来，定期优化，需要转人工的比例会慢慢降下来。

还有一种情况是买家连续发来多条消息。这种情况通常意味着着急或者情绪不好，哪怕内容本身很简单，也适合直接由人工接手，避免自动回复进一步刺激对方。

语言和地区也可能成为转人工的理由。如果自动回复只有一种语言，来自其他市场的买家看不懂，就应该直接转给能处理的人，而不是让机器反复回复同样的内容。

这些规则不需要一开始就很完整。先定下最基本的三四条，执行一段时间之后根据实际情况补充。规则的完善是随着问题的暴露逐步进行的。

举一个具体场景。买家收到货之后发来消息说商品的边缘有破损，同时附了一张图片。这个对话虽然只有一句话，但包含了质量问题的信息，应当直接转人工，而不是用标准的售后流程模板回复。

人工接手之后的处理方式是先看图片确认情况，再给出方案。方案可以是补发配件、部分退款或者整单退货。选择哪一个取决于破损的程度和商品的价值，需要人来做判断。

处理完之后要把这一类的特征整理出来。比如收到带图消息且内容包含破损、坏了、有问题这些表述的，直接判定为需要人工。下次遇到类似情况就不必再犹豫。

还有一个场景是买家一次性发来很长的一段文字描述问题。这类消息往往包含多个诉求，自动回复很难全部覆盖。交给人工读完之后逐条回应，处理效果会好得多。

转人工之后的时间要求也要明确。如果转接之后半小时没人接，买家的体验比一直用自动回复还差。转接的响应时限应该和首次响应时长一样被纳入考核。

这些规则的目的是让机器不做它不擅长的事。自动化的价值在于处理确定性高的问题，遇到需要判断的情况及时交出去，这才是合理的分工。

能标准化的先自动化，人工留给需要判断的对话

客服工具的配合方式

工具在客服流程里承担的是分流的作用，把可标准化的问题挡在前面，把需要人的对话留到后面。这个定位决定了它的价值不在于替代客服，而在于减少客服的重复劳动。

要发挥这个作用，工具和商品资料之间需要有连接。尺码、材质、发货地这些信息如果能在回复时直接调取，就不用每次手工去查，回复的准确度也更高。

工具和订单数据之间也需要连接。买家问物流的时候，回复里如果能直接带上当前的物流状态，信息量比一句请稍等要大得多。

工具产生的数据要能用起来。哪些问题被问得最多、哪些自动回复的后续追问率最高，这些数据反过来指导模板和规则的优化。

工具上线之后的工作方式需要调整。原来客服是把所有消息都处理一遍，现在变成先看自动回复有没有接住，再处理需要人的部分。这个转变需要几天时间适应。

不要让工具成为仅有的通道。买家有时候会通过其他方式联系，这些渠道的消息同样需要有人看。渠道分散而没有人统筹，容易出现漏回的情况。

工具和人的分工要看清楚。工具擅长的是快速、准确、一致地回答固定内容，人擅长的是理解上下文、处理例外、做判断。把两边的边界划清楚，配合起来才顺畅。

一个常见的误区是把工具当成省钱的手段，希望通过自动化减少人手。更实际的目标是让人手从重复劳动中释放出来，用于提升回复质量和处理复杂问题。目标不同，设置规则时的取舍也会不同。

工具上线之后要注意客服的工作节奏变化。原来处理十条消息要十分钟，现在可能三分钟就处理完了，剩下的时间如果没有明确的安排，容易被浪费掉。提前想好这段时间用来做什么。

量表要跟着调整。如果原来考核的是回复数量，自动化之后这个指标就失去意义了。可以改成看一次解决的比例、升级处理的比例，以及买家的评价反馈。

工具之间的数据要能对得上。客服系统里的咨询数据和订单系统里的订单数据如果口径不一致，做分析的时候会得出矛盾的结果。上线前先确认两边对同一件事的定义是一致的。

整个体系运转一段时间之后要做一次回顾。哪些环节的自动化效果好，哪些环节反而是人工更快，把结论记录下来，下一次调整就有依据。

举一个配合方式的实例。买家问某件商品还有没有货，自动回复先给出当前库存状态和补货周期，同时提示如果想要到货提醒可以回复一个关键词。买家回复之后，消息进入人工队列，由客服记录并加入提醒名单。

