幾個月前，淘天客戶運營部悄悄做了個對照實驗。

當買家進入AI店小蜜時，他們隨機把1%的流量還給人工客服去接待，此為“純人工”的對照組。剩下99%讓AI來承接，如果AI搞不定，再轉人工，為“AI+人”的實驗組。

結果讓所有人沉默——從今年3月開始，"AI+人"的整體轉化率，在白天全時段、甚至每一個小時里，都超越了純人工客服。

這意味著，AI客服，第一次在"做生意"這件事上，跑贏了人。

5月11日，阿里正式把這個開發了一年多的AI店小蜜交給商家。這是電商行業首個同時具備售前、售后辦事能力的客服Agent。

十年前，為了應對大促的流量洪峰，阿里巴巴就推出過AI客服。但在漫長的一段時間里，受限于底層的技術架構，它給人的感覺都是“機械的”“笨笨的”，只能執行簡單的、基于規則的問答。

面對一些“超綱”的問題，傳統AI客服就會陷入邏輯的死胡同。逼得買家不耐煩地打出“轉人工客服”。

很多消費者排斥甚至反感遇到AI客服，癥結不在于它是機器，而在于它“不懂消費者”，無法實際解決問題。

隨著大語言模型浪潮的席卷，如今，AI客服也迎來了迭代的機會。人們關注的早已不是“要不要用AI”，而是“怎么用”的問題。

去年9月，AI版店小蜜在淘寶天貓商家中灰度上線。到今年3月，其與消費者的日均對話量已經超過了千萬次，超100萬個商家，開始讓AI店小蜜和人工客服協同工作。

這些品牌與商家，也開始重新定義“客服”這個角色的價值。

過去，客服被視作純粹的成本中心，承擔著解答疑問、平息客訴的職能，也是決定成交的關鍵閥門。

而在算力與模型的加持下，AI客服開始扛起轉化的重擔，向“客戶運營”的職能演進。

推倒重來

一年半前，淘天集團客戶運營部負責人占利軍和團隊做出了一個決定，將淘天平臺官方客服中心，率先進行全面的AI化。

300多名頂尖的算法和研發工程師被集結起來，將原有的AI客服系統直接推倒重來。

擺在他們面前的，是一根難啃的骨頭。

新的AI客服系統要解決的不再是“退款進度”“物流走到哪了”這種單線問題，而是復雜的投訴、糾紛、退換、維修、丟件等。

淘寶天貓的商品豐富度極高，這也意味著規則的龐雜。服飾行業面臨的是色差爭議、質量問題，生鮮行業要處理的是腐爛賠付，不同品類的處理規則和售后標準截然不同。光是消費者和商家交織的矩陣類型，就超過了1萬多種。這些，統統需要AI去消化和處理。

而平臺的售后是一個近乎零容忍出錯的嚴肅場景。大模型一旦產生一次“幻覺”，或者做錯一次判決，帶來的直接后果就是商家的資金損失，或是引發平臺的輿情危機。

占利軍是個寫了十多年代碼的算法工程師，他很清楚，猶豫的成本將遠遠超過試錯的成本。

于是這300多名技術人員，整整干了一年飽和式的投入。技術攻堅沒有任何捷徑可走，他們把過去數億次客服案例的數據和技術拿來做錘煉，從模擬層到防護層做了一道道攔截。

結果是顯著的。AI客服的出錯率，硬生生被拉平到了和資深人工客服相同的水平。

5月11日，在走過灰度測試與漫長的數據驗證后，阿里巴巴將這個開發了一年多的AI店小蜜正式交到商家手里。這是電商行業首個具備售前、售后辦事能力的客服Agent。

AI店小蜜的全鏈路采用千問最新大模型，并結合淘寶超大規模的交易數據，針對各類行業和電商場景進行了垂域微調與多模態升級。這讓它不僅精通行業與規則，對用戶的理解也更加透徹。

實測數據顯示，在接入AI店小蜜后，小米旗艦店的客服轉人工率下降了45%，客服滿意度漲了22%；特步轉人工率直接降了55%，詢單轉化率飆升了46%。

“會來事兒”

AI店小蜜到底有多全面？

在占利軍展示的AI店小蜜后臺截圖中，機器展現出了縝密且具有同理心的思考軌跡。

4月28日，一位買家發來沖鋒衣圖，并詢價。如果是傳統的人工客服，光是去商品庫里定位這件衣服的SKU，就要耗費1分鐘。AI瞬間完成商品識別并探問：“您是想爬山還是日常穿？”

消費者回復：“五一去黃山徒步。” 此刻，在店小蜜的后臺思考鏈路里，一系列的工具被迅速調用。它先調用天氣數據回復：“我有很多同事去過呢，黃山溫差大，五一有陣雨，這件能防水，挺合適。”

隨著對話的深入，AI時時刻刻在捕捉消費者的語氣。感知到買家情緒急切，AI又主動發出真實的買家秀，穩住對方的心態。

買家下單后，AI自動比對發現，討論與下單的尺碼有偏差，及時糾正買家，然后自動打通ERP系統，備注加急發貨。

它不再是一個“問一句答一句”的機器，而是一個“會來事兒”的貼心導購。在引導客戶消費后，結合對話語境，它還會送上暖心祝福：“五一去黃山玩得開心！”短短幾分鐘，AI調用21個工具庫，行云流水般將咨詢推向成交。

