Shopee自动回复怎么设置：把重复咨询交给系统

客服为什么需要自动回复

客服的工作有两类内容混在一起：一类是标准问题，答案固定，谁问都是同样的回答；另一类是需要判断的问题，涉及具体情况，必须人来处理。这两类放在同一个队列里，效率一定高不了。

标准问题的占比通常远超预期。把最近一个月的消息导出来归类，会发现发货时间、尺寸规格、库存、优惠这四类往往就占了消息量的一半以上，而这些问题的答案在几个月里几乎没有变过。

买家在这些问题上等待的时间，直接变成了流失。很多买家在下单之前会问一句什么时候发货，如果半小时没人回，他很可能已经在别家下单了。响应速度本身就是转化率的一部分。

客服的人力是有限的。当同一个人一边回答尺码、一边处理退款申请、一边又在解释物流延误，注意力被反复打断，处理复杂问题时的判断质量必然下降。

自动回复解决的是响应速度的下限。它保证买家在第一时间至少得到有用信息，而不是一条已读不回的沉默。这个下限对转化率的影响比很多人以为的要大。

从成本角度看，自动回复是投入产出比很高的一件事。它不需要额外的软件预算，主要成本是前期的梳理和内容撰写，而这份内容写一次可以长期使用，边际成本几乎为零。

自动回复还有一个容易被忽略的好处是答案的一致性。人工回答同一个问题，不同客服、不同时间点给出的说法可能有差异，容易引起争议。标准化的自动回复消除了这种不一致。

它同时把客服的经验沉淀了下来。老客服知道该怎么回答尺码问题最有效，新客服需要几个月才能掌握。把这套答案固化下来，团队的知识就不再依赖某一个人。

需要注意的是自动回复的目标不是减少客服数量。它的目标是把人力从重复劳动里挪出来，投到真正需要判断力的环节，让整体服务质量上升而不是下降。

从买家视角看，他们在意的是问题有没有被解决。至于解决的人是自动的还是人工的，只要回复准确、及时、语气正常，大部分买家根本不会在意。

所以真正要设计的是分流机制：哪些问题系统直接回答，哪些问题先收集信息再转人工，哪些问题必须立刻转。把这个分流做清楚，自动回复才有效果。

自动回复能解决哪些问题

第一类是规则型问题，答案与具体买家无关，对所有人都一样。发货时间、售后政策、退换条件、支付方式，这些内容完全可以从标准话术里出，不需要任何判断。

第二类是信息查询型问题，需要实时数据但数据是系统里现成的。库存还有多少、什么时候补货、当前有哪些活动，这类问题只要有数据源就能自动回答。

第三类是引导型问题，答案本身不长，但需要把买家引到正确的位置。比如尺码选择，可以给出尺码表和简单的选择建议，同时提醒买家提供身高体重以便进一步判断。

第四类是情绪安抚型消息。买家上来先抱怨物流慢，这时候自动回复的第一句应该是安抚和说明，而不是继续追问订单号，先把情绪稳住，后面的事情才好谈。

不适合自动回复的第一类是定制需求。买家说要改颜色、改尺寸、加印文字，这些都要评估能不能做、成本多少，任何模板化回答都是不负责任的。

不适合的第二类是投诉和纠纷。买家已经在表达不满，这时候收到一条标准话术只会让情绪更差。这类消息应该直接转人工，而且优先级要提到最高。

不适合的第三类是需要核对信息的问题。买家说我的订单没收到，究竟是没有发货、还是发错了、还是物流签收了，需要查具体订单才能判断，自动回复只能说已经为您转接。

还有一类是多轮协商的场景。买家问能不能便宜一点，第一轮回复给了优惠规则，买家继续争取，这就需要人来判断要不要让步、让多少，机械重复规则只会谈崩。

判断一个问题是哪一类，可以问一个简单的问题：这个问题对不同买家的正确答案会不会不同。如果答案基本一致，就可以自动回复；如果需要因人而异，就应该转人工。

实际配置时，可以用自动回复完成问题的前半段，把后半段交给人工。比如售后咨询，自动回复先说明流程和需要的材料，买家确认后转人工处理具体申请。

这样设计的好处是买家不需要重复描述问题。转人工的时候上下文已经在会话里了，客服接着往下处理就行，体验比让买家从头讲一遍顺畅得多。

怎么梳理出该自动回复的问题

