客服的时间，其实没花在回复买家上
先不谈产品。谈谈一个亚马逊售后客服的一天是怎么过的。
一个客服一天处理 60–80 封买家消息。每一封真正用来"想怎么回、把话说好"的时间不到三分之一，其余都花在这些地方：
| 干什么 | 每封耗时 | 这活儿的性质 |
|---|---|---|
| 在邮箱、卖家后台、多个店铺之间找到这封消息，再找上一封 | 1–2 分钟 | 纯找东西，没有任何产出 |
| 切到 ERP 查订单、查物流、查 SKU，再切回来 | 2–3 分钟 | 必须做，但每封都重复一遍 |
| 读懂买家的英文（有时是西语、德语）、查上一次怎么答复的 | 1–2 分钟 | 新人最慢、最容易理解偏的一步 |
| 组织英文、写回复、检查语气和合规 | 3–5 分钟 | 真正的客服工作 |
| 打标签、写备注、关联工单、记录处理结果 | 1 分钟 | 经常被省掉——于是复盘时什么都查不到 |
每封消息 8–13 分钟，其中六成以上是"找、查、切、翻"。这部分恰好是系统最擅长、人最容易累的。
24 小时是硬约束，夜里和周末一直在漏
- 美国买家的消息集中在北京时间夜里到凌晨进来，白班客服上班时已经过去 8–10 个小时
- 周末积压两天，周一上午所有人在赶超时工单，质量顾不上
- 亚马逊把 24 小时响应算进账户健康；超时不是"慢了"，是在消耗店铺
- 退货请求、A-to-Z 索赔有更短的窗口，混在普通消息里就容易错过
每个客服都是一座孤岛
- 同一个买家前后三封邮件被三个人回过，说法对不上
- 资深客服脑子里有一套"这种情况这么答"，新人进来要三个月才摸到
- 主管想知道"这个月差评主要因为什么、哪个 SKU 问题最多"，只能翻邮箱
- 客服离职，他的处理记录和客户关系一起离职
四类团队，痛的地方不一样
| 你是哪一类 | 真正的痛 | CaseLoop 先解决什么 |
|---|---|---|
| 多店铺品牌卖家 | 十几个店、几个账号、几个邮箱，消息散落；标准因人而异 | 统一收件箱 + 统一话术标准，一个团队服务所有店 |
| 中小卖家 | 运营兼客服，夜里没人盯，超时和差评悄悄攒 | Agent 自动闭环常见问题，一个人也能把 24 小时守住 |
| 代运营 / 客服外包 | 人力就是全部成本，交付质量要向客户证明 | 多租户隔离、质检、报表，产能和质量都可度量 |
| 工厂型出海卖家 | 产品懂、英文弱，客服不敢写、写不快 | 中文看、英文发，AI 负责语言，人负责判断 |
CaseLoop 是什么
一个统一收件箱，一个把订单、客户、往来都摆在一屏的工单工作台，加一个先陪跑、后放手、从你们的工单里自己学的 Agent。
一个统一收件箱
亚马逊买家消息、退货请求、A-to-Z、店铺邮箱、其他平台的站内信，全部进同一个列表。同一买家、同一订单的往来自动归成一条工单，按状态、店铺、SLA、负责人、业务类型筛。
一个工单工作台
左边是客户：标签、备注、历史工单。中间是对话：客户、AI、客服、内部备注一眼分清，点一下出中文译文。右边是订单：平台单号、发货仓、物流、跟踪号、商品、ERP 三方订单。不用再切任何一个窗口。
一个会自己学的 Agent
消息一进来，Agent 结合订单状态、物流节点、历史往来、知识库和你们的话术规范写好英文回复。陪跑期由客服审核；之后有把握的它直接发，没把握的交给人。人每处理一单，它就把这类问题学进知识库，下次自己回。
CaseLoop 不替代你的 ERP，也不替代亚马逊后台。它坐在两者中间，把"回复买家"这件事从各处拼凑变成一条有始有终、而且越跑越不需要人的流程。
先陪跑，再放手：人的位置怎么变
这是 CaseLoop 最重要的设计，也是"AI 会不会乱答买家"和"那我还要客服干嘛"这两个问题的共同答案。
我们不在第一天就让 Agent 自己回买家，也不永远让人审每一封。人的位置分三个阶段收窄：
