0
| 本文作者： 劉偉 | 2026-01-29 14:07 |
當(dāng)前，AI技術(shù)的發(fā)展正呈現(xiàn)出“冰火兩重天”的態(tài)勢。
一方面，豆包、千問等AI助手正在加速滲透，搶占C端入口。另一方面，如何讓AI從“能對話、會應(yīng)答”的交互層面，進(jìn)階到“能落地、能辦事”的實用層面，以及如何在海量應(yīng)用場景中找到PMF路徑，讓AI產(chǎn)品形成規(guī)模化、常態(tài)化的商業(yè)閉環(huán)，依舊是行業(yè)迫切需要回答的問題。
從技術(shù)特性和場景需求的適配性來看，智能客服領(lǐng)域或許是破解這兩大難題的優(yōu)質(zhì)切口。
首先，多輪對話理解是大語言模型的核心優(yōu)勢之一，而這恰好與客服場景的天然屬性高度契合。
客服場景中，用戶的需求往往需要通過多輪交互逐步澄清。例如用戶咨詢“商品退換貨流程”時，可能會延伸出“退換貨運費誰承擔(dān)”“退換貨后退款到賬時間”等一系列關(guān)聯(lián)問題。
傳統(tǒng)規(guī)則型客服系統(tǒng)往往只能應(yīng)對預(yù)設(shè)的單一問題，面對多輪追問易出現(xiàn)應(yīng)答斷層，而大語言模型憑借其強(qiáng)大的上下文理解能力與邏輯推理能力，能夠精準(zhǔn)捕捉用戶對話中的核心訴求與潛在疑問，實現(xiàn)連貫、流暢的多輪應(yīng)答，甚至主動預(yù)判用戶需求，提升交互效率。
其次，文本生成是大語言模型最成熟、最核心的能力模塊，而文本交互正是客服領(lǐng)域與用戶溝通的主要載體。
無論是在線文字咨詢、訂單留言，還是售后回復(fù)，文本都是客服場景中最基礎(chǔ)、最普適的交互形式，無需額外搭建復(fù)雜的交互載體。
除了技術(shù)與場景的天然適配，電商行業(yè)競爭焦點的變化，也在加速客服領(lǐng)域擁抱AI，并且從中挖掘新的商業(yè)價值。
“存量用戶運營”已經(jīng)成為電商競爭的核心焦點，這一趨勢下，2025年6月，淘寶天貓正式上線了新版店鋪評價體系——真實體驗分，將服務(wù)質(zhì)量納入平臺流量分配的核心考核指標(biāo)體系。日前舉辦的2026淘寶天貓商家服務(wù)大會上，更是直接喊出了“好服務(wù)構(gòu)筑增長韌性”的口號，倡導(dǎo)商家將服務(wù)體驗作為增長的新引擎。
這一調(diào)整意味著，服務(wù)能力不再是企業(yè)的“加分項”，而是影響流量獲取、訂單轉(zhuǎn)化的“必選項”——服務(wù)評分更高的商家，將獲得更多的平臺曝光資源，形成“好服務(wù)→高轉(zhuǎn)化→多復(fù)購”的正向循環(huán)。
這種策略導(dǎo)向的轉(zhuǎn)變，不僅重構(gòu)了電商行業(yè)的競爭邏輯，也讓作為服務(wù)核心環(huán)節(jié)的客服，迎來了價值重塑的契機(jī)。在Agent等AI工具的加持下，一些商家內(nèi)部，客服部門正在悄然從原來的“成本項”蛻變成如今的增長部門。
由淘寶天貓平臺官方出品，擁有十年積淀且不斷迭代求新的智能客服產(chǎn)品——店小蜜，正是這場轉(zhuǎn)變背后的重要推手之一。
回溯十年前，在“雙11”等模式創(chuàng)新的帶動下，電商行業(yè)迎來飛速發(fā)展。當(dāng)時，面對大促期間的海量咨詢，人工客服難以及時響應(yīng)，導(dǎo)致用戶滿意度不高和大量訂單流失。
