撒谎的"转移率":当 AI 客服的"成功"掩盖了用户流失

上季度我和一位客服主管聊天,他对新 AI 客服 78% 的转移率赞不绝口。转给人工的工单骤减;每单成本数字漂亮;仪表盘连续三个月一片绿色。然后营收运营团队跑了一次队列分析。那些至少为账单问题接触过机器人的客户,流失率是没接触过的 1.7 倍。转移率衡量的不是"得到帮助",而是"沉默"——而这种沉默,恰恰是付费用户在悄悄离开的声音。

这是行业开始公开承认的失败模式。转移率统计的是"客户没有联系到人工"的对话数。它无法区分"我得到了答案"和"我放弃了"。把两者算成同一个数字,你就会朝错误的方向优化,因为让机器人更难逃离,远比让它真正解决问题要容易。Klarna 在 2026 年公开学到了这一课:它在宣布用 AI 替代约 700 名客服一年后,开始重新雇佣客服人员;重复联系率上升约 25%,当初支撑裁员决策的成本节约,被重新处理机器人首次没处理好的工单的代价抵消殆尽。

解决办法不是放弃自动化。解决办法是停止把"没有工单"等同于"问题已解决",并且建立一套能够在 AI 部署本身改变用户求助行为时仍然有效的衡量体系。

为什么转移率是"客户悄悄离开"的滞后指标

转移率有着一切"好用的运营指标"应有的诱人外形:计算简单、随着你发布改进朝着期望方向走、并直接对应到一条成本线上。问题在于它把"没有升级到人工"当作二元事件,而"没有升级"可能出于三种完全不同的原因,这三种原因根本不应该被加总。

客户找到了答案,满意地离开了。这是你想要的结果。

客户得到了一个听起来像那么回事的答案,接受了,然后过段时间才发现答案是错的。这是一种延迟失败——工单会以更难追溯的形式回来,比如账单争议、信用卡拒付、一星差评,或者两个月后的客户流失事件。

客户始终没找到答案,耗尽了耐心,然后放弃了对话。这是一种沉默失败,也是三种之中成本最高的:客户同时做了两件事——没有得到帮助,以及更新了"在这里求助是否值得"的认知。

一个转移率数字把这三种情况平均掉了。这三种情况的占比远比总数重要。一个团队把转移率从 60% 提升到 80%,可能是真的把解决能力提升了一大截,也可能是把放弃率提升了一大截,而仪表盘根本告诉不了你是哪种。一旦部署改变了求助行为,前后对比的转移率就失去了可比性——而 AI 部署几乎总会改变求助行为,因为用户几次互动后就会判断这个渠道是否值得花精力。

没人建模的求助行为转移

部署 AI 客服后最重要的二阶效应,不是它对你收到的工单做了什么,而是它对你本来会收到的工单做了什么。部署后几周内,用户行为就会围绕新渠道重塑。第一次得到无用回复的人,索性不再开工单。得到错误答案的人,选择接受,因为另一种选择是再被同样的循环折磨一遍。本来会打电话的人,转而去公开渠道发声——社交媒体、App Store 评论、对比网站——失败的代价从你的客服组织内部转移到了外部。

关于"AI 辅助与坚持性"的研究开始在邻近领域把这个现象量化。超过千人规模的实验表明,即使是短暂接触 AI 帮助,也会降低人们独立完成任务的意愿,而且这种效应在那些直接向 AI 索要答案、而不是要求提示的用户中更为明显。把这个结论翻译到客服场景:碰到一个返回自信、貌似合理但错误答案的机器人的客户,学习速度比你的团队快得多。他们学会了这个渠道不奖励努力。一旦他们学会了,你的转移率会上升,工单量会下降,你的流失队列则在背后悄悄积累。

最棘手的地方在于,这些指标全都朝着你的仪表盘所庆祝的方向移动。工单量更低、留存率更高、每单成本更低、升级更少。你真正需要的信号——"客户已经放弃尝试"——从来没出现在表格上。

能够承受行为变化的纵向指标

转移率的替代品,不是单一的更好指标。它是一组小而精的指标,从多个角度共同验证客户的根本问题是不是真的被解决了。任何一个单独存在都可能被作弊;放在一起,放弃行为就难以遁形。

加载中…