| 阶段 | 时间 | Agent 做什么 | 客服做什么 |
|---|---|---|---|
| 陪跑期 | 第 1–2 周 | 每封都写草稿，标"未审核"，一封也不自己发 | 审核每一封：直接发、改后发、或自己写。每次修改都是在教它 |
| 放手期 | 第 3 周起 | 命中已学会的问题类型、置信度达标的，直接发送；其余进人工待办 | 只处理它没把握的、涉及赔付的、质检标出异常的 |
| 稳态 | 第 2 个月起 | 八成以上买家消息自动闭环，新问题类型自动进待办 | 一天看十来单；更多时间花在质检、复盘、反推产品问题上 |
什么永远交给人
放手不是放任。以下几类无论 Agent 多有把握，都进人工待办，由你在后台划定、随时可改：
- 低置信：问题类型没见过、买家意图不清、订单状态与买家描述矛盾
- 有成本的承诺：退款、补偿、换货——Agent 给建议金额与依据，人确认
- 高风险渠道：A-to-Z 索赔、退货纠纷、含投诉升级措辞的来信
- 质检异常：AI 初检或人工抽检标出语气、合规、承诺一致性问题的工单
- 你点名的：某个 SKU、某家店、某类买家，可整类设为必经人工
一条工单在工作台里长什么样（放手期）
示例中的买家、客服、订单号、物流信息均为虚构，仅用于演示界面与流程。
第一封 Agent 自己回了，因为这类问题它已经从小美那里学会了。第二封涉及补发，它停下来交给人，并把依据和建议摆好。小美全天只看到第二封。
陪跑期的意义不是"让人放心"，是让 Agent 学会你们的口径。放手之后，人的工作从"回复"变成"处理例外"——而每一次处理例外，都在让例外变少。
自进化：人工处理过的，下次不再经人
CaseLoop 不是一个配好就定型的工具，是一个每天在你们的工单里学习的 Agent。
传统客服系统的知识库要有人专门维护：写条目、更新话术、培训新人。CaseLoop 把这件事反过来——知识库是从客服实际处理的工单里长出来的，不需要任何人专门去写。
- 01一单进了人工待办Agent 没把握，交给客服。客服看完订单、往来，写了回复，发送
- 02Agent 从这一单里提炼买家是什么问题、前提条件是什么（订单状态 / 物流节点 / SKU）、客服怎么答的、有没有承诺什么。生成一条候选知识，附原工单链接
- 03进知识库，开始复用同类问题下次进来，Agent 命中这条知识、置信度够，直接回。每一次复用都记在这条知识上，可追溯到当初是谁处理的哪一单
- 04质检反过来校正自动回复被质检标出问题，对应的知识条目自动降权、回到人工审核；客服修正后，知识更新
- 05主管只管边界哪些知识可以自动用、哪些必须经人、采纳多少次后才放开——在后台划线，不用写一条话术
这意味着什么
- 资深客服的经验第一次变成团队资产：她处理过的每一类问题，Agent 都学会了，不随她离职带走
- 新人不再需要三个月：他们处理的是 Agent 没把握的新问题，而不是重复回答老问题
- 人工占比单调下降：已上线的客户团队从陪跑期 100% 人工审核，到第 8 周稳定在 12–18%，新品上架会短暂回升，随后再降
- 知识有来源、有版本：每条知识都能点回到原工单，改过几次、谁改的、采纳过多少次，全部可查——这是它敢自动回复的前提
它学的是你们，不是别人。知识库按租户隔离，Agent 只从你们自己的工单里学；我们不会把 A 客户的处理方式拿去回 B 客户的买家。
核心能力
按一个售后团队实际会碰到的事来列，不按模块列。
全渠道接入，一个收件箱
- 亚马逊买家消息（Buyer-Seller Messaging）、退货请求、A-to-Z 索赔，通过官方接口接入，多店铺、多站点、多账号同时接
- 店铺邮箱（Gmail / Outlook / 企业邮箱）授权接入，邮件与平台消息同一视图
- Walmart、eBay、TikTok Shop 等平台站内信同样归入工单