在這一背景下，阿里推出了智能客服產(chǎn)品——店小蜜，通過預(yù)設(shè)關(guān)鍵詞、場景化問答庫等方式，實現(xiàn)了簡單咨詢問題的自動化應(yīng)答，大幅緩解了人工客服的壓力。
這套底層架構(gòu)憑借其高效、可復(fù)制的特性，被全行業(yè)廣泛借鑒，直接推動了電商智能客服行業(yè)的蓬勃發(fā)展，奠定了店小蜜在行業(yè)內(nèi)的標(biāo)桿地位。
十年間，電商行業(yè)的用戶需求、交易場景不斷升級，傳統(tǒng)智能客服的局限性也逐漸顯現(xiàn)。
基于規(guī)則的意圖識別和QA匹配模式，只能應(yīng)對預(yù)設(shè)場景內(nèi)的問題，面對用戶的個性化提問、模糊表述或復(fù)雜需求時，往往難以精準(zhǔn)應(yīng)答，只能轉(zhuǎn)人工處理，導(dǎo)致轉(zhuǎn)人工率居高不下。
同時，商家需要投入大量人力成本搭建和維護(hù)問答庫，尤其是新品上架、活動促銷等場景，需要頻繁更新規(guī)則，配置成本高昂。
而大語言模型浪潮的到來，為智能客服的迭代升級提供了技術(shù)突破口，也讓店小蜜迎來了二次創(chuàng)新的契機(jī)。
店小蜜業(yè)務(wù)負(fù)責(zé)人開鋒介紹，去年年初，團(tuán)隊在驗證了大語言模型技術(shù)對智能客服系統(tǒng)的提升效果后，做了一個大膽的決定——徹底顛覆過去十年里曾經(jīng)引領(lǐng)行業(yè)的技術(shù)架構(gòu)，基于大語言模型技術(shù)對店小蜜進(jìn)行徹底重構(gòu)。
2025年9月，AI原生的店小蜜5.0正式發(fā)布。測試階段數(shù)據(jù)顯示，店小蜜5.0幫助商家轉(zhuǎn)人工率降低20%以上，店鋪成交轉(zhuǎn)化率提升35%以上。
緊接著，店小蜜5.0又迎來了雙11的大考：在10月15日到11月2日期間，累計接待服務(wù)消費者3億人次。
據(jù)悉，目前已經(jīng)有百萬商家接入了店小蜜5.0，并取得了顯著成效。奧康鞋業(yè)就是其中之一。
奧康集團(tuán)客服主管林晶晶介紹，店小蜜5.0不僅幫助奧康實現(xiàn)了降本增效，還重構(gòu)了電商服務(wù)體驗：將過去的被動服務(wù)升級成了主動服務(wù)，標(biāo)準(zhǔn)化服務(wù)升級成了個性化服務(wù)，從而帶動了新的增長。
林晶晶回憶，之前每次大促，客服部門都是疲于應(yīng)對。如今把大量重復(fù)性工作交給AI后，人工客服就可以把更多精力投入到真正需要跟消費者溝通的場景上，去改善用戶體驗，降低品牌資損。
“過去的智能客服是一問一答或者答非所問，會導(dǎo)致用戶流失。店小蜜5.0上線后可以更好地判斷消費者意圖，做好需求的承接。過去很多消費者覺得，品牌售前服務(wù)做得很好，但到了售后就愛搭不理。店小蜜5.0也解決了這個問題，它可以通過SOP關(guān)聯(lián)訂單，更好地識別消費者需求，提升售后能力。”
通過更好的服務(wù)，在售前提升轉(zhuǎn)化，在售后進(jìn)行挽單、減少退貨帶來的資損，客服創(chuàng)造出了增量生意的機(jī)會。其在企業(yè)內(nèi)部的定位，也正從成本部門悄然轉(zhuǎn)換成增長中心。