梳理的起点是数据，不是想象。凭直觉列出来的问题清单通常会漏掉真正的高频项，也会包含一些其实很少人问的内容。先从消息记录里统计，再决定做什么。

第一步是导出最近的咨询记录，时间跨度建议一到两个月。时间太短会受单次活动影响，太长又会把已经变化的旧问题带进来，一两个月是比较合适的窗口。

第二步是按问题类型归类。同一个意思用不同说法问的，要归到同一类里。分类的粒度不要过细，过细会得到几十个类别，反而看不清重点；控制在十类左右比较实用。

第三步是统计每类的出现频次，按频次排序。排在前面的就是优先要覆盖的。通常前面四五类问题就能覆盖一半以上的消息量，先把这些做掉，效果立竿见影。

第四步是标出每类问题的答案是否固定。有些问题虽然高频，但答案其实因人而异，这类不适合做标准自动回复，要标记出来转人工。

第五步是看每类问题的处理时长。同样高频的两个问题，一个客服十秒就能答完，一个需要反复核对几分钟，后者做自动化的收益更大。

统计的时候还要留意季节性和活动的影响。大促前的问法和大促后完全不同，活动期间的优惠咨询会明显集中，这些规律应该单独记下来，用来设计分时段的自动回复。

除了频次，还要看顾客的追问率。某个问题自动回复之后买家经常继续追问，说明答案没有答到点上，这类内容需要重写，而不是简单上线了事。

建议把这份统计做成一个固定的表格，包含问题类型、频次、答案是否固定、平均处理时长、是否适合自动回复这几列。这份表格就是后续配置和优化的依据。

梳理不要一次做完就丢在一边。业务在变，买家的关注点也在变，建议每季度重新统计一次，看看前几类问题有没有变化，及时调整自动回复的覆盖范围。

完成梳理之后，优先级排序会很清楚：高频且答案固定的先做，高频但需要判断的做信息收集加转人工，低频的直接不做。资源始终有限，要花在回报最高的地方。

欢迎语怎么设置

欢迎语是买家进店后的第一句话，作用不是打招呼，而是让对方知道接下来能得到什么。一句您好，请问有什么可以帮您，实际上没有提供任何信息。

更好的欢迎语会直接给出三个入口。比如发货时间、尺码选择、优惠活动，把最高频的三个问题列出来，买家点一下就能得到答案，省掉了打字描述的步骤。

欢迎语要短。三行以内，每行一个问题入口。太长的欢迎语在手机屏幕上需要滑动才能看完，买家很可能直接滑掉了，等于没有设置。

语气要贴近店铺的定位。卖的是母婴用品，语气可以温和一些；卖的是工具配件，直接说清楚就好。不用刻意热情，也不要生硬，像正常沟通就够了。

欢迎语要区分新客和老客。第一次来的买家需要的是店铺介绍和常见问题，回头客更需要订单进度和售后入口。有条件的话做两套，效果会比一套通用话术好。

设置进店欢迎语的时候要注意触发频率。如果买家每次发消息都收到一遍同样的欢迎语，会显得很机械。通常只在会话开始时触发一次就够。

欢迎语的内容要跟着活动走。大促期间可以把优惠信息放到第一位，平时就换成发货和尺码这类常规问题，让它在不同时间点都能提供最有用的信息。

如果店铺有明确的差异化优势，可以在欢迎语里带一句。比如当天发货、支持无理由退换、本地仓直发，这类信息一句话就能建立信任，比泛泛的欢迎有用得多。

欢迎语的文案要定期看数据。点开各个入口的比例、买家读完欢迎语之后的第一句话内容，这两个指标能告诉你欢迎语有没有起作用，也能提示哪些入口该调整。

一个常见的错误是把欢迎语写成了促销广告。买家点开客服是有具体问题的，这时候满屏的优惠信息会让人反感，反而失去了建立信任的机会。

欢迎语不是越花哨越好。它承担的是导航功能，把买家快速送到答案前面就是成功。简洁、准确、能点开就得到答案，这三点比文案技巧更重要。

标准答案怎么写

标准答案的第一条要求是直接给结果，不要铺垫。买家问什么时候发货，第一句就应该是具体的时间，而不是先解释仓库流程。

第二条是给具体数字。三到五天比尽快发出更有用，满多少减多少比有优惠活动更清楚。模糊的表述会让买家再问一遍，反而增加了消息量。

第三条是把前提说清楚。如果发货时间取决于是否在截单之前下单，那就要写明截止时间点是多少。只给结果不给条件，遇到特殊情况时容易产生纠纷。

