3 小时的客服记录导出来，1,840 条消息里客户提问 320 条。想知道「客户到底在问什么」，光看聊天记录看不出来——同一件事有十几种问法，语气还夹着抱怨。这次用豆包把 320 条归成 6 类问题清单，去重合并后剩 118 个问题，120 分钟做完。最有用的不是分类，是每类下面那 3 句代表原话。
一句话结论
客服记录分类的难点不在归类，在去重。320 条提问里真正不同的问题只有 118 个，同一件事被问了十几遍，只是说法不同。所以顺序是先洗掉非提问内容、再合并近似问法、最后才分 6 类。反过来先分类，你会得到「物流」类 80 条，每条都像新的，实际全是同一个问题。
这篇解决什么问题
三种情况最常见。一是整段粘贴给 AI 让它总结：3 小时记录一次塞不进去，分批喂又会得到 4 份互不对齐的总结，还得自己拼。二是只分类不合并：分出的类别没错，但每类几十条，看不出哪个问题最该优先解决。三是丢掉原话只留结论：清单写着「物流时效咨询占比最高」，拿给产品看没人有感觉，附上三句客户原话才有。
根子是把这件事当成「文本摘要」。它实际是计数问题：先确定有多少个不同的问题、每个被问了几次，再按频次排序。频次才是排期的依据，不是类别名字好不好听。
开始前要准备什么
- 导出的原始记录，含时间、发送方、内容三列。系统消息和客服回复可以先留着，洗的时候一起处理。
- 6 个类别的名字，先定死。这次定的是产品参数、下单与支付、发货与物流、退换、售后使用、其他。
- 频次统计的方式：按合并后的问题条数算，还是按原始提问次数算。两者都要，前者看有多少种问题，后者看哪个最痛。
- 一条纪律：合并近似问法时保留一条原话，不要只留改写后的标准问法，否则后面找不到客户的真实语气。
具体怎么做
第一步：洗掉非提问内容
3 小时记录里 1,840 条消息，客服回复占 1,180 条，系统消息（欢迎语、超时提示、评价邀请）占 340 条，客户提问 320 条。洗的时候按发送方和关键词两重过滤，20 分钟能清完。这一步不做，后面分类会被客服话术带偏——「您好请问还有什么可以帮您」这类句子会自己聚成一类。
洗的时候要留一列原文索引，每条提问带上时间和会话编号。后面写清单时要能回溯到具体那一段对话，否则客户说「你们的答复不对」时找不到原场面。
这是导出的客服聊天记录（1,840 条，字段为时间、发送方、内容、会话编号）。
请帮我清洗：
1. 只保留客户提问，剔除客服回复、系统消息（欢迎语、超时提示、评价邀请）；
2. 剔除纯表情、纯标点、单字应答（如“在”“嗯”）；
3. 保留每条提问的原始时间与会话编号，输出成表格。要求：不要改写信内容；被剔除的条数要分类统计给我（客服回复多少、系统消息多少）。
第二步：先合并近似问法，再分类
320 条提问里有大量近似问法。「什么时候发货」「多久能到」「今天能发出吗」「下单三天了还没动静」是同一件事。做法是先让模型把近似问法归组，每组给一个标准问法加一条原话，再统计组内条数。这次 320 条合并成 118 个问题。
合并 25 分钟，但它是全篇最关键的一步。如果不合并直接分 6 类，会得到「物流」类 82 条，看着像 82 个问题，实际约 24 个，排期时必然判断错误。合并后物流类只剩 24 条，排在第二。
这是清洗后的 320 条客户提问。
请帮我合并近似问法：
1. 把表达同一问题的提问归成一组，每组给一个标准问法；
2. 每组保留 1 条最有代表性的原话（选信息最全、语气最有代表性的那条，不要改写）；
3. 统计每组的原始提问条数。约束：
– 只有“问的是同一件事”才合并，问的是同一类但具体诉求不同的不要合并（例如“能不能改地址”和“能不能改收货人”分开）；
– 标准问法用客户的口气，不要用内部术语；
– 分组结果按原始条数从多到少排。
第三步：按 6 类落位，看分布是否偏斜
118 个问题按 6 类落位：产品参数 38、下单与支付 27、发货与物流 24、退换 16、售后使用 9、其他 4。分布明显偏斜，前三类占 89 个，等于 75%。这个结果直接决定了清单怎么写——前三类要细到「哪一句产品描述没写清」，后三类可以只列名称。
「其他 4 条」要单独看，别当成噪声丢掉。这次 4 条里 2 条问的是发票，1 条问能不能开专票，1 条问能不能开公司名——其实是一件事，说明发票信息在页面上根本没写。这类零星问题往往是页面上最明显的缺口。
这是 118 个已合并的问题（每组含标准问法、代表原话、原始条数）与 6 个固定类别。
请帮我归类：
1. 按 6 类落位，输出每类的问题列表与条数小计；
2. 标出跨类的问题（例如既涉及支付又涉及退换），说明归到哪类更合适及理由；
3. 单独列出“其他”类，指出其中隐含的重复主题。要求：每类条数之和必须等于 118，给出核对结果；跨类问题只归一处，不要重复计数。
