300 条客服工单自动打标签，用 AI 生成可筛选分类表

一句话结论

把 300 条反馈复制进表格，用豆包按固定标签体系批量打标，半小时左右能拿到一张可直接筛选的标签表。

这篇解决什么问题

月底客服组要把几百条反馈归档，手工一条条点选标签，一两个小时起步，还容易标到一半口径就跑偏了。这套流程把打标这一步交给 AI，人只做定标准、复核、改错三件事。

适用：反馈量大、标签口径基本固定的团队，比如电商客服、App 用户运营。不适用：标签每周都在变、或者反馈里夹着合同、诉讼这类不允许外发的内容。

开始前要准备什么

• 工具：Excel 或任意表格软件，外加豆包的网页版或 App。
• 素材：从工单系统导出的反馈原文，姓名和手机号先删掉。
• 时间：整套流程通常 1 小时以内，第一次做会慢一些。
• 前置确认：公司是否允许把这类文本贴进外部工具，不允许就先脱敏。

具体怎么做

第 1 步 · 先把反馈洗成一张干净表

导出的工单常常带空行、重复记录和”已回复”这类系统状态，先洗一遍再交给 AI，能省掉后面大量对不上的返工。

你是数据清洗助手。下面是我从工单系统导出的客户反馈原文，一行一条，编号可能有重复或缺失。
请按以下要求处理：
1. 删除空白行、纯符号行，以及只有”已回复””客户已读”这类系统状态的记录；
2. 内容高度重复的记录只保留最早一条，并在末尾标注”疑似重复”；
3. 去掉手机号、身份证号、具体订单号，统一替换为【已脱敏】；
4. 从 T-001 开始重新编号，输出格式为：编号|清洗后原文，用英文竖线分隔，一行一条；
5. 不要输出表格，不要加多余解释，不要写开头结尾的客套话。
原始数据如下：
（把 300 条原文贴在这里）

预期产出：一列重新编号的干净文本，大约 T-001 到 T-300，复制回 Excel 的 A 列即可。

第 2 步 · 定一套标签体系

这一步最容易被跳过。不让 AI 现场造标签，先给它一批样本和你的业务口径，让它提候选，你再砍到能用的数量。

下面是我们客服团队最近 30 条真实反馈。请帮我设计一套工单分类标签体系，要求：
1. 一级标签控制在 5 到 7 个，覆盖这批反馈里的主要类型，比如物流、售后、质量、价格、服务态度；
2. 每个一级标签下给 2 到 4 个二级标签；
3. 每个二级标签配一句判断标准，说明什么情况归到这里、什么情况不要归到这里；
4. 单独保留”其他-无法归类”作为兜底；
5. 用表格输出三列：一级标签、二级标签、判断标准。
样本如下：
（贴 30 条）

预期产出：一张 5 到 7 个一级标签的表，把它存成”标签字典”，后面每一步都要原样带上。通常要来回改两轮才顺手。

第 3 步 · 拿 30 条试跑校准

全量之前先用 30 条试一次，重点不是看标得准不准，而是看输出格式能不能直接粘回表格。

按下面的标签字典给 30 条工单打标签。
标签字典：
（把你定稿的标签表贴在这里）
输出要求：
1. 一行一条，字段顺序为：编号|一级标签|二级标签|客户情绪|紧急程度|一句话摘要；
2. 字段之间只用英文竖线分隔，不要用表格，不要合并单元格；
3. 一级、二级标签必须从字典里选，选不出来就填”其他-无法归类”；
4. 客户情绪填：平静/不满/愤怒；紧急程度填：高/中/低；
5. 摘要不超过 15 字，只写事实，不要写建议；
6. 不要输出任何解释性文字。
工单数据：
（贴 30 条）

预期产出：30 行竖线分隔的文本，粘进 Excel 后用”分列”按竖线切开，就是规整的 6 列。

第 4 步 · 分批跑完剩下的

一次贴三百条，AI 后半段容易漏行或者把编号串掉。按 50 条一批，编号保持连续，每批回来随手核对行数。

继续用同一套标签字典和同一套输出格式，处理下面这批工单，规则不变：
编号|一级标签|二级标签|客户情绪|紧急程度|一句话摘要，英文竖线分隔，一行一条。
只输出结果，不要重复字典，不要写”好的””以下是”，不要在结尾加总结。
本批共 50 条，请输出满 50 行，编号必须和输入一一对应。
工单数据：
（贴本批 50 条）

预期产出：每批 50 行编号连续的标签结果，一批通常 5 到 10 分钟，300 条分 6 批跑完。

第 5 步 · 回表复核和看分布

把结果贴回原表，用筛选和透视看类型占比，同时让 AI 把拿不准的那几条挑出来，人只改这些。

下面是我已经打好的标签结果。请只做一件事：
挑出你觉得标注可能不准的条目，逐条说明理由，并给出一句修改建议。
判断可能不准的依据：一级标签和摘要内容明显不匹配、同一句话在两个标签之间摇摆、客户情绪和紧急程度自相矛盾。
输出格式：编号|现在的标签|问题所在|建议改为
最多挑 20 条，挑不出 20 条就按实际数量输出，不要凑数，不要评价我的标签体系。

预期产出：一份 20 条以内的存疑清单。照着改一遍，比通读 300 条快得多。另外在 Excel 里对”一级标签”列做个数据透视，能直接看到各类型占比。

实测记录

成本上没花钱，豆包处理这类纯文本的免费额度够用，300 条远没到需要付费的量级。手工标同样的量，我自己通常要两个多小时。

返工也确实有。第一次我偷懒没先定标签字典，直接让它标，结果它自创了”物流慢””发货慢””快递慢”三个近义标签，光合并就花了十来分钟，比前面定标准还费劲。

最容易错的 3 个地方

1. 不给标签字典，让 AI 自由发挥。它会造出一堆近义词，合并比标注还累。
2. 一次贴 300 条。后半段容易漏行串号，回表对不上行数。
3. 照抄 AI 的紧急程度。客户骂得凶不等于业务紧急，得按规则人工定。

可复用的东西

整套流程其实就是五段提示词：清洗编号、提标签体系、试跑校准、分批打标、挑存疑清单。把它们存在一个记事本里，下次只换中间贴的数据就行，标签字典一直沿用同一份。

唯一需要你每次动手改的，是第二步的标签字典。业务口径变了，字典跟着变，后面三段不用重写。我自己的习惯是每月复看一次字典，把”其他-无法归类”里攒得多的几条提上来。

这套流程省的不是体力，是”标到一半发现口径不对”的那种反复。你们现在工单分类用的是几级标签？如果只有三四个大类，第一步的字典可以再简化一些。

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