驾驭AI创造业务价值进阶实战课——方太

模块一：认知破局和提示工程——成为AI的"金牌教练"

一，客服视角的AI认知

1. AI作为"永不疲倦的学识库查阅员"：领会AI怎样7×24小时迅速定位货品参数、维修指南、政策条款，破解"翻资料慢"的痛点。

2. AI作为"不知疲倦的对话陪练"：利用AI还原各种类型的买方（愤怒、焦虑、困惑），开展低成本、高频率的化解上手。

3. AI作为"客观的资料拆解助手"：研习AI怎样从海量对话记录中提炼共性痛点、情绪趋势，支援队伍从"凭感觉"精进转向"凭资料"精进。

二、客服专用提示公式和实战情境

1. 基于CO-STAR轮廓的提示词规划办法

· 提示词冠 军公式（COSTAR)

2. 高阶战术在客服情境中的运用

· 定位担当和对抗上手：设定AI担当"愤怒型买方"，训练新员工在高压下的稳定化解。

· 少样本示例研习：投喂一篇经过质检的"金牌服务录音"文本，实操中，让AI模仿其话术风格和情绪节奏。

三、实战上手：规划客服黄金提示词

1. 情境1：货品安装延期投诉（核心：情绪安抚 + 解释原因 + 解题打法）。

2. 情境2：功能采用咨询（核心：清晰指导 + 防止术语 + 激发用户动手尝试）。

3. 要求：参训者针对上述两个情境，撰写完整的CO-STAR提示词，并实地输出应答脚本。

模块二：AI赋能服务交流和话术——准则化和个性化的平衡艺术

一、智能话术的生成和精进

1. 情境化话术一键生成

· 咨询情境：生成对智能烟机联动功能的通俗易懂的解说话术。

· 投诉情境：生成针对"服务响应不及时"问题的初步致歉和解题打法话术。

· 技艺指导情境：生成指导用户自检"蒸烤箱不加热"问题的分步排查话术。

2. 话术的个性化校准

· 品牌语调对齐：确保AI生成的话术符合方太"高端、专精、有温度"的品牌样貌，防止网络化、随意化的表述。

· 情绪状态适配：根据买方情绪的"高、中、低"三种状态，运行层面，指令AI生成不同语气的开场白和回应方式。

二、复杂问题的智能拆解和学识关联

1. 资讯提取和结构化

· 招数：将买方冗长、模糊的表述输入AI，自动提取出"货品类型"、"故障现象"、"发生频率"等等要害资讯模块。

· 结晶：生成一份结构化的《买方问题工单预填资讯表》，辅助迅速定位学识库。

2. 关联推理和方案建议

· 招数：让AI基于"故障代码+货品型号+购买时间"，从学识库中关联出最可能的故障原因和对应的官方处理流程。

三、共情表述和邮件书面答复撰写

1. 共情话术的精准生成

· 招数：针对"货品采用不当导致损坏"等等敏感情境，指令AI生成不推卸责任、同时体现关怀的、有招数的道歉和解释话术，化解潜在矛盾。

2. 庄重书面交流的迅速撰写

· 情境：生成结构化的售后确认邮件、货品技艺解答函、买方节日关怀信等等。

· 要求：格式规范、内容准确、语气得体，满足客服队伍对外庄重交流的诉求。

四、实战上手：处理复杂客诉情境

1. 提取核心问题点和买方诉求。

2. 生成一份结构化的内部处理建议（供主管/售后参考）。

3. 生成一份给买方的初步回复文案（体现共情，说明当前处理动作）。

模块三：AI助力事务收束和呈报——让服务价值可视化

一、日周报的智能生成

1. 资料输入和自动提炼

· 动作：将当天处理的核心工单编号、要害对话摘要、个人KPI资料以准则化格式输入。

· 结晶：AI自动生成包含服务量统计，高频问题TOP3、个人亮点/待改进项、明日事务要点的《每日事务简报》。

2. 基于资料的洞察

· 招数：指令AI对比周和周之间"买方情绪要害词"的变化，主动发现潜在的货品或者服务隐患趋势。

二、服务实例的深度拆解和萃取

1. 问题根源和处理得失复盘

· 动作：将经典或者棘手服务实例的完整进程（含买方原话、处理动作、最终结果）发给AI，让其协助拆解"问题根源在哪里"、"处理进程中的最 佳/失误动作为何"。

· 结晶：产出可供队伍分享的"服务避坑指南"或者"出色话术范本"。

2. 服务打法的提炼

· 招数：指令AI对某一类高频问题的多个成功处理实例开展收束，提炼出准则化的化解SOP。

三、资料向管控呈报的可视化呈现

1. 从KPI到图表

· 动作：将队伍维度的KPI资料（接通率、满意度、一次破解率、平均处理时长）输入，令AI自动生成柱状图、折线图、饼图等等直观图表。

2. 图表背后的故事

· 招数：指令AI基于图表和业务资料，自动撰写一段呈报文案，包含"结论先行"、核心原因拆解、下步改进方向。

四、实战上手：生成一份周报PPT雏形

1. 要害资料图表。

2. 基于资料的周报核心文字摘要。

3. 一份包含推演和资料的、面向客服主管呈报的PPT前三页雏形。

模块四：构筑客服专属学识库——炼就"最强服务大脑"