《創(chuàng)新者的窘境》指出，上一個時代越是成功的企業(yè)或者產(chǎn)品，在新的技術(shù)浪潮到來時，往往越容易掉隊。然而，作為智能客服賽道的代表產(chǎn)品，店小蜜卻能夠橫跨十年始終引領(lǐng)創(chuàng)新，成為電商行業(yè)模式轉(zhuǎn)換的關(guān)鍵助力者。它是如何擺脫慣性進(jìn)行自我重構(gòu)的？在新的電商范式下，店小蜜5.0這樣的AI原生產(chǎn)品將帶來何種影響？未來它又會如何持續(xù)進(jìn)化？
針對這些問題，雷峰網(wǎng)(公眾號：雷峰網(wǎng))和淘寶店小蜜業(yè)務(wù)負(fù)責(zé)人開鋒進(jìn)行了一次深度對話，以下是我們的對話內(nèi)容：
店小蜜5.0是智能客服行業(yè)首個Agent原生產(chǎn)品，如何理解“Agent原生”這個詞？店小蜜5.0和其他智能客服產(chǎn)品最本質(zhì)的區(qū)別是什么？
開鋒：如果一個產(chǎn)品100%是基于大模型構(gòu)建的，我們就可以稱之為AI原生。店小蜜5.0這個產(chǎn)品從底層開始就是基于大模型構(gòu)建的，它上一代用到的小模型已經(jīng)完全被替換掉了。
現(xiàn)在行業(yè)有兩種做法：一種是在原來產(chǎn)品的基礎(chǔ)上用大模型做改良，只在某些鏈路環(huán)節(jié)或者模塊——比如意圖識別和內(nèi)容生成，采用大模型；另一種是跟店小蜜5.0類似的AI原生產(chǎn)品，這類產(chǎn)品相比于“改良派”，無論是在產(chǎn)品性能還是維護(hù)成本上都有顯著優(yōu)勢。
對比其他同類產(chǎn)品，店小蜜有兩點差異化優(yōu)勢：一是依托于平臺，店小蜜有非常多真實場景數(shù)據(jù)可以用來訓(xùn)練模型，以實現(xiàn)更加個性化的體驗；二是店小蜜可以對接平臺的許多接口和能力，實現(xiàn)從售前到售后的一體化解決，真正幫助用戶解決問題，比如物流查詢和國補查詢等等。以國補查詢?yōu)槔@個事情看似簡單，但做起來并不容易。因為每個省、市、地區(qū)的國補政策都不一樣，必須對接國家的相關(guān)平臺才能查詢到。
您提到店小蜜從底層開始進(jìn)行了全面重構(gòu)，這需要很大的決心和勇氣，畢竟在上一個十年里，店小蜜做得很成功。那么店小蜜是怎么跳出“創(chuàng)新者的窘境”的？
開鋒：店小蜜在2016年首創(chuàng)了基于意圖識別和QA匹配的智能客服產(chǎn)品形態(tài)。現(xiàn)在很多做智能客服產(chǎn)品的公司，要么是從店小蜜出去的人創(chuàng)辦的，要么是借鑒了店小蜜的產(chǎn)品架構(gòu)。這套產(chǎn)品架構(gòu)在過去十年里不斷發(fā)展，如今已經(jīng)走到了瓶頸，用戶滿意度始終沒有突破70%。
大語言模型誕生之后，我們發(fā)現(xiàn)這個技術(shù)非常適合用在客服這個場景。首先，多輪對話是客服場景的天然特點，而大模型恰好有非常強(qiáng)的多輪對話理解能力。其次，文本回復(fù)是客服領(lǐng)域和用戶交互的手段，而文本生成也是大模型最強(qiáng)的能力之一。
于是我們開始做一些小規(guī)模測試，用大模型對傳統(tǒng)的鏈路進(jìn)行改良，比如用大模型做意圖識別，發(fā)現(xiàn)效果有很大的提升，不過效果上限依舊比較有限。所以去年的這個時候，我們就做了一個決定，既然要改，就要改得更徹底一些，把上一代的意圖識別、QA配置全部去掉。我們在做了一些商家和流量測試之后，就非常堅決地把過去十年的那套技術(shù)架構(gòu)全部顛覆掉了，現(xiàn)在我們已經(jīng)有三分之一的流量切到了店小蜜5.0版本，未來還會更多。
