目录
课程简介
AI 正在改变客户服务和关系管理的方式。这门课程将带您掌握 AI 在客服和 CRM 中的应用，从智能客服到客户分群，从全通路整合到生命周期管理，让您用 AI 提升客户满意度和忠诚度。
学习目标：
- 了解 AI 客服的架构和设计
- 掌握聊天机器人的设计和部署
- 学会用 AI 进行客户数据管理
- 建立全通路客户服务体系
- 实现客户生命周期管理
17.1 智能客服架构
为什么学_this？
了解智能客服的架构是设计高效客服系统的基础。
核心教学
智能客服的三层架构：
接触层
- 网站聊天窗口
- WhatsApp/Messenger
- 电话
处理层
- AI 聊天机器人
- 自动回复系统
- 工单系统
- 知识库
数据层
- 客户数据库
- 对话记录
- 分析报告
- 回馈系统
智能客服的工作流程：
客户提问 → AI 识别意图 → 查找知识库 → 自动回复
↓ (无法回答)
转接人工客服
商业范例
一家拥有 12 间门市的连锁健身中心，过去每晚高峰时段客服电话涌入，教练与柜台人员忙于回复课程与会籍问题，平均要等 2 小时才有人处理，导致续约率下滑。
- 导入 AI 客服分流：自动处理 85% 的课程时间、教练预约与扣款查询，响应时间从 2 小时缩短至 25 秒。
- 复杂的会籍争议与退费协商：由 AI 标记后转接真人客服，转接准确率达 92%，客诉重复来电减少 40%。
- 整合会员标签与对话纪录：AI 主动推播个人化续约方案，续约率提升 18%，每月增加约 300 笔成交。
- 客服人力重新配置：原本 8 名全职客服缩减为 3 名专责复杂案件，年度人事成本降低约 45 万元。
小技巧
- 用 Notion 建知识库，依产品、退货、付款分类页面，方便 AI 检索。
- 把 FAQ 丢进 ChatGPT，用 prompt“整理成问答对，每题一句”生成训练资料。
- 用 Zapier 串接客服表单与 Notion，新问题自动写入待补条目。
- 在 Claude 贴上知识库，用 prompt“找出三处矛盾或缺漏”先做健检。
练习题
本节摘要
- 智能客服三层：接触、处理、数据
- 工作流程：AI 识别 → 自动回复 → 转接人工
- 80% 问题可自动回答
商业实战 Prompt：立即试
你是一位有 10 年经验的 [领域] 顾问，服务对象是香港中小企业。
我的情况：[一句描述业务现状]。
目标：[具体目标]。
请（1）指出我现在最大的一个错位（2）给我 3 个按成本效益排序的行动（3）每个行动注明预期效果及风险。
此结构适用于本课程所有场景 — “错位→行动→风险”三段式输出可以直接作为决策会议议程。
| 阶段 | 人手做法 | AI 协作做法 | 预期效果 |
|---|---|---|---|
| 资料收集 | 逐个网站/报告翻查（2-4 小时） | AI 搜索+汇总+来源标注（15 分钟） | 时间 -85% |
| 初稿制作 | 由零写起（1-2 小时） | AI 出 3 版初稿，人选+修（20 分钟） | 时间 -70% |
| 审核把关 | 自己核对全部（易漏） | AI 逐项自查+人抽查关键位 | 品质更稳定 |
| 迭代优化 | 成稿重写 | 针对性局部修改（实时） | 迭代速度快 5 倍 |
落地检查清单
- 我完成了“人手 vs AI 协作”的时间对比实测（记录实际分钟数）
- 我建立了这个场景的个人 prompt 模板
- 我知道哪些输出必须人手复核才可以使用
- 我省下的时间已安排去做更高价值的工作（不是发呆）
常见错误AI 出了东西就直接用，不核对
正确做法事实、数字、承诺类内容必须人手核实 — AI 输出是草稿不是成品
常见错误一开始就追求完美 prompt
正确做法先跑先学：用住再改，三次迭代后自然接近理想
17.2 聊天机器人设计