这个流程里工具做了两件事：回答确定性高的部分，以及完成一次分流。需要判断的部分，比如是否值得为这个买家预留库存，仍然由人决定。工具和人的边界非常清晰。

另一个例子是售后的处理。买家申请退款，自动回复说明处理时限和需要提供的材料。买家提供材料之后，转人工审核。工具负责收集信息和说明流程，人负责判断是否通过。

这两个例子的设计要点是一样的：把流程固定下来，把判断留给人。流程固定之后，每一步的耗时和结果都可以被统计，优化也就有了依据。

配合方式确定之后要写成文档。什么情况下自动回复，什么情况下转人工，转人工之后谁处理，这些内容写清楚，新人和工具之间才能顺利衔接。

最后一点，工具的规则和人工作业的标准应该来自同一份文档。两套标准并行的时候，买家的感受会变得不稳定，时而标准时而灵活。

重复问题被挡掉之后，客服能腾出时间处理真正复杂的咨询

回复质量的检查方法

检查回复质量最直接的方式是抽样。每周从聊天记录里随机抽一些对话，从头到尾看一遍，看回复有没有解决买家的问题、有没有遗漏必要的信息。

抽样的时候要覆盖不同类型的问题。只看高频问题会得到一个偏乐观的印象，低频问题里往往藏着更多处理不当的地方，也更容易引发纠纷。

除了抽样，还要看被追问的比例。同一段对话里买家追问的次数多，说明前面的回复没有答到点上。这个数据可以按客服、按问题类型分别统计。

首次响应时长也是一个基础指标。它的作用不是要求回复越快越好，而是确认没有消息被长期搁置。有明确的服务时段承诺，就有明确的衡量标准。

检查的结论要能落到具体的改进动作上。如果是模板内容不清楚，就改模板；如果是知识查找太慢，就优化资料的位置；如果是人手不足，就调整排班。

检查的频率按周比较合适。每天检查会因为样本太少而得出偶然的结论，每月检查又太慢，问题会积累到难以追溯的程度。

抽样之外还可以做一次专项检查。挑一个具体问题，看所有涉及这个问题的对话是怎么处理的，有没有前后不一致的情况。专项检查比随机抽样更容易发现系统性的问题。

检查的时候要把回复和结果连起来看。回复很规范但买家最终给了差评，说明规范的内容并没有解决实际需求。把结果数据放进检查范围，判断才完整。

客服之间的差异也值得关注。同样的问题，不同客服的处理方式可能有明显不同。这种差异不一定是坏事，但需要确认差异的原因是合理的判断，还是单纯的标准不统一。

检查的结论要有反馈路径。发现问题之后要知道反馈给谁，是改模板、补资料，还是调整流程。反馈了没有下文，检查就会流于形式，参与的人也会逐渐失去动力。

好的回复可以沉淀下来。检查时发现某段对话处理得特别到位，把它整理成范例放进培训材料里。正面的例子比负面的提醒更容易被记住。

检查这件事的最终目的不是打分，而是让标准变得清晰。当每个人都知道什么样的回复算好，质量的波动就会自然收窄，检查的频率也可以适当降低。

举一个抽查发现的例子。抽查一百段物流咨询的对话，发现其中十二段在自动回复之后买家仍然追问，追问的原因集中在两个字上：准不准。买家不确定自动给出的时效是不是可靠的。

找到原因之后，改进方式很清楚。在自动回复里加一句说明，把时效的来源讲清楚，比如标注这是根据近期平均送达时间估算的。加了一句话之后，同一类追问的比例降到了百分之四左右。

这个例子的启示是，质量的改善往往来自一个很小的表述调整。前提是你要能看到买家追问的具体原因，这需要看完整的对话而不是只看单条回复。

还有一个检查维度是时间。把对话按处理的间隔拉出来看，间隔特别长的那些对话往往有问题，可能是消息被遗漏，也可能是处理到一半中断了。异常的时间分布是问题的信号。

检查结果建议做成一份简单的周报，只列三件事：本周抽查了多少、发现了什么问题、下一步改什么。形式简单，但能形成持续的改进循环。

质量检查最终要落到买家能感知的地方。买家的评价、复购行为、纠纷申请，这些是最终的检验。内部指标好看但外部结果不佳，说明检查的方向需要调整。

常见问题（FAQ）