如您所說，大模型的能力與客服場景十分契合。不過也有人提出，大模型仍無法完全規(guī)避幻覺的問題，在開放場景偶爾出現(xiàn)幻覺問題或許無傷大雅，但在客服這樣的封閉場景，如果回答不準(zhǔn)確，就有可能帶來品牌聲譽或者資產(chǎn)的損失，店小蜜如何來平衡當(dāng)中的風(fēng)險？
開鋒：的確如此。幻覺在客服場景是一個非常關(guān)鍵的問題。所以我們做了大量的工作來降低這部分的風(fēng)險。首先我們對模型進(jìn)行了大量的訓(xùn)練，讓大模型必須嚴(yán)格按照實際來回答。其次我們還做了多層次的安全檢測措施來降低幻覺率，如果有問題會轉(zhuǎn)成直接用商家的知識庫或者轉(zhuǎn)人工客服。最后我們通過產(chǎn)品可以讓商家來干預(yù)可能出現(xiàn)的問題。通過構(gòu)建這一套多層次的安全體系，已經(jīng)可以把幻覺控制在一個非常低的概率，這個能力也是店小蜜很核心的能力之一。
據(jù)說店小蜜幫助商家轉(zhuǎn)人工率降低了20%以上，原來的轉(zhuǎn)人工率大概是一個什么水平，通常哪些情況需要轉(zhuǎn)人工？
開鋒：原來的轉(zhuǎn)人工率我沒法給出一個絕對值，但這個數(shù)據(jù)確實是大規(guī)模商家實際測試出來的結(jié)果。一些較復(fù)雜的問題或者高客單的問題還需要進(jìn)入人工客服，我們發(fā)現(xiàn)店小蜜幫助商家回答了大量比較簡單的問題后，人工客服能有更多的時間來解決更加復(fù)雜的問題，服務(wù)水位整體也會變好。
另外在售后場景，我們還需要做比較大的提升。售后跟售前不太一樣，售前本質(zhì)上需要的是信息問答能力，這個相對好解決，售后則復(fù)雜得多。比如說退款，它需要一系列的解決方案才能搞得定。
除了降低轉(zhuǎn)人工率，店小蜜5.0還幫助商家降低了60%的配置成本，很多人對此可能沒有概念，您能否具體講講過去商家需要對智能客服產(chǎn)品做哪些訓(xùn)練和配置的工作，以及有了店小蜜5.0之后具體省去了哪些工作？
開鋒：上一代的知識庫里核心有兩塊內(nèi)容：一是用戶的問題分類，這個是平臺來做的；二是針對用戶的問題要怎么回答，這需要商家配置很多的question和answer，這個工作非常繁雜。比如說用戶問一款鞋子的材質(zhì)，商家得區(qū)別用戶問的是表面材質(zhì)還是內(nèi)襯材質(zhì)，是鞋底的材質(zhì)還是鞋幫的材質(zhì)，至少得配置4個QA。
為什么店小蜜5.0減少了很多這方面的工作呢？首先是大模型能夠自動挖掘和整合商品的很多信息，同時，它還能學(xué)習(xí)歷史對話，看針對某個問題過去人工客服是怎么回復(fù)的，商家只需要在這個基礎(chǔ)上做增量信息的補充就行了。而且，針對這部分增量信息，商家也只需要補充元信息就行，無需去一一配置怎么問和怎么答，節(jié)省了大量成本。
客服Agent在哪些環(huán)節(jié)可以幫助轉(zhuǎn)化率提升？怎么理解隨著大模型的深度應(yīng)用，客服正從成本部門轉(zhuǎn)變?yōu)樵鲩L部門？
開鋒：核心就是兩點，一是很多以前智能客服不能回答的問題現(xiàn)在能回答了；二是智能客服原來能回答的問題現(xiàn)在能答得更好了。