三大能力升級

這次升級，AI店小蜜有三大核心功能提升。

第一，“會導購”。

在“AI+人”協作下，AI能回答超過80%的問題，它打破了傳統客服的被動模式。當消費者進店后，它就開始隱形地跟蹤消費者的每一次點擊和停留時長。

它能主動預判用戶所需，并精準推薦，甚至自主調用“連帶推薦”“缺貨推薦”“精準催付”“多模態識圖”等工具，直接追求轉化。

在人工客服面對商家最在意的高價值客戶時，AI還會向人提供決策信息、促單建議，助力訂單轉化。

第二，“全場景托管”。

電商的經營是全鏈路的。全場景托管意味著AI店小蜜能夠跨越售前、售中、售后的區隔，接管整個鏈路的復雜對話。

它不僅能24小時無縫銜接夜間流量，還能在高峰期自動處理退換貨、改地址、物流攔截等繁雜事務。更能處理商品與尺碼推薦、國補解答、參數對比等30余個核心場景的咨詢。

在這些情況下，平臺客服系統的回復時效提升了50%，準確度穩定在90%以上，通過秒級自動回復切實提升了溝通體驗。

第三，“會挽單”。

這是讓很多商家感到驚喜的一點，AI店小蜜展現出了強悍的“挽單”能力。

當消費者因為猶豫發起退款，或是將商品長時間停留在購物車時，AI會根據上下文語境，精準識別出消費者的抗拒點（比如嫌發貨慢、覺得價格貴），然后主動出擊，通過贈送優惠券、承諾加急發貨等策略安撫情緒。

數據顯示，這套邏輯下的挽單成功率超過了20%。

同時，它也會提升風控和資產保護的能力，比如賠付金額會嚴格控制在商家授權的額度內，避免“亂賠”和“被薅羊毛”。它還接入了新上線的AI假圖識別模型，精準攔截“羊毛黨”。

在成本上，占利軍算過一筆賬，目前平臺的人工客服處理一通對話的成本在2元到十幾元不等。

而現在的標準版店小蜜，一通復雜多輪交互僅需0.2元。能主動推單、做售后挽單的高階版，定價也僅為0.5元。

客服部走向臺前

工具的進化，最終會倒逼組織形態的重構。當AI店小蜜從一個輔助回復的插件，變成一個具備思考能力的增長引擎時，品牌商家內部也必然得重視它帶來的改革。

創立于2006年的快時尚品牌“UR”，是最早感受到這股沖擊波的商家之一。

快時尚的生命線在于“快”。“UR”的款式更新頻繁，單店SKU維持在1.2萬到1.5萬左右。這也帶來了巨大的客服壓力。

消費者最常見的行為就是發一張模棱兩可的圖片，讓客服“找同款”。在過去，這絕對是客服的噩夢。

人工需要去龐雜的頁面上比對細節，耗時漫長，消費者往往在等待中流失。增加人力意味著成本失控，控制成本意味著體驗下降。增長與降本，在很長一段時間里是一個無解的單選題。

“UR”消費者體驗部負責人Ada發現，AI店小蜜打破了這個僵局。現在的AI不僅能通過圖片精準找到款式，還能將類似產品的參數、細節做成對比圖表直接發給消費者。

而且AI擁有比人腦更龐大、更精確的記憶中樞。當一個消費者進店尋找一款商品時，AI能瞬間調取該用戶歷史的購買偏好、行為軌跡，然后結合店鋪當前的入會權益、購物金，給出一套量身定制的購買方案，告訴買家怎么買更劃算。

對于那些加購卻遲遲不下單的隱性流失客戶，店小蜜會借助智能的催拍、催付功能迅速鎖定需求。

在這一套組合拳下，“UR”在整體GMV增長超35%的背景下，大幅壓減了企業成本，而店小蜜帶來的銷售額占比，也實打實地提升了30%。

如果說UR驗證了AI在快節奏零售中的爆發力，那么銷售呼吸機、制氧機等醫療器械的魚躍醫療，則展示了AI在長周期服務中的縱深。

醫療器械是一個特殊的行業。面對的用戶群從嬰兒跨越到老年，有的買家具備專業的健康認知，有的則是連產品型號都分不清的“小白”。用戶帶著健康痛點而來，情緒敏感度很高，他們最不希望看到的，就是標準化、冷冰冰的統一回復。

魚躍醫療用戶運營中心高級總監劉莉算了一筆賬。在過去，要提供專業的健康服務，必須依賴有醫療背景的客服人員，成本高昂且難以規模化。

“AI時代的Agent，帶來了能力的平權。”劉莉說。

AI店小蜜接入“魚躍”的知識庫后，不再僅僅是解答參數，而是化身為了私域的“健康管家”。如果用戶是從搜索渠道進店，大概率對產品有認知，AI會側重商品對比；如果是從興趣渠道進店，AI會耐心講解家用醫療的價值。

它能做到更多人工無法企及的細節追蹤。比如結合智能設備，AI能察覺用戶激活時是否遇到了藍牙連接問題，也能根據血糖儀的數據給予控糖和運動建議，甚至能根據耗材的使用周期，主動發出補貨提醒。

在明確的商業效益上，今年一季度，這套AI系統為“魚躍”在阿里體系內的店鋪凈減了400萬元成本（已扣除AI本身的流量和Token費用），同時貢獻了1000萬元的銷售額。

“魚躍”甚至將原來的“用戶服務中心”，正式更名為“用戶運營中心”。

名稱的更迭，代表著經營思維的底層轉換。客服，這個曾經在電商中負責“被動咨詢”和“滅火”的后端崗位，終于在技術的托舉下，走到了前端。