第四步：写成清单，每类带原话与建议动作
清单的格式是：类别 → 问题条数 → 前三个问题（标准问法加原话加条数）→ 建议动作。建议动作必须具体到「改哪一页、加哪一句」，不写「优化产品描述」这种没法执行的话。18 分钟写完全部。
这次前三类的建议分别是：产品参数类补一张规格对照表（38 个问题里 21 个问的是尺寸与适配）、支付类把支持的支付方式放在结算页顶部（27 个里 15 个问是否支持某支付）、物流类在商品页标出预计发出时间（24 个里 19 个问多久发货）。
这是 6 类问题清单（含条数、原话、分布）。
请帮我写成给产品与运营看的清单：
1. 每类按条数排序，列出前三个具体问题，各配 1 条原话；
2. 每类给一条建议动作，必须说明改哪个页面、加哪一句、去掉哪一句；
3. 标出三类里“改一处能同时解决多条”的机会点。要求：建议动作要可执行，不要写“优化体验”“完善说明”；每条建议附一句判断依据（多少条问题指向它）。
实测记录
素材是 3 小时聊天记录，1,840 条消息。清洗 20 分钟（剩 320 条提问）。分批处理 12 分钟（4 批，每批 80 条）。归类 45 分钟，含两轮修正。合并近似问法 25 分钟（320 到 118）。写清单 18 分钟。合计 120 分钟。
结果：118 个问题落成 6 类，前三类 89 个占 75%。最反直觉的一条是「售后使用」只有 9 个问题——原本以为使用问题是客服的主要负担，实际远少于下单与支付。这也说明凭印象判断客服压力来源很不准。
对照人工：320 条逐条读并打标，估计 4 小时。省下的时间主要在两处，一是不用反复回读（模型能同时看全部 320 条），二是合并近似问法这一步人工很难做——读到第 80 条时已经记不清前面说过什么。
最容易错的 3 个地方
第一，不洗数据直接分类。客服回复和系统消息会自己聚成类，「您好请问还有什么可以帮您」这类话术在 3 小时记录里出现上百次，模型会把它当成一个大类。清洗 20 分钟，省掉的是后面全部返工。
第二，把「同一类」当成「同一个问题」。「能不能改地址」和「能不能改收货人」都属物流，但是两件事。合并过头会把不同诉求并成一条，清单上的数字就失真了。判据是：客户想要的结果是否相同，而不是话题是否相邻。
第三，只交分类不交原话。「物流时效咨询占比最高」这句话产品经理看完没反应，「下单三天了还没动静」这句原话看完就知道该在商品页加一行发货时间。原话是清单里最贵的部分，不能省。
可复用的东西
三重清洗：按发送方剔客服回复、按关键词剔系统消息、剔纯表情与单字应答。
先合并后分类：近似问法先归组，再落 6 类，否则每类条数虚高。
双计数：问题种类数看有多少种问题，原始条数看哪个最痛，两个都要。
原话保留：每组留 1 条不改写的原话，清单才有说服力。
建议动作三要素：改哪个页面、加哪一句、去掉哪一句，缺一项就没法执行。
常见问题解答
为什么不能跳过清洗直接分类
客服回复和系统消息会自己聚成类。1,840 条里客服回复 1,180 条、系统消息 340 条，「您好请问还有什么可以帮您」这类话术出现上百次，模型会当成一个大类。按发送方和关键词两重过滤，20 分钟清完，剩下 320 条真正的客户提问。
320 条怎么只剩 118 个问题
同一件事有大量近似问法。「什么时候发货」「多久能到」「今天能发出吗」「下单三天了还没动静」是同一件事。合并依据是客户想要的结果是否相同，合并后物流类从 82 条降到 24 条。这一步 25 分钟，不做的话每类条数都虚高。
为什么每组要留一条原话
原话是清单里最贵的部分。「物流时效咨询占比最高」这句话产品看完没反应，「下单三天了还没动静」看完就知道该在商品页加一行发货时间。所以合并近似问法时每组保留一条不做改写的原话，选信息最全、语气最有代表性的那条。
分布偏斜说明什么
说明排期该往哪放。这次前三类 89 个占 118 个的 75%，所以清单里前三类细到「哪一句产品描述没写清」，后三类只列名称。「售后使用」只有 9 个，比预期少很多——凭印象判断客服压力来源很不准。
本网站的部分内容可能来源于网络或用户投稿，仅供大家学习与参考，如有侵权，请联系客服： hhxmw778 进行删除处理。
本站一切资源不代表本站立场，并不代表本站赞同其观点和对其真实性负责。
教程如引导您添加微信或有另外收费服务，请自行甄别！
如遇充值环节或绑定支付账户或输入支付密码之类的异常步骤，建议停止操作！本站不对操作项目的损失负责！
本站一律禁止以任何方式发布或转载任何违法的相关信息，访客发现任何资源有问题请向站长举报下架
(手机微信用户建议用默认浏览器打开，可体验完整功能)
按岗位找 AI 实操步骤 · 提示词可收藏