$天潤雲(02167.HK)

在很多行業，客服團隊都面臨同一個問題：人越來越多，成本越來越高，但用户體驗不僅無法繼續提升，反而隨着業務規模的增長逐漸惡化。

互聯網打車平台是這個問題最明顯的爆發點之一。

作為高頻出行服務，打車平台每天要服務大量用户，圍繞訂單、費用、司機行為、遺失物品等問題，持續產生客服需求。很多問題發生在行程中或剛結束時，既着急，又涉及安全和財產，而且用户往往帶着情緒，客服一旦響應慢一點、解釋多一點，矛盾就很容易被放大。

當然，這也不是打車平台獨有，類似的情況在零售售後、物流履約、外賣平台、金融服務等多個行業中不斷出現：用户規模持續擴大，服務窗口被拉長到 7×24 小時，而客服體系仍然高度依賴人工。

正是在這樣的背景下，AI Agent 開始走向客服一線，嘗試承擔接待、處理和流轉等核心工作。天潤融通服務的一家頭部聚合型打車平台的實踐，正是一次具有代表性的探索，也為這一類複雜客服場景提供了可被借鑑的樣本。

一、為什麼在打車平台，客服問題會被無限放大

在打車平台這樣的高頻服務場景中，客服問題的複雜性，並不只來自 “問題多”，而是來自多種壓力的同時疊加。

首先，客户數量大，問題多，且具有明顯的高時效性和高情緒特徵。

作為國內頭部的聚合型打車平台，其月活躍用户接近 6 億，每天都有大量用户圍繞訂單、費用、司機行為、遺失物品等問題向客服發起諮詢和投訴。

這些問題多發生在行程中或行程剛結束時，直接關係到出行安全和個人財產。用户聯繫客服務時，往往不是為了諮詢規則，而是希望問題能被儘快解決。任何等待或反覆確認，都容易被放大為不滿情緒，給一線客服帶來較大壓力。

其次，是服務鏈路本身的高度複雜。

該平台採用的是聚合型打車模式，並不直接提供運力服務，而是由多家網約車公司通過平台承接訂單。這意味着，平台客服在處理問題時，往往需要同時對接不同的服務方。

一個看似簡單的投訴或諮詢，背後通常需要完成訂單確認、問題同步、工單創建、結果核實與反饋等多個環節，涉及多個系統和責任主體。服務鏈路被拉長，也顯著增加了人工客服的操作負擔和出錯風險。

第三，是服務需求與人力供給之間的結構性錯配。

打車需求並不遵循朝九晚六的工作節奏。早晚高峰和夜間出行同樣存在眾多客户諮詢需求。但該平台的人工客服上班時間固定在早上 9 點到晚上 6 點，非工作時間只能通過留言或延遲處理來應對，直接影響響應速度和用户體驗。

面對這樣的服務場景，以及這樣的服務節奏下，客服團隊需要同時應對高併發的諮詢請求、嚴格的響應時效，以及跨平台、跨主體的複雜處理流程。即便持續增加人手，也很難在效率、體驗和成本之間取得平衡。

也正是在這樣的背景下，平台開始引入 AI Agent，嘗試用 ZENAVA 介入一線客服接待與問題處理，重構原有的服務模式。

二、三類問題，決定 AI 與人工如何協同

引入 ZENAVA 之後，這家頭部聚合型打車平台的客服體系很快發生了變化。

ZENAVA 接管了大量基礎諮詢和標準問題的應答，在訂單查詢、費用規則、常見投訴等場景中，AI Agent 可獨立完成接待，獨立應答率超過 65%，有效分擔了一線人工座席的接待壓力。

同時，ZENAVA 可以 7×24 小時持續在線服務，打破了原有人工客服的服務時段限制，客户滿意度也隨之提升。

而實現這一效果，並非簡單地 “用 AI 替換人工”，而是建立在對客服問題的清晰拆解之上：通過為 AI 劃定明確的業務邊界，並打通相關業務數據，使其與人工客服形成高效協同，從而充分發揮 AI 的價值。

基於長期客户服務的實踐經驗，我們將將該平台所有的客服問題大致劃分為三類，並據此為 AI Agent 設計了不同的處理策略：

第一類，是客户以 “辦事” 為核心的問題。

例如優惠券未使用，費用異常、用車諮詢與預訂等，客户的核心訴求非常明確：解決問題。

針對這類問題，ZENAVA 可以直接理解用户訴求，並以最快的效率完成處理。目前 ZENAVA 的獨立解答率已超過 65%。

而且在需要進一步處理的場景中，ZENAVA 不僅 “能回答”，還可以 “把事辦完”。例如優惠券未生效導致多扣費的情況，ZENAVA 可在識別問題後自動創建工單並完成流轉，不再需要人工干預。

第二類，是以情緒宣泄為主的場景。

例如針對司機服務態度或行為的投訴，客户往往更需要被認真傾聽，而非反覆解釋規則。

在這類場景中，ZENAVA 會重點識別用户情緒。一旦判斷用户情緒強烈，AI 會第一時間將會話轉接給專業的人工客服，為客户提供情緒釋放的出口，避免因機械應答而進一步激化矛盾。

第三類，是問題與情緒並存的混合場景。

例如貴重物品遺失且多次聯繫司機無果，客户既焦慮，又急需解決問題。

面對這類情況，ZENAVA 會優先嚐試協助解決問題，同時持續監測客户情緒變化。一旦在處理過程中出現明顯不耐煩或情緒升級，AI 會及時完成轉人工，並同步問題背景和溝通要點，由人工客服接替完成後續服務。

通過對問題類型的清晰劃分，以及 AI 與人工邊界的明確設計，ZENAVA 得以在大量高頻場景中穩定分擔工作，而人工客服則專注於真正需要人工判斷和情緒溝通的部分。

這家頭部聚合型打車平台的實踐表明，在高併發、高情緒、強時效的客服場景中，單純依靠人力堆疊，已經難以支撐業務繼續增長。傳統以人工為核心的客服模式，正在逼近效率和體驗的雙重上限。

真正的突破，來自思路的轉變——從人力驅動，走向 AI 驅動。通過讓 AI Agent 承接高頻、標準化、流程型工作，人工客服得以專注於更復雜、更有價值的服務，客服體系才能實現效率與體驗的同步提升。

如果你所在的業務也面臨類似挑戰，歡迎與我們一起開展 POC 場景驗證，用真實業務數據，驗證 AI Agent 帶來的改變。

$天潤雲(02167.HK)