一、核心价值和原理深解

1. 破解服务痛点的价值锚点

· 告别"凭感觉"：杜绝因个人心得局限导致的错误或者低效回答。

· 统一服务口径：确保所有客服给出的答案在准确性和语调上一致。

· 加速新员工上手：提供一个可信的，随时可查阅的"业务百科全书"。

· 根治"幻觉"：掌握RAG（检索增强生成）原理——不是让AI胡编，实操中，而是让AI带着真实的货品指引和公司政策"教材"来回答问题。

二、客服专属学识库的搭建全流程实战

1. 学识来源的识别和获取

· 内部源：全系货品指引（PDF）、安装维修指南（Word），内部FAQ文档、培训PPT、录音/聊天记录中的出色QA。

· 外部源：公司官网、电商平台货品页的常见问题、官方公众号里的采用小贴士。

2. 学识的清洗和结构化

· 要害动作：将非结构化的对话式文本，从实践看，转化为结构化的"问题-答案-来源-标签-更新时间"学识条目。

· 示例：将两个类似问题，归类并对应到一个准则答案上。

· 构筑标签架构：为每条学识打上"货品型号"、"问题类型（售后/售前）"、"严重级别"等等标签，便于迅速检索。

3. 学识库的分类轮廓规划

· 一级分类：安装服务、采用指导、故障排查，保修政策、配件服务、常见问题。

· 二级分类（以"采用指导"为例）：油烟机，灶具、蒸箱/烤箱、消毒柜、洗碗机、净水机、热水器。

三、学识库的三大核心情境运用

1. 实时智能问答助手

· 运用：一线坐席在通话进程中，可迅速向学识库提问，系统秒级返回精确答案。

2. 新员工培训和还原沙盒

· 运用：新员工可将学识库作为核心研习材料，并利用其在还原买方时作为"正确答案"的校验抓手，迅速构筑业务笃定。

3. 质检准则的动态对齐

· 运用：将最 新的服务准则SOP植入学识库，质检人员在审核录音时，可实时查询AI建议的准则应答和话务员实际应答的偏差，拉升质检效率和客观性。

四、实战上手：构筑迷你学识轮廓

1. 规划一个包含至少3个层级的学识库分类轮廓。

2. 填写5条高质量的学识条目样板（包含：问题、答案、来源、标签）。

3. 阐述该学识库在日常服务中怎样被前端坐席采用。

模块五：开发客服AI智能体——自动化处理流程性差事

一，智能体认知：从"问答"到"执行"的跃迁

1. 智能体（Agent）核心定义

· 公式：智能体 = 大模型 + 感知（听懂指令） + 规划（拆解步骤） + 记忆（记住状态） + 抓手（调用程序）。

· 区别：普通的AI聊天机器人只能"说"，就一线经验说，而智能体能"做"（如：自动查库存，发邮件、创建工单）。

2. 客服情境的三大类智能体构想

· 处理类：自动完成简单的、准则化的操作流程。

· 辅助类：辅助人工更快、更好地完成事务。

· 监测类：自动监测资料并生成预警。

二、无代码搭建和实战运用规划

1. 客服情境中的智能体运用规划

· 工单预填和自动创建：AI根据通话的要害词和结构，自动填充工单中的准则字段，具体来看，坐席只需核实修改。

· 服务回访脚本助手：AI根据刚刚完成的维修工单，具体来看，自动生成包含具体维修内容，买方体验，满意度邀评的个性化外呼脚本。

· 内部效率查询机器人：AI接入学识库后，往细里说，在钉钉/企微群中，就一线经验说，自动回答同事关于内部查询的问题。

2. 无代码搭建初体验（以扣子Coze为例）

· 标的：创建一个"服务满意度调查话术生成器"。

· 步骤：定义定位 -> 设定输入 -> 配置推演 -> 测试并发布。

三、实战上手：规划一个智能体事务流程