之前轉(zhuǎn)化率不好，是因為很多問題智能客服回答不了，需要轉(zhuǎn)人工，但大促的時候，人工響應(yīng)可能不那么及時。現(xiàn)在大模型整合了很多知識以后，客服agent的回復(fù)率漲了很多，基本80-90%的問題它都能回答。你能解決客戶的疑問了，他自然就更愿意買。此外，客服agent基于上下文的理解，回復(fù)能夠做到更準(zhǔn)確和更加擬人化，給消費者提供一定的情緒價值。雖然我們現(xiàn)在這個版本做得還不算特別好，但相比以前的固定式回答，已經(jīng)好了很多。
現(xiàn)在好像已經(jīng)有百萬商家接入了店小蜜5.0，大商家能夠取得顯著的成效，一方面是“勇敢的人先享受人生”，一方面也可能是他們本身能力就比較強(qiáng)。對于觀望的中小商家來說，他們可能會擔(dān)心自己無法復(fù)現(xiàn)這樣的效果。
開鋒：店小蜜5.0是開箱即用。現(xiàn)在已經(jīng)接入的百萬商家中就有大量的中小商家，從他們的試用結(jié)果來看，你即使什么都不做，效果相比之前版本也能有很大的提升，如果你能稍微做一些簡單的優(yōu)化和配置，提升就會非常明顯。這和上一代的店小蜜恰好形成了鮮明的對比。上一代店小蜜，也能找到能把用戶滿意度做到90%的，但是非常少，對商家的認(rèn)知和人員配置要求非常高。但店小蜜5.0對大部分商家來說都非常簡單，開箱即用，具有很強(qiáng)的普適性。
之前商家能夠節(jié)約這么多成本是因為免費試用，后續(xù)收費后還能保持這個效果嗎？
開鋒：我們的惠商政策沒有變，還是日均UV在2000以下的都免費，日均UV在2000以上的會收取一定費用，但也是很少的錢，現(xiàn)在相當(dāng)于加量不加價。集團(tuán)投入了大量的GPU資源，目的就是幫助商家降本增效。
而且技術(shù)也在快速發(fā)展，過去兩年AI的推理成本在大幅下降。長遠(yuǎn)來看，隨著技術(shù)的發(fā)展，AI的使用成本一定會大幅下降，就像當(dāng)年的5G流量一樣。
在售后場景，用戶很多的時候是帶著情緒的，客服除了要提供解決問題的方案，還要安撫用戶的情緒，AI能夠解決第二個問題嗎？
開鋒：這個問題要分兩個層面來看，售后首先要實實在在地解決問題，這個才是最關(guān)鍵的。在這個基礎(chǔ)上，你能夠跟用戶共情，同時讓用戶也能理解你，自然是更好的。但這個只是錦上添花，你不能只提供情緒價值，不解決實際問題。所以現(xiàn)階段我們還是更聚焦于如何更好地為用戶解決問題，做好這個之后再來考慮怎么加上情緒的理解和感知，讓消費者體驗更好。
店小蜜5.0這個產(chǎn)品，今年還會在哪些能力維度重點迭代和優(yōu)化？商家有哪些可以做的呢？
開鋒：一是在售前環(huán)節(jié)，要從能回答變成回答得更好。二是在售后環(huán)節(jié)完善工具的覆蓋和能力，提升解決問題的能力。三是智能輔助功能，幫助人工客服更好地使用AI。
對于商家來說，我們今年會開放兩個關(guān)鍵部分：知識和策略。通過知識的開放，商家可以引入商家內(nèi)部的文檔或者知識庫。通過售前和售后的策略開放，商家可以實現(xiàn)更加個性化和差異化的能力。同時我們?nèi)ツ晖ㄟ^ISV等一直在接入商家自己的內(nèi)部能力，今年也會繼續(xù)加強(qiáng)。通過上面三個部分的開放，相信可以讓商家可以更好的提升智能客服的服務(wù)能力。雷峰網(wǎng)雷峰網(wǎng)
雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。
