顧客問「座高幾公分，配我家七十二公分的餐桌會不會太高」，客服翻了商品頁、兩份版本不同的供應商檔案、一份寫著舊款數據的簡報，第七分鐘才在採購群組找到答案——但顧客第四分鐘就離線了，同一天另一位客服還憑記憶給了舊款的錯誤數字。 這一集示範怎麼讓碎在四個地方的東西三十秒變成一句準確的話，以及一條上線前就要調對的提示詞金律：只寫「摘要重點」絕對會出事，必須明確要求保留數字與版本差異。
這裡是智庫引擎，專為企業設計的知識庫。本集我們走進零售與電商。
畫面上這個標題把因果講得很清楚：把碎片，煉成訂單。
您看那張圖，左邊是一堆各自飄散的碎塊，越往右越收束，最後變成一條金色的實線。
右下角那一句，是這一集的核心：客服的每一秒沉默，都是流失的轉換率。
在這一行，答不出來不是效率問題，是當下就掉單。
我們看一個很小的問題，實際上怎麼跑。
顧客問：座高幾公分？我家餐桌七十二公分，會不會太高？
第一分鐘，客服開商品頁——上面只有總高，沒有座高。
第三分鐘，翻出兩份供應商的檔案，版本還不一樣。
第四分鐘，找到一份簡報檔，可是寫的是舊款數據。
第七分鐘，終於在採購群組裡找到一句話：這款座高是四十五。
但請看底下那條曲線——顧客在第四分鐘就已經離線了。
畫面最底下那一行更痛：另一位客服在同一天，憑記憶給了顧客舊款的錯誤數字。
一個走掉，一個答錯，而答案其實一直都在公司裡。
而且這件事每天都在發生，只是沒有人統計。
掉單不會有人來申訴，它就是安靜地消失。
這一頁把問題的形狀畫出來了。
中間那個保險箱被劃掉了——意思是，並沒有一個地方把東西鎖在一起。
四周飄著的是什麼？供應商型錄、採購群組紀錄、商品訓練簡報、退換貨政策。
每一份都在，每一份都有人做過，但它們互相不認識。
中間那句引言講得非常準：我們不是沒有資料，我們是把資料放在沒有人維護的地方。
畫面最底下那一行是結論：零售業的知識問題不是稀缺，而是極度分散的碎片。
既然不是稀缺，那再多做一份資料，也解決不了。
多做一份，只是多一個沒有人維護的地方。
真正要處理的是「怎麼把散在四處的東西，湊成一句可以用的話」。
為什麼一定會慢？
畫面上四個箭頭，全都指向中間那位客服。
左上，品項太多。六千多個品項，乘上十幾個屬性，而且每一季換新。人腦記不住，這不是誰的問題。
右上，天生分散。供應商型錄、平台規則、行銷促銷，分屬完全不同的系統與部門。
左下，這一格是這一行的關鍵：情境對規格。
顧客問的是「配七十二公分餐桌合適嗎」——那是情境；原始資料只寫「座高四十五公分」——那是規格。
中間那一層換算，現在是靠客服自己做。
右下，秒級壓力。線上對話的容忍度是三十秒，而傳統查找需要七分鐘。
三十秒對七分鐘，這場仗從一開始就輸了。
所以目標要重新定義。
畫面左邊那張被劃掉的試算表，是多數公司的第一反應：我們來做一份更完整的商品規格表。
這條路為什麼不行？因為六千個品項乘上十幾個屬性、每季換新——那張表做完的當天就開始過期。
畫面右邊才是對的目標：碎在四個地方的東西，能在三十秒內變成一句準確的話。
請注意這句話的重點不在「整理」，在「變成一句話」。
顧客要的不是規格表，是一句「可以」或「不可以」。
而且這句話還要在三十秒內講出來。
慢了，答案再正確也沒有用——因為人已經走了。
那要怎麼做到？
畫面上這條產線，三段。
左邊是進料端，匯入原料：供應商型錄、退換貨政策、商品訓練的錄影。
中間是清洗端：去掉贅字，把不該外流的資訊蓋掉，然後分類、摘要。
右邊是蒸餾端，輸出互相連結、隨時可以查詢的知識節點。
標題那句話請記住：知識庫不是雲端硬碟，而是一條提煉產線。
兩者的差別很簡單——硬碟裡放的還是那份供應商檔案，產線出來的是「這款座高四十五」這個可以直接用的事實。
而且請注意左邊那一項「商品訓練的錄影」。
