晚上十点,一位客户在店铺里问“这个型号还有货吗”。半小时后他关掉页面,第二天在另一家下单。老板第二天看后台,只看到一条“未回复咨询”的记录,说不出损失了多少,但知道一定损失了。这类问题很少被写进季度经营会,却是中小企业最稳定的漏损点。
同一批企业主最近常问另一个问题:同行直播间挂着数字人,一天播十几个小时,我要不要也上一个?两个问题看似无关,其实指向同一件事——企业缺的不是 AI 概念,而是能把重复性沟通岗位填满的稳定产能。数字人恰好落在客服与直播这两个高频、重复、话术相对标准化的位置上。
先泼一点冷水。多数数字人项目失败,不是因为技术不行,而是因为一开始就想“替代一个人”。客服岗位包含查订单、改地址、判断情绪、承诺赔付,这些动作背后是权限与判断;数字人擅长的是把标准信息稳定、持续、一致地讲出去。定位错了,验收必然失败。
第一个误区:把数字人当形象工程
不少企业第一次采购数字人,重点全在“长得像不像”“声音好不好听”。上线两周后发现,客户问的三个问题它都答不上来,因为知识库只放了企业简介。数字人的上限不取决于建模精度,而取决于它背后接了多少结构化信息:商品参数、库存状态、售后政策、常见故障排查。形象决定第一眼,知识决定能不能活下去。
第二个误区:客服与直播用同一套话术
客服场景的目标是“准确、短、可追溯”,直播场景的目标是“节奏、停留、引导下单”。把客服问答库直接搬进直播间,会得到一台念说明书的机器。反过来,把直播话术拿去接客服咨询,客户问“能不能退”,它开始讲品牌故事,体验更糟。两个场景应当分开配置人设、语料与考核指标。
第三个误区:上线即放手
数字人不是装完就结束的软件。上线第一周必须有人盯对话记录,把答错的、答偏的、答不上来的问题整理成清单,每天回流到知识库。常见做法是设一个“语料维护人”,由运营或客服主管兼任,每天花二十分钟处理这份清单。没有这个动作,数字人的回答质量会在一个月内停滞。
一个更现实的判断:先补时段,再谈替代
对多数中小企业,数字人最确定的收益不是省掉几个人,而是把原本空白的时段填上。人工客服覆盖 9 点到 18 点,数字人覆盖夜间与午休;人工直播一周两场,数字人填补其余时段的常态开播。这种“补位”策略投入小、风险低,也更容易在内部达成共识。
可执行动作一:用两周跑通一个客服补位岗
第一步,导出近三个月的高频咨询记录,按问题类型排序,取前五十条作为初始知识库。第二步,明确数字人的权限边界:能查什么、能承诺什么、遇到什么必须转人工。第三步,设定一个可验证指标,例如“夜间咨询首次响应时间”和“转人工率”。两周后看数据,再决定是否扩大范围。这个动作不需要重构系统,多数企业用现有商品资料和客服记录就能启动。
可执行动作二:用四周试跑一条低风险直播线
不要一上来就做主力直播间。选一个非黄金时段,例如工作日上午,用数字人做常态化讲解与答疑,真人负责晚间重点场。内容上先做“商品讲解加常见问题”这类结构化脚本,避免复杂的临场互动。评估看三个数:平均停留时长、咨询转化率、退货率是否异常。跑满四周再判断要不要加时段、加品类。
行业场景:电商与本地生活的差别
电商零售的咨询高度集中在尺码、库存、发货、退换上,知识库相对稳定,数字人容易见效。本地生活则不同,客户问的是“今天营业吗”“停车方便吗”“能不能带宠物”,信息变动频繁,需要把门店信息、活动规则做成可随时更新的数据源。同一套数字人能力,前者重语料,后者重数据同步,实施重点完全不同。
行业场景:工业品与 B2B 的长尾咨询
工业品企业的咨询量不大,但问题专业、重复度高,例如参数对比、适配型号、交期与起订量。这类场景适合把产品手册、选型规则、历史问答整理成知识库,让数字人承担初筛与资料分发,把复杂问题留给销售工程师。对 B2B 企业来说,数字人的价值不是热闹,而是让销售从重复答疑里腾出时间。