用 AI 整理电商客服高频话术

原帖核心观点

示例教程展示了如何把店铺聊天记录里的高频问题整理成可复用话术，重点是统一口径，而不是让 AI 直接替代客服。

中文步骤拆解

1. 导出最近一周的客服问题，先脱敏删除手机号、地址、订单号等隐私信息。
2. 把问题按售前、物流、退换货、优惠、售后争议分类。
3. 每类挑出出现频率最高的 10 个问题。
4. 让 AI 生成标准回复，再由人工补充店铺政策、禁用词和补偿边界。
5. 每周根据新问题更新话术库。

使用工具

• 店铺后台聊天记录
• 表格工具
• 任意中文 LLM

可复制Prompt

你是电商客服主管。请把以下客户问题归类，并生成简洁、礼貌、符合平台规则的回复话术。
要求：
1. 不承诺无法兑现的补偿
2. 遇到售后争议要引导客户提供订单信息
3. 每条话术控制在 80 字以内

实操案例/实测结果

未提供具体数据。可观察指标包括新人上手时间、重复问题回复速度、客服主管修改次数。

国内可替代方案

• 国内商家可用飞书表格、钉钉文档或企业微信文档维护话术库
• 有客服系统的店铺可以把确认后的话术导入快捷回复

成本与预计效果

成本低，主要是整理和审核。预计能改善客服口径一致性，但不能替代售后政策和人工判断。

风险和注意事项

必须先做隐私脱敏，避免把用户个人信息发给外部模型。平台规则、赔付政策和敏感词需要人工复核。