双11前品牌密集接入AI店小蜜：AI客服接更多，满意度为何反升

每年双11之前，电商的客服团队都会提前进入一种很具体的紧张状态：活动规则要变，优惠组合会变，预售和发货政策也会变。过去的做法通常很直接——把可能被问到的问题一条条写进知识库，测试机器人能不能答，答不了的再交给人工。

对母婴食品品牌“小皮”，和服务超150个品牌、GMV超300亿元的电商服务商百秋来说，今年的双11准备方式都在发生变化。AI不再只负责回应最简单的一层咨询，而是开始进入商品推荐、情绪安抚、销售转化和售后流程。与此同时，人也没有简单地从客服中心消失。有人转去设计应答策略，有人专门维护高净值客户，有人开始把会话数据整理成商品、运营和物流可以继续使用的东西。

下面是两家企业的客服部门的口述。它们的业务完全不同，但都绕不开同一个问题：当AI开始接住更多顾客，长出更多能力，人该如何如何被重新定义。

小皮：我最在意的，不是AI答得更多，而是它开始知道怎么服务

Little Freddie（小皮）是跨国婴童食品品牌，2014年成立，以"成为父母最信任、孩子最喜爱的婴童食品品牌"为愿景，主营婴童辅食、零食等婴幼儿食品，全线无不必要添加，每款配方均经注册营养师审核。销售覆盖天猫、京东、山姆等主流渠道，连续多年位居行业前列。

我们从2019年就开始用AI店小蜜，也很早配了AI训练师。那时候的机器人比较像一个FAQ工具：客户问什么，它就按知识库回答什么。稍微复杂一点，比如发来一张活动截图、一张产品图，或者问题没有完全踩中我们预设的关键词，基本就得转人工。

2026年7月，我们正式引入AI店小蜜高阶版，开始深度用。真正让我觉得变化比较大的，不只是回答更自然，而是它开始具备“服务意识”。

最直接的是图文识别。以前客户发截图，我们的老版本基本识别不了；现在它可以把图片和文字放在一起理解，再去知识库里核对信息。这件事听起来不大，但售前咨询经常就是这样：消费者不会按照客服系统希望的格式来提问，她会丢一张图，说一句“这个怎么参加”，甚至只问“是这个吗”。能不能接住这种不标准的问题，差别很大。

第二个变化是情绪。我们做母婴辅食，很多消费者是新手妈妈。她们问的不是单纯的“米粉怎么冲”，而是“我是不是弄错了”“这样宝宝能不能吃”。过去如果想让机器人安抚用户，训练师得提前在某个意图下面写好一段话，而且必须命中那个意图才会触发。现在AI会自己识别焦虑、不耐烦这些情绪，先安抚，再回答。有时候它会说一句：“别担心，刚开始都是这样的呢。”我自己看到这种回复，会意识到它不再像在发说明书了。

第三个变化是主动服务。以前机器人就是“你问什么我答什么”。现在我们让它在推荐产品前主动问宝宝月龄，再根据不同月龄、体质和需求去推荐；碰到优惠，也会主动提醒怎么凑单、活动什么时候结束。

数据上，这种变化也比较明显。按我们的内部数据，7月至8月，机器人询单转化率从25.9%升至29.6%，提升3.7个百分点，同时，转人工率下降了大约13个百分点。让我比较安心的是，AI接得更多之后，满意度没有下降：AI店小蜜自身满意度从89.5%提升到94.5%，全店满意度维持在96%左右。以前我会担心，机器接得越多，体验是不是一定会打折。至少现阶段，数据没有支持这个担心。

母婴这个品类，消费者真正关心的往往不是便宜几块钱，而是安全感和专业感：这个东西安不安全，我的宝宝能不能吃，会不会过敏，营养够不够。过敏原、体质适配这些敏感场景，我们是和项目交付团队一起共创应答策略的，先把红线和边界对齐。碰到特别复杂的个体差异，或者涉及医学判断的问题，我们宁可转人工，也不会让AI往前多走一步。