为什么学_this？
好的聊天机器人设计能提升客户体验。
核心教学
聊天机器人设计原则：
明确目标
- 确定机器人的功能范围
- 设定回复的准确度目标
- 定义转接人工的标准
对话设计
- 自然的对话流程
- 清晰的选项和指引
- 友善的语气
知识库建设
- 常见问题整理
- 产品信息
- 政策和流程
测试和优化
- 内部测试
- 用户测试
- 持续优化
聊天机器人 Prompt 模板：
你是 [公司名称] 的客服机器人。请根据以下知识库回答客户问题：
[知识库内容]
回答要求：
- 简洁明了
- 友善专业
- 如果无法回答，转接人工
商业范例
一家连锁健身中心据点遍布北北基，每到傍晚高峰时段，柜台电话与线上消息同时涌入，询问课程、教练与收费方案，人力根本无法实时消化，会员抱怨回复太慢而流失。
- 导入聊天机器人处理课程与收费查询：涵盖 80 项常见问题，首次回复时间由 12 分钟缩短至 8 秒。
- 串接会员系统查询剩余堂数与到期日：自助查询率达 68%，柜台来电量下降 41%。
- 设计续约与体验课导流脚本：每月促成 230 笔预约，转换率提升 19%。
- 夜间与假日全时段自动应答：离峰时段问题解决率达 87%，整体满意度 4.6/5。
小技巧
- 用 ChatGPT 贴上近三个月客服对话，下 prompt“归纳前十名问题并分类”。
- 把整理结果贴进 Notion 数据库，字段设问题、答案、标签。
- 用 Claude 改写答案语气，指令“改为口语、50 字内”。
- 以 Zapier 串接 Notion 与聊天机器人，问题更新即同步。
练习题
本节摘要
- 设计原则：明确目标、对话设计、知识库、测试优化
- 用 ChatGPT 分析常见问题
- 持续优化提升准确率
17.3 客服平台比较
为什么学_this？
选择合适的客服平台能提升效率。
核心教学
主流客服平台：
Zendesk
- 全方位客服平台
- AI 自动回复
- 工单管理
- 价格：$19/人/月起
Freshdesk
- 功能丰富
- AI 助手
- 多通路支持
- 价格：免费版可用
Intercom
- 对话式客服
- AI 聊天机器人
- 产品导向
- 价格：$74/月起
Tidio
- 简单易用
- AI 聊天机器人
- 适合小型企业
- 价格：免费版可用
WhatsApp Business API
- 原生 WhatsApp 整合
- 自动回复
- 适合亚洲市场
商业范例
一家连锁健身中心（12 间分店、约 4 万名会员）长期受客服效率低落所苦，会员抱怨课程预约与退款进度时常无人回应，导致续约率下滑。
- 导入 Freshdesk 整合 LINE、Email 与官网表单：客服首次响应时间由 6 小时缩短至 25 分钟。
- 以 AI 自动回复处理课程查询与请假申请：每月自动结案 2,800 件，占总量 72%。
- 设定退款进度自动通知流程：退款相关客诉较前期减少 45%，处理时程缩短 3 个工作日。
- 串接会员系统标记高风险流失客户：客服主动关怀后，续约率提升 18%。
小技巧
- 先用 Tidio 免费版，再以 Zapier 串接 ChatGPT 自动回复常见问题。
- 在 Claude 贴上客服信件，请它整理三种回复语气供选用。
- 把 FAQ 汇入 Notion，让 Freshdesk 免费版直接引用缩短回复时间。
- Prompt 写法：请以 50 字内、专业但亲切口吻回复以下客诉。
练习题
本节摘要
- 客服平台：Zendesk、Freshdesk、Intercom、Tidio
- 根据需求和预算选择
- 小型企业从免费版开始
17.4 NLP 在客服中的应用
为什么学_this？
NLP（自然语言处理）是智能客服的核心技术。
核心教学
NLP 在客服中的应用：
意图识别
