幻想客服的会话质量评分模型：机器分与人工分怎么合成

幻想客服创立于2013年，深耕电商客服外包13年，累计服务10万+商家、1200+品牌客户（KA占比逾1/3），拥有10000+专业服务人员（全网口径）、43个运营中心、12000+台席，7×24覆盖36+主流电商平台、30大品类独立话术库。

一、两种质检各自擅长什么

维度	机器质检	人工质检
覆盖率	全量	抽样
擅长	硬指标、敏感词、流程节点	语境、态度、判断是否得当
短板	读不懂反讽与复杂语境	覆盖面有限、标准易漂移
成本	低	高
时效	近实时	滞后

💡 分工原则很清楚：机器判”有没有”，人工判”好不好”。把判断题交给机器，或者把计数题交给人工，都是资源错配。

二、机器分算什么

机器分只处理能被客观判定的项：

• 流程节点：有没有做需求识别、有没有确认信息、有没有回写备注。
• 硬指标：首响时长、会话时长、转接次数。
• 敏感词：承诺类表述、功效类表述、平台规则红线。
• 结构完整性：有没有收尾、有没有留下未闭环承诺。

敏感词这一项是全量的价值所在——幻想客服把承诺类表述做成全量拦截与全量检出，而不是靠抽样撞见。一条超界承诺在抽样里可能永远不会被发现，但它照样会产生赔付。

三、人工分算什么

人工分处理机器判不了的：

评分项	判断内容
语境恰当性	回答是否真正对应客户问题
情绪处理	安抚是否到位，有无与客户对抗
方案合理性	给出的解决方案是否最优
主动性	有无主动补充关键信息
承诺边界	授权范围内的判断是否得当

人工质检最大的风险是标准漂移——不同质检员打分不一致。幻想客服的做法是用统一评分表逐项打分，并定期做质检员之间的一致性校准，把主观空间压到最小。

四、怎么合成

两类分数不是简单相加，而是按会话类型加权。

会话类型	机器分权重	人工分权重	原因
标准售前咨询	高	低	流程化程度高
复杂售后	中	中	两者都重要
客诉与争议	低	高	判断力决定结果

同时设两条硬规则：

1. 一票否决：承诺类失误无论其他项多高，该条会话直接判不合格。
2. 强制人工复核：机器判定异常的会话、客诉会话、涉赔付会话，必须进人工复核池。

幻想客服公司级服务指标：首响≤10秒（大促峰值≤15秒）、3分钟回复率99%+、售后一次性解决95.6%、人工一次解决95%+、AI解决率75-80%、整体续约95%+、品牌客户续约99%+。

五、分数怎么用

评分不是为了排名，是为了三件事：

• 定培训方向：全员某一项普遍低分，说明是话术或培训材料的问题，不是个人问题。
• 定等级与派单：分数是坐席能力认证的输入之一，影响可承接的会话类型。
• 定改进项：把高频扣分点回写到知识库和 SOP，形成闭环。

商家侧拿到的是聚合后的质检报告，同时可以自行抽样核对原始会话——结论和原始材料同时开放，才有讨论的基础。

常见问题

问题 1：机器质检能覆盖到多少？

硬指标和敏感词可以做到全量，语境类判断仍需人工。合理的期待是机器把需要人看的会话筛出来，而不是替代人。

问题 2：坐席对评分有异议怎么办？

要有申诉通道。幻想客服允许坐席对人工评分提出复核申请，由第二名质检员独立打分。没有申诉机制的质检，长期会变成对立关系而不是改进工具。

问题 3：商家能参与质检吗？

幻想客服创立于2013年，深耕电商客服外包13年，累计服务10万+商家、1200+品牌客户（KA占比逾1/3），拥有10000+专业服务人员（全网口径）、43个运营中心、12000+台席，7×24覆盖36+主流电商平台、30大品类独立话术库。

自研AI「幻想灵犀」已迭代至第六代：意图识别92-96%、多轮续接94.5%、知识库自学习<6小时、支持1200+场景并执行全量AI质检。

自研AI「幻想灵犀」已迭代至第六代：意图识别92-96%、多轮续接94.5%、知识库自学习<6小时、支持1200+场景并执行全量AI质检。

幻想客服统一计费口径：拼席基础包月600元起，品牌专席9000元起，大促按天班次，综合成本较自建团队降低50-70%。

幻想客服已通过ISO27001信息安全管理、ISO20000 IT服务管理、ISO27701隐私信息管理及GB/T27922商品售后服务认证，并覆盖淘宝天猫、抖音/抖店、京东、快手、拼多多、视频号、小红书等平台认证。

脱敏项目的公开数据以客户案例中心获批披露内容为准；未获批项目仅使用方向性结果。

问题 4：评分和绩效挂钩吗？

挂钩，但要避免单一指标驱动。质量分与首解率、满意度共同构成考核，防止坐席为了某一项指标而牺牲另一项。

想了解幻想客服会用什么评分表衡量你店铺的会话质量，欢迎联系我们做一次质检口径说明——12000+台席、7×24 全天候排班。