第四条是为后续留出出口。答案的最后可以带一句如果需要更具体的判断请告诉我订单号，这样买家如果确实有特殊需求，会自然进入人工处理。

写作的时候要站在买家的角度读一遍。答案有没有回答我真正想问的问题？看完之后我能不能做出决定？如果看完还想再问一句，那这个答案就没写完。

同一个问题可以准备长短两版。短版用于消息列表的快速回复，长版用于需要详细说明的场景。根据配置位置选用不同的版本，不必统一成一个。

涉及政策类的内容要标明适用范围。退换规则在不同类目和不同市场可能不一样，把边界写清楚，可以避免买家按对自己有利的版本理解。

答案里不要出现内部术语。仓库、拣货、面单、时效这些词在内部沟通里很自然，但买家不一定懂，换成能理解的说法，沟通效率会更高。

数字类信息要定期校对。运费模板改过、时效调整过、活动结束之后，标准答案如果没同步更新，就等于给买家提供了错误信息，影响比不回复更严重。

建议把标准答案集中管理，写在一个统一的文档或者配置表里。分散在各个客服手里的话，更新时必然遗漏，最后出现同一个问题不同回答的情况。

写完一批答案之后，可以让不熟悉业务的同事读一遍，看能不能看懂。如果连同事都需要解释，买家就更难理解了。这是最省钱的一次质量检验。

关键词触发怎么配置

关键词配置的核心是同义覆盖。买家不会按标准说法提问，同一个意思可能说成发货、多久发、什么时候寄、几天能到，任何一组没配到，这条消息就会漏到人工队列里。

配置之前先把每种说法的变体列出来。常见的变体包括口语化表达、简写、错别字、以及带上情绪的说法。列得越全，命中率越高，漏过去的消息越少。

优先配置短关键词。短词更容易被包含在长句里命中，比如配发货两个字，可以覆盖你们什么时候发货、发货要几天这类问法；配整句反而会漏掉变体。

一个要注意的问题是关键词的误命中。尺码相关词里如果有大小，那大促相关的说法也可能被误抓。上线之后要抽样检查命中的消息，确认归类正确。

多关键词之间要考虑优先级。一条消息可能同时包含发货和退款两个词，究竟触发哪一条回复，需要设定明确的优先顺序，否则会出现答非所问。

关键词要配上排除条件。有些词出现在特定上下文里意思完全不同，加上排除规则可以减少误触发，比自己反复调整关键词列表更有效。

配置完之后一定要用真实消息测试。把历史消息里的典型问法拿出来逐条跑一遍，统计命中率，把漏掉的补进去，这一步比坐在那里反复推敲快得多。

触发规则要和回复内容对应清楚。一个关键词只对应一条回复，如果对应多条，买家会收到一堆内容。确实需要多条时，应该串成一条完整的消息。

触发次数也要限制。同一个会话里同样的回复不要重复发送，否则买家每说一句话就收到一遍相同内容，体验会非常差。

关键词列表需要定期维护。新的问法会随着产品变化和活动出现，建议每个月抽一批消息做漏检，看看有没有新的高频说法需要补进配置。

如果平台支持模糊匹配或者语义识别，可以优先使用。这类能力的容错性比纯关键词更好，但同样需要人工抽检，不能完全放手不管。

什么情况下必须转人工

第一条明确的红线是情绪。消息里出现投诉、差评、曝光、举报这类表述，或者语气明显激烈，就应该立刻转人工，不要用标准话术去回应情绪。

第二条是涉及资金。买家提到退款金额不对、没有收到退款、付款被重复扣款，这些都需要核对具体订单和交易记录，自动回复无法给出准确答案。

第三条是订单异常。买家说没有收到、收到的不是自己买的、包裹破损，这些都要查具体物流和订单，先转人工再处理。

第四条是买家明确要求人工。不管问题是什么，只要买家说了找人工、要人工客服，就应该直接转，硬拦着用自动回复只会让情绪升级。

第五条是连续两轮没有解决。如果买家在收到自动回复之后又问了同一个问题，说明答案没有解决他的疑问，这时候必须转人工，不能第三次再发同样的内容。

第六条是涉及评价和售后申请。买家在问怎么申请退换、怎么修改评价，这类问题往往会走向纠纷，由人来处理更容易控制节奏，也更容易留住客户。

第七条是定制和批量需求。买家的采购量明显大于常规、或者要求做定制改动，这类需求通常有商机，值得由人来跟进，不要用标准话术打发。