- 识别客户想做什么
- 例如：查询订单、退货、投诉
实体提取
- 提取关键信息
- 例如：订单号、产品名称、日期
情感分析
- 判断客户情绪
- 正面/负面/中性
语言检测
- 自动识别语言
- 切换对应语言回复
文本分类
- 自动分类问题类型
- 分配给对应团队
商业范例
一家拥有 12 间门市的连锁健身中心，每月收到超过 3,000 则客服消息，过去靠 8 名客服人工判读，平均回复时间长达 6 小时，且经常漏掉准备退会的学员。
- 意图识别：导入 NLP 后自动辨识“课程咨询、教练更换、退费申请”等 9 类意图，准确率达 94%，客服分流错误率下降 67%。
- 情感分析：实时标记负面情绪消息，高风险退会客户拦截率提升至 82%，成功挽回其中 31% 的学员。
- 自动回复：常见问题由 NLP 草拟回复，客服一键送出，平均回复时间从 6 小时缩短至 25 分钟。
- 人力配置：客服团队由 8 人精简至 5 人，每月节省人事成本约新台币 12 万元。
小技巧
- 用 ChatGPT API 前，先写 system prompt 固定客服角色与语气，例如“你是专业客服，回复限 50 字内”。
- 把常见问题与标准答案整理进 Notion，再用 Zapier 串接 ChatGPT，自动回复重复提问。
- 用 Claude 分析客诉信件情绪，prompt 写“判断以下文字为正面、中性或负面，只回一个词”。
- 将对话纪录贴给 ChatGPT，prompt 写“找出客户真正需求与未解决痛点，列点输出”。
练习题
本节摘要
- NLP 应用：意图识别、实体提取、情感分析、语言检测
- 用 ChatGPT API 实现
- 大幅提升客服效率
17.5 CRM 数据管理
为什么学_this？
CRM 数据是客户关系管理的基础。
核心教学
CRM 数据管理的要素：
客户资料
- 基本信息（姓名、联系方式）
- 交易历史
- 互动记录
- 偏好设定
数据收集
- 自动收集（网站、表单）
- 手动输入
- 第三方整合
数据品质
- 去重
- 更新
- 验证
数据安全
- 加密储存
- 存取控制
- 合规要求
CRM 工具：
- HubSpot CRM：免费，功能强大
- Salesforce：企业级
- Zoho CRM：性价比高
- Pipedrive：销售导向
商业范例
一家连锁健身工作室拥有八间分店与近六千名会员，过去教练各自用纸本与试算表记录学员状况，续约前常找不到完整互动历程，导致流失率偏高。导入 HubSpot CRM 后，资料集中管理成为改善营运的起点。
- 做法：将八间分店的会员资料与教练咨询纪录集中建档，结果：重复名单减少约 35%，行政查找时间每周省下 12 小时。
- 做法：自动记录每次课程出席与消息往来，结果：教练掌握学员状态的完整度提升至 90%，续约提醒不再遗漏。
- 做法：依运动频率与方案偏好分群，推送个人化课程推荐，结果：续约率由 58% 提升至 74%。
- 做法：针对三个月未到访会员启动关怀流程，结果：成功召回约 220 名流失会员。
小技巧
- 用 Zapier 把表单新名单自动写入 HubSpot，省去手动汇入。
- 在 ChatGPT 输入“依产业与职称，为这笔 CRM 联络人产生 3 句跟进开场白”。
- 把 Notion 当字段字典，记录每个 HubSpot 自订属性的定义与填写规则。
- 用 Claude 贴上重复名单，请它标出疑似同一客户并列出合并建议。
练习题
本节摘要
- CRM 数据：资料、收集、品质、安全
- 工具：HubSpot、Salesforce、Zoho
- 集中管理客户资料
17.6 情绪分析
为什么学_this？
了解客户情绪能帮助改善服务品质。
核心教学
情绪分析的应用：
实时监测
- 分析客户对话情绪
- 识别不满客户
- 实时警报
