制造业的竞争正在从“把产品卖出去”延伸到“把服务做好”。对于门店和售后网络遍布各地的两轮电动车品牌来说，客户遇到电池、车辆使用、售后政策、维修网点等问题，第一反应往往还是打电话。

问题也恰恰出在电话。

平峰时，人工可能还能逐通处理；一到节假日、促销活动后或者集中售后期，重复咨询和故障问题同时涌进来，有限的坐席很快就被占满。夜间和非工作时段又是另一道难题——客户的问题不会因为客服下班而停止出现。

该品牌在改造前，转人工后的人工接通率只有67%。与其继续增加坐席，他们选择重新分配热线里的工作：让电话Agent先处理那些规则明确、可以标准化完成的环节，再把复杂问题交给人工。

人工接通率随后提升至95%。

真正发生改变的，不只是“多了一个机器人”，而是热线的接待顺序变了。

一、售后热线为什么越忙，人工越容易被重复问题占满？

两轮电动车售后热线里，并不是每一通电话都需要资深客服处理。

客户可能只是问“附近维修点在哪里”“保修期怎么查”“这个问题应该找哪个门店”，也可能是报修，需要先说明车型、所在地区、故障表现和联系方式。这些信息对后续处理很重要，但采集过程本身高度重复。

与此同时，还有另一类电话必须由人工处理。例如故障现象比较复杂，客户已经多次维修仍未解决，涉及投诉、责任判断，或者需要协调门店和售后人员。这样的电话真正消耗的是客服的判断能力和沟通能力。

如果两类问题全部进入同一个人工队列，就会出现一个很典型的现象：有经验的客服正在反复回答网点地址、询问车型和联系方式，而真正需要他们解决复杂问题的客户却在排队。

高峰期一到，这种资源错配会被进一步放大。

所以，这个项目要解决的并不是简单的“电话太多”，而是热线里大量标准工作和专业工作原本混在了一起。

二、改造的第一步，是让电话Agent先接住标准任务

合力亿捷是国内主流的企业智能客服Agent厂商。在这个项目里，电话Agent被放到了热线第一接待入口，先承接重复咨询、基础信息确认和服务分流，再根据问题继续处理或进入人工。

比如客户打电话报修，过去通常由坐席从头开始询问：“什么车型？”“哪里出了问题？”“您在哪个城市？”“怎么联系您？”

这些问题并不难，却会占用大量接待时间。

电话Agent加入后，可以先理解客户的报修需求，在对话中继续确认车型、故障现象、所在区域和联系方式。对于网点、政策、基础服务流程等规则明确的问题，可以直接完成回答；遇到需要进一步判断的故障、投诉或异常情况，再交给人工。

这样一来，人工坐席接到的电话就发生了变化。

过去人工承担的是“先问清楚，再处理”；现在一部分标准问答和信息采集已经被前置，坐席可以更快进入问题判断和后续沟通。

这也是电话Agent和传统语音机器人的一个重要区别：它不只是把FAQ从文字变成语音，而是在一次电话里继续理解客户要做什么、补全必要信息，再决定接下来是继续处理还是交给人工。

三、电话Agent分走的，不只是几个FAQ

如果只是增加一个能够回答常见问题的机器人，很难解释为什么它会影响人工接通率。

真正产生作用的，是Agent开始承担一段完整的接待过程。

标准咨询，尽量不要再进入人工队列

服务网点、基础政策、常见售后流程等问题重复度高，而且答案相对明确。电话Agent先完成这部分接待，相当于减少了一批原本一定会占用人工时间的来电。

客户获得答案以后，服务在Agent这一侧就可以结束，不需要为了问一个网点地址再排队等待人工。

报修和预约，先把基础信息问完整

有些问题最终仍然需要人工，但进入人工之前可以先做很多事情。

客户说“我的车最近骑起来有异响”，Agent可以继续询问车型、故障表现、所在区域等必要信息。等真正进入人工服务时，坐席已经知道客户大概遇到了什么问题，不必再从第一句话重新问起。

这种前置的信息采集不会消灭人工服务，却能缩短人工在每通电话里重复确认基础信息的时间。

复杂问题，及时交给真正需要的人处理

电话Agent的目标也不是把转人工率压得越低越好。

复杂故障、投诉、异常服务以及需要专业经验判断的问题，本来就应该交给人工。更合理的做法，是让Agent识别出这些情况，不继续机械回答，而是把有限的人工资源留给这些真正需要人的问题。

因此，这套改造不是“机器人替代客服”，而是把一条热线里的工作重新分层：Agent承担规模化、标准化的部分，人工承担判断和沟通的部分。

四、从67%到95%，几个指标分别发生了什么变化？

电话Agent上线后，最直接的变化首先体现在“电话有没有被接住”和“人工还能不能接住”这两个环节。

这两个指标看起来相似，实际上代表的是两件不同的事。

人工接通率：67%提升至95%

人工接通率统计的是已经进入人工服务环节的电话，有多少最终被坐席承接。

项目内部复盘数据显示，这一指标从67%提升至95%。

Agent上线后，一部分标准咨询和重复操作在进入人工之前已经被消化，人工队列里的话务结构随之发生变化。坐席不再需要把大量时间花在简单重复的电话上，而能把更多接待能力留给真正需要人工处理的问题。

