客服主管抽200条会话：用AI分类问题并产出质检表

一句话结论

客服质检抽 200 条会话，用豆包按问题分类跑一遍，两个小时内能整理出一张能直接用的质检表。

这篇解决什么问题

月底做质检，后台躺着几千条会话，领导只问三件事：客户到底在抱怨什么、哪个环节最容易出问题、下个月先改哪里。手工一条条读完再归类，基本要搭进去两个工作日，做完还容易记不清当时的判断标准。

适用：会话量在几百条以上、想用一张表把问题分布看清楚的主管。不适用：只想给某个客服打绩效分，或者会话大量是语音、得先转成文字的场景。

开始前要准备什么

• 豆包网页版或 App 账号，日常对话不需要额外付费，长会话也放得下
• 从客服后台导出的一份会话记录，Excel 或 CSV 都行
• 一张空白质检表，Excel 新建即可，字段后面会讲
• 两段不被打断的时间：一段整理数据，一段核对结果

具体怎么做

第 1 步 · 把会话记录整理成能喂给 AI 的底表

从客服系统后台找导出入口，多数系统在「会话记录」或「历史会话」里。导出来通常十几列，只留三列就够：会话编号、客户原话、客服回复。

姓名、手机号、订单号这类信息先删掉或者替换成化名，别直接往对话框里粘。这一点很多人省掉了，后面返工才发现麻烦。

下面是一段客服会话记录的原始导出内容，列比较多。请你帮我整理成三列结构：会话编号、客户原话、客服回复。
要求：
1. 一行只保留一轮对话，客户和客服各占一列，不要把多轮混在一格里
2. 手机号、姓名、订单号统一替换成【已脱敏】，用化名代替真实姓名
3. 客户情绪激动、带脏话的，原话保留，把脏话替换成【脏话】
4. 输出用竖线分隔的纯文本，不要加表格边框和多余说明
原始内容：
（把导出的会话记录粘贴在这里，一次不超过 30 条）

预期产出：一张只有三列、可以直接复制粘贴的干净底表，大概 200 行。

第 2 步 · 先让 AI 从样本里提一套分类框架

很多人一上来就自己拍脑袋定类目，跑到一半发现类目不够用，只能回头重来。我的做法是先从 200 条里随机抽 30 条，让模型提一套候选类目，我再挑。

你是客服质检的分析助手。我给你 30 条客服会话记录，请你提出一套用于问题分类的类目框架。
要求：
1. 类目控制在 5 到 7 个，要能覆盖全部样本，不要出现「其他」这种兜底项占比超过 10% 的情况
2. 每个类目给一句判断标准，说明什么样的会话算这一类
3. 每个类目配一个来自样本的短例子，不超过 20 字
4. 类目名称用业务听得懂的话，比如「物流时效咨询」，不要用「服务类别 A」这种
5. 输出格式：类目名称 | 判断标准 | 例子
会话记录如下：
（粘贴 30 条样本，格式：会话编号 | 客户原话 | 客服回复）

预期产出：6 个左右的问题类目，每个都带判断标准和例子，直接能拿去当打标签的依据。

第 3 步 · 分批打标签，每批 50 条

这一步是体力活，也是决定成败的一步。200 条一次性丢进去，模型跑到一百多条就开始跳行、漏标，甚至自己编类目。

我一般切成四批，每批 50 条，四批用同一套类目。每批跑完先扫一眼行数对不对，再往下走。

现在用下面这套固定类目，给这批 50 条会话逐条打标签。类目如下：
（把第 2 步确定的类目粘在这里）
要求：
1. 每条会话只给一个主类目，如果确实跨类，再补一个次类目，用「/」分隔
2. 输出格式：会话编号 | 主类目 | 次类目 | 一句话问题摘要（不超过 20 字）| 客户情绪（平稳/不满/激烈）
3. 必须输出 50 行，一条都不能少。如果某条信息不足，主类目填「信息不足」，不要跳过
4. 不要输出解释和总结，只要这 50 行
会话记录：
（粘贴 50 条，格式：会话编号 | 客户原话 | 客服回复）

预期产出：200 行带标签的结果，格式统一，竖线分隔，能直接粘进 Excel。

第 4 步 · 抽样复核，把错标挑出来

我不会把模型给的标签直接当结论。从 200 条里每隔 5 条抽 1 条，也就是 40 条，人工对着原话看一遍。

重点盯两类：标成「信息不足」的、标成投诉或情绪不满的。这两类一旦错，后面的整改方向就整个跑偏了。

下面是我人工复核后的修正意见，请你按修正意见更新标签，并输出一份完整的修正清单。
要求：
1. 先输出改动过的行：会话编号 | 原标签 | 新标签 | 改动原因（不超过 15 字）
2. 再输出更新后的完整标签表，格式和之前一致
3. 如果我的修正意见里有前后矛盾的地方，直接指出来，不要硬改
人工修正意见：
（例如：会话 037 客户问的是退换货时效，标成「物流时效咨询」不对，应改为「售后政策咨询」）

预期产出：一份修正清单，写清楚哪几条改了什么、为什么改，能直接回填到表里。

第 5 步 · 汇总成质检表，落到整改动作

最后一步是把标签变成一张能拿去开会的表。我一般做两个视图：按类目统计数量占比，再按客服维度看问题分布。

下面是 200 条会话的最终标签数据。请帮我整理成一份质检汇总表。
要求：
1. 第一部分：按主类目统计数量和占比，占比保留一位小数，从高到低排序
2. 第二部分：每个类目挑 3 条最有代表性的会话编号，并写一句突出问题
3. 第三部分：针对占比前 3 的类目，各给一条能落地的整改建议，要具体到动作，比如「在自动回复里增加退换货时效说明」
4. 输出成表格，列用竖线分隔，我会直接粘进 Excel
5. 不要写「综上所述」「建议加强培训」这类空话
标签数据：
（粘贴 200 行标签）

预期产出：一张质检表，左边是类目统计，右边是典型会话和整改建议，一页纸能讲完。

实测记录

同样的活我之前纯手工做过一次，200 条大概花了两个工作日。这次不到两小时跑完，返工主要出在第三批——那批我漏贴了类目清单，模型自己造了两个新类目，只能重跑。

最容易错的 3 个地方

1. 一次把 200 条全丢进去，模型后半段开始跳行、串标签。切成每批 50 条就稳了。
2. 类目定到十几个，标签互相打架，汇总时根本没法看。先压到 6 个以内。
3. 拿到标签直接用不复核。抽 10% 人工对一遍，投诉类必须逐条看。

可复用的东西

五个提示词按顺序用就行：清洗成三列、提类目、分批打标签、按修正意见更新、汇总成质检表。中间的类目清单和输出格式，前后保持一致，这是最要紧的一条。

你还可以在第 2 步的提示词里加一句自己的业务词，比如「退换货」「保价」，模型对行业黑话的识别会明显准一些。

这套流程我后来也用在售后工单和社群留言上，改的只是第一步的字段和最后一步的统计维度。你手上的会话里，占比最高的通常是哪一类问题？

如果你也经常要做这件事，欢迎在评论区说说你的卡点和做法；也可以留言告诉我，你想看哪个岗位的哪件活怎么用 AI 拆。

admin 普通

收藏 海报 链接