历史分析
- 分析客户满意度趋势
- 找出服务痛点
- 评估改善效果
品牌监测
- 分析社群媒体情绪
- 追踪品牌声誉
- 危机预警
情绪分析工具：
- MonkeyLearn：文字情绪分析
- Brandwatch：社群情绪监测
- ChatGPT：实时情绪分析
商业范例
一家拥有 40 间门市的连锁健身中心，过去教练与柜台人员难以从大量客服消息中实时察觉学员不满，导致续约率长期偏低，客诉也常在爆发后才被处理。
- 做法：导入情绪分析实时扫描线上客服与评论文字，自动标记负面情绪对话。结果：不满学员辨识率提升至 92%，平均响应时间从 8 小时缩短至 45 分钟。
- 做法：依情绪强度自动排序客诉处理优先级，高风险个案优先派给资深客服。结果：高风险客诉遗漏率下降 68%，教练课程争议减少 3 成。
- 做法：每周汇整负面情绪主题报表，回馈给教练与场馆调整服务流程。结果：学员续约率提升 18%，整体满意度分数从 3.6 升至 4.4 分（满分 5 分）。
小技巧
- 把对话贴进 ChatGPT，用 prompt：请标出正面、中性、负面句并给情绪分数 0 到 10。
- 批次处理时改用 Claude，一次贴 10 段对话，要求回传表格字段：客户、情绪、关键句。
- 将 ChatGPT 输出接到 Zapier，负面分数低于 4 自动开立 Notion 客服任务。
- 要求 ChatGPT 额外列出触发负面情绪的具体字词，方便日后调整话术。
练习题
本节摘要
- 情绪分析：实时监测、历史分析、品牌监测
- 工具：MonkeyLearn、Brandwatch、ChatGPT
- 自动升级不满客户
17.7 客户分群
为什么学_this？
精准的客户分群能提升行销效果。
核心教学
客户分群的方法：
RFM 分群
- R（Recency）：最近购买时间
- F（Frequency）：购买频率
- M（Monetary）：购买金额
行为分群
- 浏览行为
- 购买行为
- 互动行为
价值分群
- 高价值客户
- 中价值客户
- 低价值客户
生命周期分群
- 新客户
- 活跃客户
- 沉睡客户
- 流失客户
分群工具：
- HubSpot：自动分群
- Google Analytics 4：行为分群
- ChatGPT：数据分析和分群建议
商业范例
一家连锁健身中心，全台有 12 间分店、约 4.8 万名会员，过去教练与柜台共用同一份名单，续约率长期低于 55%，行销简讯也常打扰到高活跃会员。
- 高活跃会员（约 18%）：安排专属教练与优先预约，续约率提升至 82%。
- 稳定会员（约 42%）：每月推个人化课程组合，到访频率增加 1.6 次。
- 低度使用会员（约 28%）：发送 3 次唤回提醒，回访率达 24%。
- 沉睡会员（约 12%）：电话访谈了解流失原因，回收 380 份有效回馈。
小技巧
- 用 ChatGPT 下 prompt：“依 R、F、M 三栏为这批客户分五群并命名”，一次产出标签。
- 把分群结果贴进 Notion 数据库，加“群组”属性，方便日后筛选与追踪。
- 在 Zapier 设触发：客户 RFM 分数变动时，自动更新 Notion 对应群组字段。
- 用 Claude 依各群特征各写一段话术，贴进 CRM 范本供业务直接取用。
练习题
本节摘要
- 分群方法：RFM、行为、价值、生命周期
- 工具：HubSpot、Google Analytics 4
- 针对不同群组制定策略
17.8 全通路整合
为什么学_this？
客户期望在不同渠道获得一致的服务体验。
核心教学
全通路整合的要素：
统一收件箱
- 所有渠道的消息集中管理
- 统一回复界面
- 历史记录同步
通路选择
- 社群媒体
- 网站聊天
- 电话
无缝切换
- 客户可以从一个渠道切换到另一个
- 对话记录跟随