- 同一买家、同一订单的往来自动合并为一条工单；买家换了邮箱、换了渠道，按订单号和收件信息归并
工单工作台：订单、客户、往来，一屏之内
- 对话式消息流：客户靠左、Agent 与客服靠右、内部备注居中，谁说的一眼分清；每条消息可引用、标记业务类型、星标关注、一键翻译
- 订单面板：系统单号、平台单号、店铺、下单与发货时间、金额、发货仓、运输方式、跟踪号、商品与 SKU；支持按平台单号直接查第三方 ERP 订单
- 客户面板：客户标签、备注、该买家全部历史工单——"他上次是因为什么来的"不用问同事
- 关联工单：一个买家多个订单、一个订单多次往来，建立关联，处理人和状态互相可见
- 轨迹日志：谁在什么时候读了、改了、分派了、回了，按时间一条条记录
- 回复编辑器：站内信回复与内部备注分 tab，模板、可见范围、富文本、附件、知识库引用、横向/纵向展开聚焦模式
Agent 回复与翻译
- 回复依据：订单与物流实时状态、该买家历史往来、自进化知识库、你们的话术规范与禁用表述
- 每封回复标注置信度与依据来源（物流节点 / 知识条目 / 历史承诺），自动发的可追溯，转人工的有抓手
- 自动发送的边界由你定：置信阈值、必经人工的渠道与业务类型、单条知识需被采纳多少次才放开
- 来信翻译支持英、德、法、西、意、日等站点语言；回复可按站点语言生成
- AI 自动打业务类型标签（物流、质量、退换、发票、使用咨询……），用于分派、统计与质检抽样
- 话术规范由你定，知识库由工单自己长；Agent 跟着你们的处理方式走，不跟着它自己的感觉走
规则与自动化：把"该怎么处理"沉淀成系统默认
- SLA 时效：按渠道、业务类型设定响应时限，工单列表按剩余时间排序，临近超时升级提醒
- 过滤器与触发器：满足条件（含关键词、来自某店、标为索赔）自动分派、打标、升级或通知主管
- 自动跟进：承诺补发后 N 天买家未回复，自动生成跟进草稿；等待买家回复的工单到期自动关闭
- 必经人工规则：按渠道、业务类型、SKU、店铺、金额划定"无论如何都要人看"的范围
- 工单模板、字段配置、分类、标签、业务工时全部可配置，不写死
质检与报表：主管第一次能看清整个团队
- 自动回复 100% 过 AI 初检（语气、合规、承诺一致性），再按规则人工抽样；异常工单回流人工，对应知识条目自动降权
- 客诉报表：按 SKU、按店铺、按业务类型统计问题分布，直接指向产品与供应链的改进点
- 响应时效、超时率、人均处理量、一次解决率、客户满意度，按人、按店、按周期看
- Review、Feedback、VOC、退货报告与工单打通：一条差评对应到当时的往来，复盘有据
团队、权限与多租户
- 角色与权限：客服只看分派给自己的，主管看全部，老板只看报表
- 多店铺、多租户按租户隔离数据；代运营团队一个账号管几十个客户店铺，可按客户出报告
- 敏感词策略：禁用表述、不得承诺的金额范围，发送前拦截
- 消息模板、关怀邮件、Request a Review 规则，统一在一处管理
一个客服在 CaseLoop 里的一天（放手期）
功能列表说不清楚一个工具好不好用。说一天。
- 09:00夜里进来 38 封，Agent 已自动回了 31 封7 封进了人工待办：3 条退货请求、2 条要补偿、2 条它没见过的问题。按 SLA 剩余时间排好，每条都带着建议和依据
- 09:05从最急的一条开始左看客户历史，右看订单物流，中间读 Agent 的建议和它为什么没把握。确认、修改、发送。7 封，20 分钟
- 09:30那 2 条没见过的问题她处理完，Agent 提炼成两条候选知识，附原工单。下次同类进来，它自己回
- 10:00看一眼自动发送的记录31 封都过了 AI 初检；她随手抽了 3 封，语气没问题。关掉