图片也是类似。母婴辅食其实不是一个高频“带图找货”的品类，用户通常说“多大宝宝吃”“什么口味”“米粉还是果泥”，文字就够了。真正会发图的，更多是在售后：有人收到货后拍包装来确认真伪，有人看到包装变化，想确认是不是升级款；也有人冲调后结块、果泥颜色和预期不一样，拍图来问。这些场景对AI有价值，但目前售后图文识别还有提升空间。

所以我们团队并没有因为高阶版上线就大幅缩人。现在更接近“增量不增人”——业务可以往上走，但人不用按原来的比例一起加。变化最大的其实是训练师。

以前训练师有点像“知识搬运工”：哪条答案错了就改哪条，哪个场景缺知识就补哪个。现在我们要做的是应答策略和应答矩阵。比如同样是推荐米粉，不同月龄、不同体质到底先问什么，什么时候推荐搭配产品，怎么引导，什么情况必须交给人工，都要先被整理成一套策略，再让AI去执行。

这件事比补知识库更难，因为它要求我们把过去优秀客服脑子里的经验拆出来。经验原来可以是“我知道该怎么说”，现在不行，要变成机器也能理解、也能重复执行的规则。

如果要算一笔人效账，高阶版上线后，AI独立承接的占比提升了十几个百分点，大致相当于减少了两名客服的工作量。但我不太愿意把这件事只理解成“少两个人”。对我们来说，更重要的是这些工作量被拿走以后，人能不能把时间用到更复杂的服务上。

今年双11的准备方式，也能看出这种变化。9月15日我去参加了AI店小蜜的双11备战工作坊。过去备战基本是“单兵作战”——训练师自己配活动规则、优惠信息和售后政策，自己找场景测试，自己验收，出了问题也自己扛。

今年最大的感受，是终于有人一起搭策略了。我们懂业务和用户，AI店小蜜团队更熟悉产品能力和模型边界。到9月中旬，我们已经围绕大促优惠、预售发货等规则沟通过三次以上。另一个变化是，我们开始更清楚AI在一个答案出来之前到底经历了什么，不再把它当成一个“黑箱”——知道AI是怎么工作的，才知道什么场景应该交给它，什么场景不要勉强。

百秋：AI接走基础接待后，客服岗位先变了

百秋尚美是中高端品牌数字零售服务商，覆盖天猫、京东等平台，系天猫六星服务商，客户包括全球高端时尚、美妆品牌。2018年引入店小蜜，2025年618、双11获AI店小蜜“蜂芒奖”，2026年7月成为阿里AI店小蜜服务商首家共创伙伴。

我们从2018年就开始使用店小蜜，当时还是基础版本，也是比较早的一批用户。2025年双11，我们先让一部分品牌试用Agent版。今年年初，我们又把AI店小蜜高阶版部署到了30多家品牌。

百秋现在服务150多个品牌，客服团队大约500人，这个规模放在上海，成本当然不低。但如果只看“用了AI以后少了多少人”，其实很容易把这件事看窄。

过去半年，高阶版用下来，我们的相关客服人数阶段性有所减少，但是总人力成本并没有同步下降——也就是说，客服的能力要求、组织架构和薪酬结构也变了。

我们现在把客服团队重新拆成几种角色：AI数字员工、AI训练师和分析策略师，再加上精英客服。基础接待更多交给机器，人的位置往两个方向移动——一边去训练和校验AI，一边去做更难、更值钱的服务。

这和我们对客服的定位有关。我们内部一直不太愿意把客服只当成本中心，更愿意把它当销售中心。按我们的统计口径，消费者下单前只要和机器人或人工客服发生过咨询，并且在这条咨询链路里完成成交，这部分会算作客服销售。平均来看，客服相关销售大约占整体销售的30%到35%。

高阶版上线之后，我们更关心的不是某一个“纯机转化率”涨了多少，而是人和机器一起能不能把更多交易留在客服链路里。我们看到，使用AI店小蜜的一些店铺，人机客服销售占比较纯人工模式提升了5个百分点以上。纯机器人、完全没有人工介入并完成下单的销售，在一些店铺里也可以占到全店销售的5%到8%。这些数字当然不是所有品牌都一样，但它解释了我们为什么愿意持续投入。

