7.8
深览指数
产品人人都是产品经理·葱葱··AI 生成
从 0 到 72% 接管率：一个 AI 客服项目的完整复盘
这是一篇来自产品经理的一手实战复盘，记录了其所在消费品牌两年多内 AI 客服项目从0到72%接管率、日均处理3000+咨询的核心决策链。文章不探讨技术细节，而是聚焦于六个关键产品决策：从低代码平台验证、MVP场景聚焦、双层架构（规则引擎+大模型）、知识库切分策略、Prompt五段式结构，到化解用户对AI的抵触心理。适合正在或计划在中小企业落地AI客服产品的产品经理与业务负责人阅读，能获得具体可复用的避坑指南与决策框架。原文 ↗
核心观点
- ▍AI产品的核心是产品决策而非技术本身，技术方案的选择与组合、成本与效果评估、用户心理接受度管理，是产品经理创造价值的关键。
- 01项目分三阶段启动：先用低代码平台（Coze/Dify）快速跑通MVP验证需求，确认跑通后，再考虑核心场景的深度定制，而非一开始就自研。
- 02MVP阶段不追求全场景覆盖，只聚焦对话日志里最高频的3个场景，以验证“AI能否听懂意图、给出正确答案、用户是否接受”三个假设。
- 03设计了双层架构：第一层规则引擎处理约80%的明确表述提问（如“发票怎么开”），第二层大模型处理剩下20%的模糊语义，有效控制API成本。
- 04知识库优化策略：按6大场景拆分子库，并采用向量检索+关键词检索的混合检索，显著提升了口语化问题的召回精度。
- 05Prompt设计采用五段式结构（角色设定、回答规则、知识内容、对话历史、用户问题），便于独立调优；通过角色约束、知识隔离、兜底转人工三手段控制幻觉。
- 06用户接受度问题：通过在AI回答后增加“一键转人工”按钮，把控制权还给用户，有效化解了用户对AI的抵触心理。
- 07项目最终结果：AI接管率从0做到72%，日均处理3000+咨询，次年新客户成交额增长8%。
反方 / 局限
- — 作者复盘时承认：知识库切分策略应更早实验对比，而非上线后才调；badcase分析应早做自动化；用户对AI的接受度问题应在MVP阶段就进行小范围测试。
9 分钟 · 3 卡片 · 8 资料
读原文 →