先分清楚你要解決哪一種訊息
| 訊息類型 | 佔比（業界估算） | 解法難度 | 適合的技術 |
|---|---|---|---|
| 常見問題重複回答 | 30% 到 50% | 低 | FAQ 比對、關鍵字規則 |
| 訂單與物流查詢 | 20% 到 35% | 低但要串接 | 電商平台 API 串接 |
| 商品推薦與選購諮詢 | 10% 到 20% | 中 | 需要商品資料與理解能力 |
| 售後退換與客訴 | 10% 到 20% | 高 | 建議轉真人，AI 只做分流 |
| 多語言詢問 | 視客群 | 中 | 要確認支援語言與在地語感 |
把這五類的比例盤出來，你就知道該優先解決哪一塊。多數電商把 AI 客服當成萬用解，結果買了很強的系統卻只用到 FAQ 功能。
選型的五個判斷點
一、串接深度
這是最實際的分水嶺。能不能自動回答「我的訂單到哪了」，取決於系統有沒有跟你的電商平台串接。
要問清楚：支援哪些平台、串接是官方整合還是客製開發、串接後能讀到哪些欄位（訂單狀態、物流單號、退換進度）。
二、知識庫的維護方式
AI 客服的回答品質取決於知識庫。要問：誰來更新、怎麼更新、更新後多久生效。
業界估算 知識庫沒人維護的話，三個月後準確率會明顯下滑，因為商品、活動、政策都在變。
三、轉真人的時機設計
好的 AI 客服不是全自動，是知道什麼時候該退場。要確認能不能依關鍵字（退款、客訴、檢舉）或情緒判斷自動轉真人，以及轉接時會不會把對話脈絡帶過去。
讓客人重複講一次經過，是最容易激怒人的設計。
四、多品牌與語氣設定
如果你有多個品牌，要問能不能分別設定語氣與知識庫。這件事多數系統是架構決定的，事後加通常做不到，所以要在選型階段就問。
五、多語言的實際品質
支援多語言跟講得自然是兩件事。評估時要用自己的實際商品與情境測試，特別是繁體中文的語感，有些系統的中文會有明顯的翻譯腔。
【導入前必問 5 題】
- 你最想消滅哪一類訊息？答不出來就還不該選系統
- 能跟我的電商平台串接到什麼程度？決定能不能自動回訂單
- 知識庫誰維護、多久生效？沒人維護就會失準
- 什麼情況會轉真人？脈絡帶得過去嗎？這決定客訴會不會升級
- 多品牌或多語言的架構支援嗎？事後加通常做不到
【決策樹】你該選哪一型
Q1：你最大的訊息來源？ ├─ 重複的常見問題 → 先做 FAQ 自動回覆，門檻最低 ├─ 訂單與物流查詢 → 重點在平台串接能力 └─ 選購諮詢 → 需要理解能力強的系統，成本較高 Q2：你有幾個品牌？ ├─ 單一品牌 → 大多數系統都適用 └─ 多品牌不同調性 → 選型時就要確認架構支援 Q3：客群語言？ ├─ 純繁中 → 重點測中文語感 ├─ 含東南亞或英文 → 要實測各語言品質 └─ 跨境多語 → 多語言能力是主要篩選條件 Q4：有沒有人維護知識庫？ ├─ 有專人 → 可選功能完整的系統 └─ 沒有 → 選自動學習能力強、維護負擔低的
【常見 3 錯誤】
- 錯誤 1：先看功能表再想需求。被功能豐富度說服，買了之後只用到一成
- 錯誤 2：沒確認串接就簽約。簽完才發現不支援你的電商平台，或要另外付客製費
- 錯誤 3：以為裝了就不用人。AI 處理得掉的是重複性問題，情緒與個案仍要真人，而且知識庫要有人養
【檢核】評估廠商時打勾表
- ☐ 已盤出五類訊息各佔多少比例
- ☐ 已確認與自家電商平台的串接深度
- ☐ 已確認知識庫的維護方式與生效時間
- ☐ 已確認轉真人的觸發條件與脈絡帶入
- ☐ 已用自己的實際情境測試過中文語感
結論：先想清楚要消滅什麼，再去看系統
AI 客服的投報率差異極大，關鍵不在系統多強，在你有沒有先定義要解決的問題。如果你的訊息有一半是「運費多少」「幾天到貨」這類重複問題，那其實不需要多強的 AI，把 FAQ 做好加上平台串接就能解決大半。反過來如果你需要的是選購諮詢與多語言，那就要準備更高的預算與維護成本。選型前先花半天盤訊息類型，那半天會省下後面很多錢。