这里面其实有一个挺现实的矛盾。我们的客服薪酬过去很大程度和销售结果挂钩。机器人卖得越多、接待得越多，如果人的工作方式完全不变，人的销售机会就会被挤掉。这个问题得靠让人的工作变得更难替代来优化。

所以我们会把更多人工放到高净值客户上。以前一个客服可能要同时接很多普通咨询。现在，他可以花更多时间做1对1维护。举个例子，以前可能服务10个客户成交100万元，现在可能只服务两个客户，也能做到同样的销售额。工作量的计算方式变了，客服本人也得把销售能力、服务能力一起往上抬。

反过来，我们也会把精英客服的高转化话术、复杂服务经验继续沉淀进训练和策略里。精英客服怎么沟通、怎么促成交易、怎么处理复杂需求，这些经验都会被整理成可供机器人执行和校验的规则。于是人的价值不只是“亲自回复了多少句话”，还包括能不能生产出机器可以复制的好经验。

训练师的工作也在变。我们服务的很多品类上新很快，过去知识库靠关键词配置，新品一多，维护会非常重。现在新品在立项、详情页定稿之后，运营会同步产品参数、卖点、配件信息和常见问题，AI可以从商品详情页等已有资料自动抓取信息，批量生成问答素材和图文对比，再由训练师做规则校验。我们现在希望做到，新品上新的当天，相关答案就能配置完成。

AI店小蜜高阶版会在很细节的地方，显出它和人的区别。我们服务过一个小家电品牌，消费者收到产品后不会安装，这是很常见的问题。以前人工最容易做的事情，是发一个安装视频或者说明书，告诉他按步骤来。现在机器人可以先识别用户着急的状态，先把情绪接住，再给出安装步骤；有时还会把其他消费者容易卡住的细节提前说出来。这个动作不复杂，但它开始让你感受到——AI不只是帮你解决问题，而是在服务你。

当然，我们不会把所有事情都交给AI。涉及敏感公共议题、特殊时间节点等场景，我们会直接设置边界；消费者情绪明显升级、明确提出投诉、升级处理，或者出现“曝光”等高风险表达时，也会马上由人工介入。能识别情绪，不等于应该独自处理所有情绪。

满意度是我们会持续看的指标。按我们的内部阶段性统计，在已部署高阶版的品牌中，多数品牌的人机客服满意度达到92%以上；部分高端品牌达到95%以上——这里的满意度，指消费者在机器人和客服聊天后的会话评价。售后端，我们现在也会看12小时解决率。按同一阶段性口径，12小时内解决消费者问题的比例可以达到87%以上。

对双11来说，今年更大的变化不是临时多排多少人，而是把准备工作往前挪。我们会把商品、运营、客服、物流一起拉进来，把历史上消费者问过的问题、大促期间出现过的集中事件整理成文档，再让机器人提前做场景模拟和预演。过去很多精力花在活动开始之后救火，今年更希望在开始之前把火源找出来。

售后也是今年重点往前推的一块。现在高阶版可以和订单、工单体系做更多连接，我们希望从过去被动回答“怎么退、怎么查、怎么处理”，慢慢变成主动做售后关怀和提醒。不同商品可以设置不同的提示，尽量减少因为信息不对称造成的退款、差评和纠纷。

这也是为什么我觉得，客服团队未来不会只剩“人”和“机器人”两个岗位。我们已经在增加AI训练师、技术产品专家，也会需要更多VOC和分析能力。聊天里每天都在产生消费者对商品、活动、页面、发货和退货的反馈，如果这些信息只是解决完一单就结束，其实很浪费。我们的方向，是把这些问题整理成分析，再反馈给商品、运营和物流，让页面更清楚、活动机制更完整、流程更顺。

所以回到最开始那笔账：为什么相关客服人数阶段性有所减少，总人力成本却没有同步下降？因为我们不是把原来的客服团队简单压缩成更少的人，而是在重新定义剩下这些人做什么——基础回答可以越来越便宜，但高质量服务、策略设计、知识校验和数据分析，反而变得更贵。