通用 AI 客服的尴尬是什么都能聊但聊不到点子上。客户问你们 SaaS 专业版的 SSO 配置流程是什么通用 AI 只能说建议咨询客服。懂业务的客服机器人不一样——它了解你的产品、你的客户、你的业务流程能给客户真正有用的回复。这篇讲怎么让机器人懂业务。一、懂业务到底指什么懂业务不是一句空话拆开看是三层理解懂产品。知道你卖什么、功能有哪些、版本区别、价格政策、常见问题。这是基础不懂产品等于没接。懂客户。知道当前对话的客户是谁、什么行业、什么规模、买过什么、在意什么。不同客户的回复应该不一样。懂流程。知道客户问这个问题背后想要什么、下一步该做什么。问价格的客户可能想买问退款的客户可能要流失处理方式完全不同。三层都具备才是懂业务。缺任何一层机器人的回复都会差点意思。二、懂产品知识库是地基懂产品的核心是知识库。但知识库不是把产品文档丢进去就行要做三层加工第一层结构化知识。产品功能、版本对比、价格政策做成结构化的问答对。客户问专业版和企业版区别直接命中问答对回复准确。第二层场景化知识。把产品功能和使用场景关联。不只是SSO 支持 SAML 2.0而是客户问如何配置 SSO 时回答配置步骤注意事项常见坑。场景化知识比纯功能知识更实用。第三层边界知识。明确告诉机器人什么不能答、什么要转人工。价格承诺、退款金额、法律建议——这些是边界机器人碰都别碰。知识库的质量决定机器人懂产品的程度。花在知识库上的时间比花在 prompt 调优上的时间更值。三、懂客户会话里的画像注入懂客户的关键是回复时带着客户画像。同样是问价格老客户买过基础版推荐升级到专业版讲升级价值新客户刚加好友介绍版本差异引导试用大客户企业规模 500推荐企业版讲定制化和 SLA回复内容差异巨大。实现方式是把客户画像作为上下文喂给大模型def generate_customer_aware_reply(msg, session, customer_profile): prompt f你是XX公司的客服。 当前客户信息 - 客户行业{customer_profile.industry} - 企业规模{customer_profile.size} - 购买历史{customer_profile.purchase_history} - 客户标签{, .join(customer_profile.tags)} 客户问题{msg} 基于客户信息给出针对性回复不超过100字。 return llm.generate(prompt)画像数据从哪来联系人同步时存的基本资料、会话中暴露的信息、业务系统的交易数据。画像越丰富回复越精准。四、懂流程意图背后的业务逻辑懂流程是最难的一层。客户问你们专业版多少钱表面是问价格实际是在评估购买。机器人不能只报价格要引导下一步客户你们专业版多少钱 普通AI专业版 ¥999/月 懂业务AI专业版 ¥999/月包含 SSO、审计日志、500人席位。 您是想给团队用吗可以申请 14 天免费试用我发您试用链接。懂流程的回复会推进业务而不只是回答问题。实现方式是给每个意图定义期望的下一步动作INTENT_NEXT_STEP { 问价格: {reply: 报价格推荐试用, action: send_trial_link}, 问功能: {reply: 讲功能引导演示, action: schedule_demo}, 问退款: {reply: 安抚转人工, action: transfer_human}, 问故障: {reply: 查状态给方案, action: create_ticket}, }机器人回复时不只生成文字还触发对应的业务动作发链接、建工单、转人工。回复和动作联动才是真正推进业务。五、三层理解的融合懂产品、懂客户、懂流程三层要融合在一起不能各做各的。融合点在 prompt 设计def build_prompt(msg, session, knowledge, customer, intent): return f你是XX公司的懂业务的客服。 【产品知识】 {format_knowledge(knowledge)} 【当前客户】 {format_customer(customer)} 【客户意图】{intent} 【期望推进】{INTENT_NEXT_STEP[intent][reply]} 客户问题{msg} 回复要求 1. 基于产品知识回答不编造 2. 结合客户情况给出针对性建议 3. 引导到下一步动作 4. 不超过100字 回复三层信息都进 prompt大模型才有足够的上下文生成懂业务的回复。缺任何一层回复都会缺一块。六、持续学习让机器人越来越懂懂业务不是一次性的是持续的。机器人要能从真实对话中学习客户反馈学习。客户回复对没错不是这个这些反馈用来优化回复。客户说不是这个的问题分析为什么答偏了补知识库或调 prompt。客服行为学习。人工客服怎么答的、客户满意不满意。把高质量人工回复作为样例微调模型或补充进知识库。业务变化同步。产品迭代、价格调整、政策变更知识库及时更新。业务变了机器人还按旧知识答等于不懂业务。七、评估懂不懂业务怎么判断机器人真的懂业务几个量化指标回复可用率人工评估回复是否准确、是否有用。目标 70%业务推进率回复后客户继续对话/执行动作的比例。目标 40%转人工率多少问题机器人处理不了。目标 30%客户满意度客户对回复的反馈。目标 80%这几个指标一起看。回复可用率高但转人工率也高说明机器人能答但客户不买账推进率高但满意度低说明机器人在硬推业务。平衡才是真的懂业务。八、从懂到更懂的路线让机器人懂业务不是一蹴而就的分三步走先懂产品。知识库建好机器人能准确回答产品问题再懂客户。画像注入回复能因人而异最后懂流程。意图识别动作联动回复能推进业务每步跑稳了再走下一步。跳过产品直接做流程机器人连产品都说不清怎么推进业务知识库和消息接口的细节在Eyun 开发文档联系人模块负责客户画像同步具体在联系人文档。想验证懂业务效果的同学在Eyun API平台开测试期先建知识库跑通产品问答再加画像和流程。写在最后懂业务的客服机器人核心不在模型多强大在产品知识扎实、客户画像准确、业务流程清晰。这三样做到位普通模型也能给出专业回复做不到位再强的模型也是正确的废话。把功夫花在数据和流程上比花在换模型上回报高得多。