- 14:00白天陆续进来的，待办里只多了 4 条其中 1 条含 "A-to-Z" 字样，触发器直接升级给了主管，主管在手机上处理了
- 15:00质检人工抽检标出 1 封自动回复承诺了库存没有的颜色。她改了回复，那条知识自动降权回到人工审核，下次不会再错
- 17:30下班前今日进线 74，自动闭环 62，人工 12，超时 0。她把多出来的时间用在了客诉报表上：某 SKU 的"妥投未收到"本周 9 单，已转运营查面单
你能拿到什么
以下全部来自已在使用 CaseLoop 的亚马逊卖家客服团队的实测与测算。你们的起点不一样，我们会先做体检再给你算——这些数字不是承诺。
第 8 周起的稳态，新品上架会短暂回升
人只处理例外，其余 Agent 闭环
夜间积压在早班前 1 小时内清空
话术与依据在草稿里，不在老员工脑子里
为什么人工占比是 12–18%，不是 0？
因为有几类我们坚持不让 Agent 自己回：有成本的承诺、索赔纠纷、没见过的问题、质检标出的异常。这部分是售后里真正需要人判断的地方，我们宁可少报一点数字，也不把这条线拿掉。其余的，越跑越少。
业务指标目标
| 指标 | 目标 |
|---|---|
| 买家消息 24 小时内响应率 | ≥ 99.5% |
| 一次解决率 | 提升 15–25% |
| 因"未回复 / 回复慢"产生的差评与 A-to-Z | 下降 60% 以上 |
| 一个客服能服务的店铺数 | 1–2 → 8–12 |
| 自动回复质检覆盖率 | AI 初检 100% + 人工抽样 |
| 同类问题二次进入人工的比例 | < 5% |
说实话：什么时候能见效
| 阶段 | 时间 | 你能感受到什么 |
|---|---|---|
| 接入 + 陪跑 | 第 1–2 周 | 所有渠道进同一个列表；Agent 每封写草稿，客服审每一封。超时率先降下来，因为草稿已经在那了 |
| 逐类放手 | 第 3–4 周 | 采纳率高、复用多的问题类型先放开自动回复；人工占比从 100% 降到 40–50% |
| 规则与质检跑起来 | 第 2 个月 | SLA、触发器、自动跟进、质检回流全部在线；人工占比降到 20–25% |
| 稳态 | 第 8 周起 | 人工 12–18%；客服团队开始把时间花在复盘和反推产品问题上 |
前两周 Agent 草稿的采纳率不会很高，这是正常的——它还不知道你们的口径。每一次客服修改草稿，都是在教它。到第四周，多数常见问题它已经自己在回了。
为什么是我们
CaseLoop 已经在真实的亚马逊卖家客服团队里跑起来了，不是 demo。
CaseLoop 不是一群工程师关起门想象出来的客服系统。它是和第一批客户的客服团队坐在一起、在他们每天真实的买家消息里一天一天打磨出来的——工作台上每一个面板的位置、每一个图标的取舍、Agent 回复里要不要标依据来源，都是一线客服先喊"这个太烦了"，然后才改的。本页数字来自在用客户团队的实际运行情况，不同团队起点差异较大。
工作台是一线客服坐出来的
三栏布局、对话式消息流、左右栏可收起、消息区可展开——每一项都对应客服一天里重复几百次的动作，由在用的团队逐项验证过。
坑已经在真实工单里踩过
接口限流、邮件归并错单、翻译丢语境、Agent 学了一条错的知识连错十几单——这些都在客户的真实工单里发生过并修掉了，质检回流和知识降权就是这么来的。
和 OmniLink 一套底座
CaseLoop 与我们的 AI 运营助手 OmniLink 共用店铺、订单、SKU 与权限体系。客服看到的差评原因，运营那边能直接接着处理。
接入要多久，你要准备什么
接入很轻，不需要换掉你现有的任何系统，也不需要停用现在的邮箱。
- 01授权 · 30 分钟亚马逊卖家后台授权消息接口，店铺邮箱 OAuth 授权，点几下
- 02历史回灌 · 1–3 天（我们做）拉回近 90 天往来，归并成工单，对齐 ERP 订单与 SKU 映射