1. 规划一个"买方报修-智能预处理助手"的事务流程推演图。

2. 明晰该智能体的输入、处理推演、输出，并用流程图或者文字描述清楚。

模块六：资料驱动的服务精进——从听到的声音到行动的洞察

一、客服资料的清洗和整合

1. 多源资料合并

· 动作：利用AI迅速合并来自电话、在线、微信、App各个渠道的、格式不统一的买方原始反馈文本。

2. 资料质量拉升

· 动作：指令AI自动识别并去除无意义的语气词，重复内容、错别字，就一线经验说，并将口语化描述转化为统一规范的业务术语。

二、智能拆解和洞察挖掘

1. 全方位情感拆解

· 运用：对一段录音/聊天记录开展情感拆解，定位用户情绪转折点，评核客服的安抚话术是否有效。

· 批量拆解：对一周/一月内的所有对话开展情感拆解，制作出"买方情绪地图"，找出服务流程中的槽点环节。

2. 自动主题聚类和问题归因

· 运用：AI自动从数千条对话中归纳出本周/本月买方最频繁提到的货品问题或者服务诉求，并以"词云"或者"趋势图"直观呈现。

· 根因推测：结合货品型号和特定问题描述，辅助拆解某些故障频发的潜在原因。

三、资料可视化和报告自动生成

1. 动态仪表盘构筑

· 结晶：利用AI迅速生成包含"接通量趋势"，"满意度分布"、"问题分类占比"、"Top10差评要害词"等等要害指标的队伍级仪表盘。

2. 自动生成服务复盘报告

· 运用：指令AI基于上述拆解结果，自动撰写一份结构化的服务复盘报告草稿，执行层面，包含"资料概览"，"核心发现"、"问题预警"、"改进建议"四大板块。

四，实战上手：资料拆解和业务改进

1. 情感拆解：区分出积极，中性、消极评价的比例。

2. 主题聚类：提取出排名前三的买方诉求或者抱怨点。

3. 建议输出：基于拆解结果，撰写两条具体的、可落地的服务改进建议。

模块七：客服情境的AI权责边界和风控——守住服务红线

一、客服专属的隐患全景图

1. 资讯泄露隐患

· 红线：严禁将包含买方身份证号、银行卡号、详细家庭住址、支付验证码等等敏感个人资讯（PII） 的文本直接输入AI。

· 措施：上传资料前，强制执行脱敏处理（如用""替换要害数字）。

2. 承诺和合规隐患

· 红线：AI生成的话术不能做出超出公司现行服务政策和保修条款的承诺。

· 措施：在提示词中加入严格限制，落地时，如"不要提供任何未经公司官方文件确认的赔偿或者补偿方案"。

3. 品牌声誉和法律隐患

· 红线：AI回复必须严格符合高端、专精的品牌样貌，严禁采用网络流行语、负面情绪表述或者开展主观评价。

· 措施：对AI生成的回复模板开展人工审核，从实践看，从实践看，确保措辞得体。

4. 模型幻觉（Hallucination）隐患

· 红线：坚决防止AI在没有学识库依据的情况下，自由创造出错误的维修步骤、安全警告或者政策条款。

· 措施：要求AI在回答时，必须标注资讯来源，并对不确定的资讯明晰声称"我需要进一步核实"。

二、人机权责边界和铁律

1. 核心要则：AI生成，人类决策

· 铁律一（资讯把关）：AI提供资讯，就一线经验说，落地时，人工判断资讯的准确性和适用性。

· 铁律二（决策把关）：AI提供建议，落地时，人工做出最终决定。格外是涉及补偿方案，转高级投诉、上报重大安全隐患等等要害决策，从实践看，必须由人完成，执行层面，不得由AI自动触发。

· 铁律三（话术把关）：AI生成话术，从实践看，人工核验话术的合规性和品牌适配度后，方可采用。

老师简介

Introduction to lecturers

弄懂更多

博闻智咨询|雷曼老师