某连锁餐饮品牌：客服Agent把人工工单压掉四成

客户背景

该品牌在全国有数百家门店，客服中心约 40 人。高峰期咨询集中在午市和晚市两个时段，其余时间人力闲置——典型的潮汐型负载。

我们做了什么

1. 场景诊断：拆解近三个月的工单，发现 68% 属于高重复度的标准问答（营业时间、优惠规则、门店位置、退改政策）
2. 知识库建设：将品牌制度、菜品信息、门店数据整理为结构化知识库，并统一了各门店的口径
3. Agent 开发：基于 RAG 架构搭建客服Agent，接入现有工单系统，支持情绪识别与自动升级人工
4. 驻场调优：上线后连续四周跟踪任务成功率，迭代了 3 个版本的话术与转人工策略

结果

• 人工客服成本降低 42%
• 高峰期平均首次响应时间从 47 秒缩短到 3 秒内
• 转人工率稳定在 22%，且转接时已带上下文，人工处理效率同步提升

关键不在模型有多强，而在于我们把 68% 的高频问题从"需要判断"变成了"可以查表"。