- 03工作台交付 · 第 1 周内客服开始在 CaseLoop 里回复；旧邮箱继续收，互不影响
- 04陪跑 · 第 1–2 周Agent 每封写草稿，客服审每一封；话术、禁用表述、补偿口径、SLA 同步配进去
- 05逐类放手 · 第 3 周起按问题类型逐个放开自动回复，阈值和必经人工的范围你定
- 06质检与报表 · 持续抽样规则、质检回流、客诉报表、满意度跟踪，按你们的管理节奏来
不需要：换 ERP、换邮箱、停用现有流程、培训一个月。
需要：指定 1 个客服主管对接；前两周客服照常工作，只是改在 CaseLoop 里审草稿——这两周审得越认真，放手之后越省心。
常见问题
Agent 自动回复，会不会乱答买家、乱承诺？
三道闸。第一，陪跑期一封也不自己发，先学会你们的口径；第二，放手后只回它已学会、置信度达标的类型，有成本的承诺、索赔纠纷、没见过的问题一律转人工，范围你划；第三，每封自动回复都过 AI 初检，再人工抽检，出问题的知识条目自动降权回到人工审核。禁用表述和金额上限在发送前拦截。
那客服团队是不是要裁掉？
在用的客户团队里，人没少，事变了。同样的人现在覆盖的店铺是原来的好几倍，而且花在质检、复盘、反推产品问题上的时间多了——这些原来根本没人有时间做。对多数团队来说，CaseLoop 解决的是"不用再招"，而不是"裁掉"。
它学错了怎么办？
每条知识都能追溯到原工单、谁处理的、复用了多少次。质检标出问题，对应知识自动降权、该类问题回到人工；客服修正后知识更新。主管也可以随时把某条知识、某类问题整个关回人工。学错一条的代价是可控的，而且只会错一次。
和 Zendesk、Freshdesk 这类通用客服系统有什么区别？
通用客服系统是为"任何行业的任何客服"设计的，亚马逊的订单、物流、退货、A-to-Z、评价是外挂上去的。CaseLoop 反过来：先有亚马逊的订单与物流，再有工单。Agent 之所以能直接引用物流节点、历史承诺，就是因为这些数据本来就在一张表上。
我们已经有 ERP（领星 / 店小秘 / 积加），会冲突吗？
不冲突。ERP 管订单、库存、财务；CaseLoop 管"跟买家说什么"。我们从 ERP 读订单和 SKU 映射，不写回。工作台右栏的"查询第三方 ERP 订单"就是为这个准备的。
客服英文不好，能用吗？
这正是最适合的场景。来信自动出中文译文，Agent 回复英文成稿带中文对照；需要人工的那一小部分，客服用中文判断、用英文发送，修改也可以直接写中文，由 Agent 改写成英文再确认。
数据安全吗？买家信息会不会泄露？
接入走亚马逊官方接口与邮箱 OAuth，凭据加密存储，随时可在后台一键取消授权。买家个人信息按亚马逊数据保护政策脱敏与留存，租户之间严格隔离。Agent 只从你自己租户内的工单学习、只使用你自己租户内的数据。
代运营团队一个账号能管多少客户店？
没有硬上限。按租户隔离数据、权限和知识库，每个客户可单独出质检与时效报告。人工占比降下来之后，一个团队服务几十个店是常态——在用的客户已经在这么跑。
能不能先试试？
可以。我们先给你做一次免费的售后消息体检：只读授权拉近 90 天往来，出一份报告——超时了多少封、集中在什么时段、重复问题前十是什么、哪几个 SKU 投诉最多、有多少次同一买家被不同的人用不同说法回过。看完报告再决定要不要往下聊。
下一步：一次免费的售后消息体检
你不用先决定买不买。给我们一次只读授权，我们出一份你店铺的售后体检报告，里面全是你自己的数据：
- 近 90 天有多少封买家消息超过 24 小时才回，集中在哪些时段
- 重复出现的问题前十是什么，对应哪几个 SKU
- 有多少个买家被不同客服用不一致的口径回过
- 退货请求与 A-to-Z 的平均响应时长，离窗口还有多少余量
看完报告，你至少多知道四件事——不管最后合不合作。