本文内容：
- 一级支持的实际含义
- Fundrise：不到 3 个月内自动处理 50% 以上的支持案例
- Lightspeed Commerce：解决率达 65%，CSAT 上升
- Chime：成本降低 60%，满意度翻倍
- Duolingo：拦截 80% 的聊天问题
- ClassPass：成本削减 95%，拦截率超出自身预期
- 这 5 个团队的共同之处
大多数 AI 客服案例都在描述 AI 代理理论上可以做什么。本文只采用真实公司公布了真实数据、并注明来源的案例，因此你可以自行核实，而不必只听信博客的说法。
以下五家公司都没有使用 LiveAgent。我们引用它们公布的成果，是为了证明这种模式有效，并非在为它们使用的工具背书。
一级支持的实际含义
一级支持是任何支持队列的第一层：无需专业知识即可正确回答的常见问题，例如订单状态、密码重置、基本账单问题和账户变更。在大多数团队中，这一层也最消耗客服人员的工时，却最难带来相应价值，因为资深客服人员处理一个常规问题花费的十分钟，与初级客服人员并无二致。
这正是下面所有案例都从这一层开始的原因。这五个团队没有一个先尝试自动化最棘手的工单。
Fundrise：不到 3 个月内自动处理 50% 以上的支持案例
Fundrise 是一个面向投资者的房地产平台。为应对不断增长的支持量、又不增加员工人数，该公司部署了 Intercom 的 Fin AI 代理。Fundrise 首席产品官 Luke Ruth 表示：“Fin 上线不到三个月后，现在已经能够处理我们 50% 以上的支持案例。”
这里的背景与数字本身同样重要。Fundrise 希望在投资者群体不断扩大的同时保持快速响应，也希望客服人员仍有余力，为复杂的财务问题提供审慎的答复——这类问题本来就不应交给 AI 代理处理。将队列中常规问题的一半自动化，正是腾出这部分余力的关键。
Lightspeed Commerce：解决率达 65%，CSAT 上升
Lightspeed Commerce 是一家全球电商和销售点平台。该公司在支持团队中全面使用 Fin，团队成员既有长期使用 Intercom 的员工，也有刚开始使用该工具的客服人员。如今，Fin 参与了 99% 的对话，并可自主解决其中最高 65% 的问题。
值得关注的不只是解决率。Fin 的 CSAT 同时提升了 60%，聊天响应时间缩短了 38%，电子邮件响应时间缩短了 67%。人们通常认为，自动化支持会以牺牲质量为代价换取速度。Lightspeed 的数据却表明，情况恰恰相反：AI 代理可以自行判断何时将对话交给人工，而不是强行让每个案例都先经过 AI 处理。
Chime：成本降低 60%，满意度翻倍
金融科技公司 Chime 部署了 Decagon 的 AI 代理，并报告称客户支持成本下降了 60%，聊天和语音问题的解决率达到 70%，会员满意度得分也翻了一倍。
成本和满意度朝同一方向变化，而不是此消彼长，是 Chime 成果中最违背直觉的一点。只有把自动化处理的内容（队列中常规且数量庞大的问题）与仍由客服人员处理的内容（人工确实能发挥价值的问题）区分开来，才能理解这一结果。两方面的表现都没有变差，各自反而能更专注于发挥所长。
订阅我们的资讯
最新技巧与优惠直达您的邮箱。
Duolingo：拦截 80% 的聊天问题
Duolingo 部署了 Decagon 的 AI 代理，并报告称聊天问题拦截率达到 80%，也就是说，每 5 个聊天咨询中有 4 个根本不会到达人工客服手中。案例研究没有具体说明这 80% 分别来自哪些类别，但明确指出，人工客服现在可以把时间用在更复杂的问题上，而此前这些问题会被大量无需人工处理的咨询挤占资源。
对于 Duolingo 这样的规模而言，80% 的拦截率绝非小幅提升效率。它意味着支持团队能够跟上不断增长的用户群体，而不是从结构上就难以应对；否则，公司只能按同样的速度扩招，或接受响应变慢的现实。
ClassPass：成本削减 95%，拦截率超出自身预期
健身与健康订阅平台 ClassPass 在部署 Decagon 的 AI 代理之前，已经建立了成熟的项目，了解哪些问题可以由 AI 拦截。即使有这样的先发优势，团队仍表示：“上线时的拦截量比我们预期高出 10 倍”，同时报告支持成本降低了 95%。
这是整份名单中最值得借鉴的一点。ClassPass 并非毫无依据地估算：他们已有客户研究，但仍将 AI 代理能够从队列中分担的工作量低估了整整一个数量级。如果一个项目成熟的团队都能出现 10 倍的偏差，那么首次部署的多数团队也应该预期，自己的早期估算会出错，而且很可能也是低估。
这 5 个团队的共同之处
撇开供应商名称，这五个案例都呈现出相同的模式：
| 团队 | 自动化处理的内容 | 主要成果 |
|---|---|---|
| Fundrise | 50% 以上的支持案例 | 不到 3 个月内，客服人员的工时得以全面转向处理复杂问题 |
| Lightspeed Commerce | 65% 的对话 | 解决率和满意度同步上升，并未相互牺牲 |
| Chime | 常规聊天/语音问题量 | 成本降低 60%，满意度翻倍 |
| Duolingo | 80% 的聊天问题 | 在用户群体不断增长的同时，支持能力跟上了增长，而无需同比增加员工人数 |
| ClassPass | 远超预期的工作量 | 成本削减 95%，拦截率达到自身预估的 10 倍 |
它们没有一家将所有工作都自动化。五家公司都保留了人工支持层，处理超出 AI 代理范围的问题。而且在每个案例中，团队都从队列中常规、重复的部分——也就是一级支持——开始，而不是从最棘手的工单着手。
这才是真正值得借鉴的地方，远比任何单一百分比都重要：这种模式不是“用 AI 取代支持团队”，而是“别再让熟练的客服人员把时间花在不需要专业技能的问题上”，然后让数据呈现相应的结果。如果你准备在自己的队列中试行，我们的部署 AI 客服代理指南 会详细介绍如何界定第一阶段的范围；在 LiveAgent 中设置 AI 代理 则介绍 LiveAgent 专属的配置步骤。