转人工的动作要快。从识别到接入的间隔越短越好，建议把这类消息设成高优先级提醒，不要让它在队列里排队等待。

转接时要把上下文一起带过去。让客服看到买家之前问了什么、系统回复了什么，这样接手的客服不需要让买家重新描述，体验会好很多。

转接之后要有明确的责任人。如果转过去没人处理，比不转更糟，买家的期待被抬高之后再落空，情绪会更差。所以转人工必须有值班机制兜底。

最后建议把必转人工的条件写成清单挂在客服工作台上。规则清楚之后，无论是谁值班，判断标准都一致，不会因为个人风格不同而出现偏差。

效果怎么衡量

第一个指标是首次响应时长。自动回复上线之后，这个指标应该明显下降，因为大量消息在几秒内就得到了回应。如果没变化，说明配置没有真正生效。

第二个指标是人工处理的会话量。这个数字应该下降，但不应该降到零。如果完全没有人处理，可能意味着该转人工的消息也被自动回复拦住了。

第三个指标是解决率，也就是买家收到自动回复之后没有再追问的比例。这个指标最直接地反映答案质量，比其他数据更有参考价值。

第四个指标是自动回复触发之后的转化情况。有些问题本身就是购买决策前的最后一道疑问，这类问题的回复质量可以直接用询单转化率来验证。

第五个指标是转人工率。这个比例过高说明自动回复覆盖不足，过低则可能说明该转的没转。它需要结合问题类型来看，不能只看一个总数。

第六个指标是客服的工作时长分布。自动回复应该把客服的时间从重复问答挪到复杂处理上，如果观察到复杂问题的平均处理时间变长，反而是好现象。

看数据的时候要区分因果。响应时长下降也可能是客服人手增加了，转化提升也可能是活动带来的。分析时要把这些因素一起考虑，不要简单归因。

建议每周看一次这几个指标，每月做一次内容层面的复盘。前者看趋势有没有偏离，后者看具体哪些答案需要重写，两个节奏配合起来最有效。

优化的时候优先处理被追问最多的那几条答案。追问说明答案没答到点上，改这几条带来的提升，比再新增十条低频问题的回复要大得多。

还可以关注买家在收到回复后的行为路径。如果大量买家在收到回复后直接离开会话并且没有下单，这条回复可能没建立起信任，值得重新写。

数据不需要很复杂。一张表把每周的几个关键数字记录下来，连续看两三个月，哪些配置有效、哪些在浪费，自然就看清楚了。

常见误区

第一个误区是把自动回复当成减少客服的省钱手段。它的真正价值是分流，把人放到更重要的位置上。只看人力减少，最后往往是服务质量整体下滑。

第二个误区是照搬别人的话术。不同类目、不同市场的买家关注点差别很大，别人的高频问题不一定是你的高频问题，必须从自己的数据出发。

第三个误区是关键词配得太少。只配标准说法，买家换个问法就漏掉，结果自动回复的覆盖率很低，却以为工具本身没用。

第四个误区是回复写得太长。想一次性把所有相关信息都塞进去，买家看不到重点，反而觉得没有被回答，最后还是要问一遍。

第五个误区是上线之后不维护。产品和政策在变，话术没有跟着改，等于持续给买家提供过时信息，这种错误的代价比不回复更大。

第六个误区是所有问题都自动回复。该转人工的也硬拦，买家的情绪会迅速升级，本来一个小问题最后变成投诉。

第七个误区是转人工没有兜底。设置了转接条件却没有值班安排，消息转过去没人接，等于强制买家等待。

第八个误区是只看响应时长不看解决率。响应快了但答非所问，数据看着好看，实际体验没有提升，还可能把问题拖得更久。

第九个误区是把欢迎语写得很热情但没信息量。一段客套话占满了首屏，买家还得自己从头描述问题，这个入口就浪费了。

第十个误区是关键词之间互相干扰却没有优先级。一条消息同时命中多条规则，回复内容混乱，买家完全看不懂。

第十一个误区是忽略多市场差异。不同市场的买家语言习惯和关注点不同，同一套话术直接翻译使用，效果通常会打折扣。

避开这些误区的共同前提是把自动回复当成一个持续运营的内容项目，而不是一次性的功能设置。有统计、有内容、有复盘，它才会持续产生价值。

常见问题（FAQ）