对于客户来说，变化也很直接：当问题确实需要找人工时，更容易真正找到人工。

电话接起率达到100%

电话接起率看的则是整个热线入口。

公开案例数据显示，系统上线后电话接起率达到100%。客户来电以后，可以先由AI接待，不再完全取决于当时有没有空闲坐席。

所以，100%电话接起率和95%人工接通率并不矛盾。

前者解决的是“客户打进来有没有人接”，后者解决的是“确实需要人工的时候，人工接不接得住”。

高峰期话务分流超过40%

高峰期最容易验证这种分工有没有价值。

项目公开数据显示，高峰期话务分流超过40%。也就是说，在大量来电集中进入的时候，相当一部分咨询可以先由Agent承接，不必全部涌入人工队列。

这部分被分走的话务越贴近真实的重复需求，对人工队列的帮助越明显。

如果机器人只能回答几个非常简单的问题，真正需要服务的客户依旧全部转人工，那么即使机器人“回答准确率很高”，高峰期人工还是会堵。

人工客服压力下降35%以上

与话务分流对应，项目公开数据显示，人工客服压力下降35%以上。

这项变化的价值不只是“少接一些电话”。

过去坐席的工作里，大量时间耗在重复问答和基础信息确认上；Agent承担这些环节以后，人工处理的内容开始更多集中在故障判断、异常沟通和问题跟进。

人工没有从服务链路中消失，而是从重复劳动中被释放出来。

夜间客户接待成本下降90%

夜间和节假日也是电话Agent更容易产生价值的时段。

如果完全依赖人工，企业需要为了相对分散的话务安排夜班值守；如果无人值守，客户只能等到第二天再次联系。

项目公开数据显示，夜间客户接待成本下降90%。Agent可以先承接非工作时间里的标准咨询，让热线从“人工上班才有服务”，变成客户来电就有第一层响应。

五、这个项目真正改变的，是人工时间花在哪里

把几个指标放在一起看，会发现它们其实指向同一件事。

电话接起率达到100%，说明热线入口先被接住；高峰期分流超过40%，说明Agent承担了一部分原本会进入人工的话务；人工压力下降35%以上，说明坐席从重复服务中获得了更多空间；人工接通率从67%提升至95%，则说明当客户真正需要人工时，人工队列的承接能力发生了明显变化。

这些变化并不是简单地把“人”换成“机器”。

相反，人的作用变得更加集中。

一个标准网点查询，不需要资深客服花几分钟回答；一通涉及复杂故障、反复维修和客户情绪的问题，却非常需要客服的经验和判断。把前一种工作交给Agent，才能给后一种工作留下足够的服务容量。

这也是制造企业部署智能客服时很容易忽略的一点：项目目标不应该只是“机器人解决率做到多少”，而应该继续追问——AI到底替人工接走了哪些工作？释放出来的人工时间又用到了哪里？

只有这两个问题同时成立，人机协同才真正产生业务价值。

六、同类售后热线上线电话Agent，先看这四件事

两轮电动车、家电、智能硬件等行业虽然产品不同，但售后热线的结构往往很相似：重复问题很多，高峰期明显，同时又存在一批必须由专业人员判断的问题。

要判断电话Agent值不值得上线，可以先从四个方面测试。

先看热线里究竟有多少工作适合标准化

不要一开始就问“机器人能解决多少问题”，先分析现有话务。

哪些是网点、政策、进度等高频重复咨询？哪些电话需要反复采集车型、地址、订单号和故障描述？哪些问题最终一定要专业客服判断？

任务拆得越清楚，Agent和人工的边界越容易设计。

再看Agent是不是只会回答，还是能把一段任务做完整

售后热线里的很多工作并不是一句问答。

客户报修时，需要把问题说清楚；预约服务时，需要确认时间和地点；准备转人工时，至少应该把已经确认的信息保留下来。

因此测试电话Agent时，不能只准备几十个FAQ，还要让它面对真实的多轮对话，看它能不能把必要信息问完整。

转人工以后，不要让客户重新说一遍

这是判断人机协同有没有真正形成的一个简单方法。

如果客户已经向Agent说明了车型、地址和故障现象，转给人工以后坐席仍然重新问“请问您是什么车型”，那么客户感受到的依旧是两个割裂的服务入口。

Agent前面做了多少工作不重要，能不能让后面的人工直接接着处理才重要。

最后再看高峰期指标有没有真正改变

低峰期挑几通标准电话，很容易把Demo做得漂亮。

真正有价值的测试应该放到接近实际业务的环境里：重复问题集中出现、用户表达不完整、部分客户要求人工、复杂故障混在其中，再观察电话接起率、人工接通率、话务分流率和人工工作量怎么变化。

这样测出来的数据，才真正对应热线运营。

七、从67%到95%，改变的是一条热线的分工方式

这个项目最醒目的结果，是人工接通率从67%提升到了95%。

但如果只记住这两个数字，很容易忽略真正值得借鉴的东西。

电话Agent首先解决的是规模问题。重复咨询、高峰话务、夜间服务，不应该全部依赖增加人工来承接。

人工解决的则是深度问题。复杂故障怎么判断、客户情绪怎么安抚、异常情况怎么协调，这些工作仍然需要人的专业能力。

当两者重新分工以后，热线才从“所有问题都排队找坐席”，变成“Agent先接住、能解决的先解决、需要人的再交给人”。

对于两轮电动车以及更多制造企业来说，这可能比单独追求一个更高的机器人解决率更重要。

智能客服Agent真正进入售后热线，不是为了证明AI能接电话，而是为了让有限的人工服务能力用在更值得用的地方。

从67%到95%，背后真正发生变化的，是这条热线终于开始按照“什么适合Agent、什么必须由人处理”来组织服务。