知识库运营
如何为 AI 客服管理商品、物流、退款、品牌和风险知识。
为什么知识库运营重要
AI 回复质量取决于模型质量，也取决于知识质量。在客服场景中，过期知识往往比模型能力不足更危险。
知识库运营的目标，是让 AI 使用最新、已审核、可测试的信息。
推荐知识类型
- 商品事实；
- 商品规格和兼容性；
- 物流规则；
- 退换货政策；
- 保修和售后政策；
- 活动和优惠券规则；
- 品牌语气；
- 升级和转人工规则；
- 禁止承诺和敏感表述；
- 平台特定约束。
负责人
每类知识都应该有负责人：
- 商品团队负责商品事实；
- 运营团队负责物流和售后规则；
- 市场团队负责活动规则和品牌语气；
- 法务或合规负责限制性表述；
- 客服主管负责升级规则。
发布前测试
发布知识前，建议测试：
- 高频客户问题；
- 模糊表达；
- 多意图消息；
- 政策边界问题；
- 对抗性或敏感问题；
- 旧商品和过期活动场景。
发布流程
实用发布流程：
- 起草知识；
- 负责人审核；
- 运行命中测试；
- 先发布到有限渠道；
- 监控人工修正；
- 扩大覆盖范围。
治理指标
建议跟踪：
- 知识命中率；
- 未回答问题；
- 人工修正率；
- 风险回答率；
- 过期知识事件；
- 高频缺失政策。
知识库运营应该持续进行。客服团队把知识当成运营资产，而不是一次性 FAQ 上传时，爱嘉客服的价值会更稳定。
