从78%到97%，品牌零售商应用客服Agent解决四大业务痛点 | 创新场景

场景描述

以亚洲著名的时装零售商I.T集团为例，他们旗下有多个品牌，SKU繁多，在使用传统的以NLP技术为主的智能客服机器人的过程中，面临着以下4大业务挑战：

（1）售前咨询量大：I.T旗下拥有众多品牌，每个品牌有自己的尺码体系、营销活动、优惠政策，客服团队日常每月承接近2.5万通会话量，大促期间每月超3.5万，此外，对于不同的问题，需切换不同页面搜索相关信息，单个售前咨询处理时长约2分钟，服务压力大，服务效率低。

（2）传统客服机器人解决效果不理想：此前采购NLP机器人用于订单发货转态、物流进度查询、退货换等场景的自动化处理，但整体的交互较为呆板，意图理解能力较弱，解决率只有78%。比如消费者说“买多了”，真正的意图是取消订单，机器人却无法识别出来。

（3）复杂售后场景服务耗时长：面对涉及到较多规则和判断标准的复杂咨询，客服团队需要查询各个接口，搜集各种信息，单个咨询平均处理时间长达7分钟，服务效率低，消费者等待时间较长，服务体验打折。

（4）希望进一步提升用户服务体验：消费者在发货催促、订单取消等环节，往往带有一定的负面情绪，此时既考验处理问题的能力，也考验情绪安抚的能力，两者都会影响到用户对品牌的满意度。

解决方案

面对上述客服场景的难点，I.T集团引入了网易云商的客服Agent解决方案，采用大小模型融合的技术架构，70%的常见问题回答、简单业务办理交给传统的NLP客服机器人，30%的复杂咨询交给客服Agent，发挥大小模型各自所长，既保障了回答的准确性，又实现了成本最优。

I.T集团通过会话数据分析，优先选择了3个高频、高价值场景进行试点：售前尺码推荐场景、售后订单取消场景、售后退货安抚场景。

成效

经过一段时间的上线运行，该解决方案给I.T集团带来了显著的业务价值：

• 价值1：售前询单场景，客服无需跳转查询多个系统，Agent在识别推荐意图后，主动搜集用户身高、体重等信息，读取知识库中的对应信息，快速输出给客户，应答速度提升60%，单个售前查询时间最短只需要17秒，大幅释放客服侧接待压力，并进一步提升售前转化率。
• 价值2：复杂售后场景，交由Agent实现，自动完成用户信息的搜集和判断，单个处理时长由7分钟缩短至3分钟，同步完成订单取消原因的搜集，为业务提供输入。
• 价值3：客服Agent对于用户的意图识别更为精准，整体的交互更细腻、更自然、更有温度，对话的连贯性和流畅性更强。对于有负面情绪的用户，也能快速识别并进行安抚。用户体验感大大提升，用户满意度达到97%。