- 不需要重复说明
全通路工具：
- Front：统一收件箱
- Crisp：多通路客服
- HubSpot：整合 CRM
- WhatsApp Business API：WhatsApp 整合
商业范例
一家连锁健身中心，拥有十二间分店与三万名会员，过去各分店的咨询分散在电话、Facebook、LINE 与官网表单，常漏接消息，续约率仅六成。
- 整合四种渠道至统一收件箱：客服首次响应时间由四小时缩短至十分钟。
- 会员跨渠道切换对话不中断：每月重复询问案件减少约七成。
- 依互动纪录自动标记高风险会员：三个月内挽回一成五即将流失的续约。
- 统计各渠道进线与成交来源：行销预算重新分配后，获客成本降低两成二。
小技巧
全通路整合不必一次到位，先从客户最常用的渠道开始。
- 用 Zapier 把 Gmail 与 Messenger 消息同步写入 Notion 客户表，集中管理对话。
- 在 ChatGPT 贴上对话纪录，请它标记客户来源渠道与情绪，方便分流。
- 用 Claude 统整各渠道纪录，产生一句话摘要，贴回 CRM 备注栏。
- 提示词写法：“依渠道分类以下消息，输出表格：渠道、需求、优先级”。
练习题
本节摘要
- 全通路整合：统一收件箱、通路选择、无缝切换
- 工具：Front、Crisp、HubSpot
- 从最常用渠道开始
17.9 客户生命周期管理
为什么学_this？
管理客户生命周期能最大化客户价值。
核心教学
客户生命周期的阶段：
获客
- 吸引新客户
- 首次购买体验
- 欢迎流程
活跃
- 定期互动
- 个人化推荐
- 忠诚度计划
沉睡
- 识别沉睡客户
- 召回活动
- 特别优惠
流失
- 流失预警
- 挽留措施
- 原因调查
推荐
- 推荐计划
- 口碑行销
- 社群经营
商业范例
一家拥有 12 间门市的连锁健身工作室，过去教练只靠记忆追踪会员，续约率长期低于四成，流失后也无人分析原因。
- 入会首周：自动推送教练预约与体验课提醒，到课率提升至 78%。
- 活跃期：依运动频率推荐课程与积分奖励，月均到访由 4 次增至 7 次。
- 沉睡期：14 天未到馆即触发召回简讯与免费体验，回流率达 22%。
- 流失期：发送问卷并提供专属续约优惠，成功挽回 15% 到期会员。
小技巧
- 用 Zapier 把新客户自动加进 Notion 客户库，触发阶段标签。
- 在 ChatGPT 贴客户资料，请它依阶段草拟问候消息。
- 用 Claude 分析问卷回馈，标记流失风险客群。
- 在 Canva 做各阶段 Email 范本，一键套用寄送。
练习题
本节摘要
- 生命周期：获客 → 活跃 → 沉睡 → 流失 → 推荐
- 每个阶段有不同的策略
- 用自动化管理沟通
17.10 客服品质监控
为什么学_this？
品质监控确保服务水准持续提升。
核心教学
品质监控的指标：
响应时间
- 首次响应时间
- 平均处理时间
- 等待时间
解决率
- 首次解决率
- 总体解决率
- 升级率
满意度
- 客户满意度评分
- NPS（净推荐值）
- 回馈调查
效率
- 每人处理量
- 自动化率
- 成本效率
商业范例
一家拥有 12 间门市的连锁健身中心，过去教练与客服回复会员消息常延迟超过一天，导致续约率下滑与客诉增加。导入 AI 客服品质监控后，管理层得以实时掌握各门市服务水准。
- 做法：自动标记逾时未回复的对话并通知主管，首次响应时间由 18 小时缩短至 25 分钟。
- 做法：AI 分析对话意图并比对标准话术，首次解决率提升至 88%。
- 做法：每周汇整负评关键词，客户满意度从 3.6 分升至 4.6 分（满分 5 分）。
- 做法：常见问题由 AI 自动回复，自动化率达 75%，客服人力成本降低 22%。
小技巧