那種檔案通常放著沒人看，可是新品說明會上講的細節，往往就是客服最需要的東西。
實際輸出長什麼樣子？
畫面上這一段，值得逐句看。
第一段：現行款座高四十五公分，建議搭配桌高七十二到七十六公分，七十二在建議範圍內。
右邊的標註叫精準判斷——它把四十五的規格跟七十二的情境結合起來，直接給結論，不是丟一個數字讓客服自己換算。
第二段：注意舊款座高為四十二公分，回覆前請確認顧客詢問的款式。
右邊的標註叫防錯機制。
請注意，顧客沒有問舊款，是系統主動提醒的——這一句就擋掉了第二頁那位答錯的客服。
第三段是出處：某某系列商品訓練資料、供應商型錄。
右邊的標註叫溯源查核。
客服看得到依據，回覆的時候才有底氣。
不過講到這裡，零售業的老闆一定會問一個問題：怎麼確定它答得準？
畫面左邊那個打開的箱子跟一顆星，就是答錯的代價：答錯一個尺寸，等於一次退換貨，加上一則負評。
退換貨算得出來，負評算不出來，而負評活得更久。
畫面右邊是一支游標卡尺，量著四十五點零零。
底下那段話是重點：多數工具要您自己判斷準不準；這套系統做到的是——上游的品質，可以被精確量測。
「自己判斷」跟「量得出來」，差別就在於前者沒辦法驗收，也沒辦法跟老闆交代。
而且量得出來還有一個好處：分數不好的時候，您知道要調哪裡，而不是換一套系統重來。
怎麼量測？
畫面上兩支儀表，上游一支、下游一支。
左邊是清洗品質評測，測的是：原始資料轉成知識的時候，有沒有漏掉關鍵字。
底下那條提示詞金律請一定要記住：必須明確要求保留數字與版本差異。
只寫「摘要重點」，絕對會出事。
為什麼？因為摘要重點的結果可能是「這款餐椅適合一般餐桌」——這句話完全正確，也完全沒用。
右邊是查找品質評測：把真實的客服歷史問題匯進來，測系統撈不撈得出正確的商品資料。
用歷史問題來測，這一點很聰明——那些題目本來就是顧客真的問過的。
畫面最底下那句話是整頁的重點：在正式上線前就把提示詞調對，而不是等客訴發生才發現。
還有一道防線，在這一行特別重要。
畫面中央那面盾牌上寫著四個字：查無依據。
左邊是觸發機制：當相似度不足，或者撈到的內容沒辦法回答這個問題，系統會拒絕硬湊一個答案。
右邊是核心價值：對零售業來說，一句誠實的「查無依據」，比一個看起來很肯定的錯誤數字安全得多。
請想一下這個場景：客服拿到一個很肯定的錯誤尺寸，他不會懷疑，直接就回給顧客了。
兩週後貨到，顧客量了一下，退貨加負評。
所以「答不出來」不是缺點，它是刻意設計的安全閥。
而且它還幫客服做了一件事：告訴他這一題要去問人，不要自己猜。
導入前後，畫面上是兩個世界。
左邊那個沙漏：請稍候，我為您查詢——接著是五分鐘的空白，顧客離開對話，結果是流失一張訂單。
右邊那道閃電：這款配您七十二公分的桌子剛好！三十秒內完成精準回覆，結果是成交一張訂單。
同一個顧客、同一個問題、同一批商品資料。
差別只在於那五分鐘。
右邊三格是可以合理期待的變化：首次回應時間減半、退換貨客訴下降、新人上線時間縮短五成。
提醒一句，這些是導入目標與合理預期，不是實測保證值。
最後這一頁，是一個很值得算的數字。
畫面左邊那個大大的七成，來自一個問題：您們客服每天回答的問題，有幾成是重複的？
底下那兩句話是同一件事的兩面：這代表七成的人力正在做重複的事，也代表七成的答案能被完美標準化。
所以這件事的天花板，不是省一點時間，是那七成。
右邊兩個步驟。
第一，盤點哪一類商品最常被問錯，就從那個品類開始試點。
第二，用您自己真實的歷史對話，實際量測一次清洗與查找的準確度。
別人的準確度不算數，您自己的題目測出來的才算。
畫面最底下那行小字也要念：本集情境取材自示範案例，數字是導入目標與合理預期，不是實測保證值。
聯絡方式就在畫面上。
這裡是智庫引擎，我們下一集見。
沒有留言:
張貼留言