客服用 AI 整理 FAQ 知识库:把重复问答沉淀成可检索的知识库
负责在线咨询、售后处理和投诉跟进的客服专员,日常工作里同类问题反复回答,遇到情绪激动的客户还要斟酌措辞,知识库更新也跟不上。同样的问题每天被问几十遍,把它们沉淀成 FAQ,再接入 AI 问答,可以大幅减少重复回答。下面以客服的真实场景为例,演示用 AI 整理 FAQ 知识库的完整流程:收集历史问答和规则文档,让 AI 归纳问题、写标准答案并标注来源,再导入知识库或 AI 问答工具。
典型场景
客服每天都会被顾客问到很多重复的问题,答案散落在聊天记录和各种文档里。新人接手时更是只能一个个问老同事。而且客服手上通常同时压着“更新退换货政策话术”之类的事情,如果每次都从零开始,很容易顾此失彼。
用什么工具
整理 FAQ 用对话助手即可;需要做成可提问的知识库时,可以使用飞书知识问答、钉钉 AI 助理、Notion AI、腾讯元器等支持基于文档回答的工具,或者自行搭建 RAG 问答系统。
案例:一次完整的使用过程(虚构)
先看一个虚构但很典型的例子。陈姐是一位负责在线咨询、售后处理和投诉跟进的客服专员,这周手头的事情包括“整理物流延迟相关的标准回复”和“更新退换货政策话术”,偏偏这时又需要整理 FAQ 知识库。陈姐没有从空白页开始,而是先花几分钟把相关材料整理好,按下面的提示词交给 AI,拿到初稿后对照原始资料逐条核对,再补上自己的判断。整个过程中,陈姐特别留意不把顾客姓名、电话、地址和订单号放进对话里。
具体怎么做
- 收集一段时间的聊天记录、邮件和规则文档
- 删除个人信息后交给 AI 归纳高频问题
- 人工审核答案,补充例外情况
- 导入知识库工具,定期根据新问题更新
可复用的提示词
提示词的关键是把背景、要求和输出格式写清楚:
【背景】最近在处理“整理物流延迟相关的标准回复”,同时要准备“更新退换货政策话术”。
我是客服,下面是近一个月顾客的提问记录(已脱敏)和相关规则文档。
请:
1. 把问题归纳为不超过 20 个标准问题,合并意思相同的提问
2. 按出现频率从高到低排序,标注大致频次
3. 只根据规则文档写标准答案(100 字以内),并注明依据的文档和章节
4. 规则文档中找不到依据的问题,标注“需人工补充”,不要自行编写答案
5. 为每个问题列出 2-3 种常见的提问方式,便于检索匹配
提问记录:(粘贴)
规则文档:(粘贴或上传)
示例输出(仅供示意)
以下是一段示意性的输出,内容基于虚构的工作记录,仅用于展示格式和思路,实际结果会因工具和输入不同而变化:
标准问题 频次 标准答案 依据 常见问法 处理一般需要多久? 高 正常情况下 3 个工作日内完成,特殊情况会提前通知 规则文档第 2 节 多久能好?要等几天? 需要准备哪些材料? 高 请准备……(按文档列出) 第 3 节 要带什么? 可以加急吗? 中 需人工补充 — 能快点吗? 说明:“可以加急吗”在规则文档中没有找到依据,建议由负责人确认后补充。
拿到类似的结果后,陈姐的做法是先核对事实和数字,再结合“更新退换货政策话术”的安排调整重点,最后才对外使用。
避坑指南
- 答案必须以正式规则为依据,AI 自行补全的答案可能与实际不符。
- 知识库上线后要设置兜底:答不上来就转人工。
给客服的特别提醒
让 AI 先识别客户情绪,再给出安抚加解决方案的回复结构。同时要记住:涉及退款金额、赔偿和责任认定的回复,必须按公司规则人工确认后再发出。
很多客服还会这样做:把公司真实的售后政策贴给 AI,要求它只依据政策回答,不要自行承诺。
还可以这样用
- 新人手册:把 FAQ 整理成入职必读文档。
- 自动回复:把高频问答配置成自动回复规则。