- 用 ChatGPT 将客服对话逐句标注情绪与问题类型，快速找出负面样本。
- 在 Claude 贴入 prompt：“列出这段对话中的回复延迟与跳针处”，逐周比对。
- 把每周指标存进 Notion 数据库，设筛选检视追踪退步项目。
- 用 Zapier 将低分对话自动推送至 Slack 频道，当日安排复盘。
练习题
本节摘要
- 品质指标：响应时间、解决率、满意度、效率
- 每周检视和优化
- 追踪改善效果
17.11 客服数据分析
为什么学_this？
数据分析能发现服务改善机会。
核心教学
客服数据分析的应用：
问题分析
- 最常见的问题类型
- 问题趋势变化
- 根本原因分析
效能分析
- 客服团队效能
- 个人表现
- 培训需求
客户洞察
- 客户需求变化
- 满意度驱动因素
- 改善机会
商业范例
一家连锁健身中心拥有 12 间分店、约 4 万名会员，过去教练与柜台人员每天处理上百则客服消息，却难以掌握会员流失的真正原因。
导入 AI 客服数据分析后，团队从对话纪录中找出可改善的营运缺口。
- 做法：分析近半年 8 万笔客服对话，归纳出前五大客诉主题，发现“团体课程时段不合”占抱怨量 34%。
- 做法：依分析结果增开平日晚间与周末热门课程，并调整 3 间分店的排课人力，两个月内相关客诉下降 41%。
- 做法：针对曾在对话中提及请假或受伤的会员，自动触发关怀消息与复课优惠，续约率提升 18%。
- 做法：将客服常见问题整理成自助知识库，减少重复咨询量 27%，平均回复时间从 6 小时缩短至 1.5 小时。
小技巧
- 用 ChatGPT 贴上 50 则客服对话，请它归纳最常出现的三类问题。
- Prompt 写法：请以表格列出问题类型、出现次数、代表原句。
- 把 ChatGPT 输出贴进 Notion 建表，累积每周常见问题趋势。
- 用 Zapier 将新客服对话自动送到 ChatGPT 分类后写回表单。
练习题
本节摘要
- 数据分析：问题、效能、客户洞察
- 用 AI 快速分析大量数据
- 找出改善机会
17.12 客服商机转化
为什么学_this？
客服不仅是解决问题，也是销售机会。
核心教学
客服商机转化的策略：
交叉销售
- 推荐相关产品
- 例如：买猫粮推荐猫砂
向上销售
- 推荐升级产品
- 例如：推荐更高级的产品
复购提醒
- 自动提醒回购
- 例如：猫粮快用完时提醒
客户回馈
- 收集产品回馈
- 改善产品和服务
商业范例
一间拥有 12 间分店的本土健身连锁品牌，过去教练与客服各自为政，会员反映的问题常被遗漏，续约率长期低于五成。
- 交叉销售：依会员训练纪录推荐营养品与课程，成交率达 22%。
- 续约提醒：于到期前 30 天自动推播并附专属优惠，续约率提升 35%。
- 客户回馈：汇整 800 则意见后调整 6 项团课内容，满意度上升 18%。
- 流失预警：侦测连续两周未到馆者主动关怀，挽回率达 27%。
小技巧
- 用 ChatGPT 输入对话纪录，请它生成一句不超过 20 字的产品推荐语。
- 在 Claude 贴上客户痛点，要求产出三个对应方案并标注适用情境。
- 把推荐话术存进 Notion 范本库，依产品分类方便客服直接取用。
- 用 Zapier 设定结案后自动推送推荐信，并附上专属优惠链接。
- 提示词加入“先确认问题已解决，再推荐”，避免客户感到推销。
练习题
本节摘要
- 商机转化：交叉销售、向上销售、复购提醒
- 在解决问题后自然推荐
- 自动推荐提升效率
17.13 课程总结
课程总结
下一步学习
- C-18 AI 电商营运实战：电商应用
- C-35 宠物业 AI CRM：宠物业专属
- C-22 No-Code AI 自动化：自动化客服
© 2026 Buddylala.ai — Build Your AI Future, Together.