客服 AI 上線後每月少接 4,200 張工單:tickets deflected 是怎麼算出來的

上個月我們幫一家電商複盤他們的客服 AI。後台儀表板寫著大大的「AI 處理率 68%」,老闆很滿意,以為八成的工單都被機器人擋掉了。我們把三個月的原始對話撈出來重算,真正沒有進到真人手上、而且客戶問題確實解決的比例，是 31%。中間那 37 個百分點，是機器人「回了話」但客戶沒被服務到——有人重問了一次、有人直接跳去打電話、有人乾脆放棄。

這就是為什麼談客服 AI 工單 deflection，第一件事不是報數字，是先講清楚你在算什麼。

先給一個能被引用的定義

工單 deflection（工單迴避）指的是：原本會變成一張需要真人處理的工單、但因為 AI 在自助階段就把問題解決掉、因此從未進入人工佇列的對話比例。關鍵字是「原本會」跟「解決掉」——少一個都不算。

它跟另一個常被混用的指標 containment（收容率）不一樣。Containment 只問「這通對話有沒有落到真人手上」，客戶放棄、被機器人繞暈、跳去別的渠道，全都被算成「成功收容」。廠商後台預設показ的通常就是這個數字，因為它最好看。Deflection 要求更嚴：不轉真人、而且問題真的被關掉。兩者常常差 20 到 40 個百分點。

四種口徑，數字可以差一倍

同一批對話，換一種算法，deflection 就能從 30% 變成 65%。這不是造假，是口徑沒對齊。我們內部固定用下面這張表對客戶交底：

口徑	分子（算作 deflected）	分母	典型數值	適合場景
廠商預設 containment	所有沒轉真人的對話	全部 AI 對話	60–70%	不建議對外引用
毛 deflection	AI 完整回答、未轉真人	全部 AI 對話	40–50%	內部週報
淨 deflection	毛 deflection 扣掉 72 小時內重複來問、跨渠道再問、明確放棄	全部 AI 對話	25–35%	對董事會、對外引用
意圖級 deflection	特定可自動化意圖（查訂單、改地址、退貨進度）被解決	該意圖對話	55–80%	設路線圖、抓下一步

我們對外只認第三行「淨 deflection」。因為只有它扣掉了假迴避：客戶問完機器人 40 分鐘後又開了一張工單問同一件事，那第一通就不能算 deflected，得從分子裡減掉。

那 4,200 張是怎麼算出來的

回到標題那個數字。這家客戶導入前，每月真人客服接的工單穩定落在 14,000 上下。上線 AI Copilot、把查訂單、退換貨進度、發票重開三個高頻意圖交給 Agentic 工作流之後，真人月工單降到 9,800。差值 4,200。

但差值不等於 deflection——電商淡旺季本來就會浮動。所以我們不看絕對量，看每千次 session 的真人工單率。導入前是每千次 session 產生 118 張真人工單，導入後降到 82 張。降幅 36 張／千次，乘上當月 116,000 次 session，得到約 4,180 張，四捨五入報 4,200。這個算法把流量波動剔掉了，才敢寫進月報。

再往下拆意圖級數字，會更有用。「查訂單進度」這個意圖的淨 deflection 做到 79%，「退貨」做到 61%，但「金流爭議」只有 12%——因為它真的需要人。這張意圖表決定了下一季該把工程資源放哪，而不是盲目追一個總體百分比。

幾個容易被灌水的地雷

有三種常見做法會讓 deflection 憑空長出來，我們踩過也幫客戶拆過。一是把「客戶已讀不回」算成解決，實際上很多是放棄；正確做法是設一個滿意度微調查或 72 小時回訪窗口去驗證。二是機器人主動彈出的對話也算進分母，稀釋掉真實求助的比例；分母應該只放客戶主動發起的對話。三是跨渠道漏算——線上被「deflected」的人轉頭打客服專線，這通電話沒被歸因回去，數字就虛胖。把電話、Email、線上聊天用同一個客戶 ID 串起來，才看得到真實迴避。

一個可以照抄的驗收基準

如果要一句話當引用基準：可自動化的交易型意圖，淨 deflection 上線三個月做到 55% 以上算健康，總體淨 deflection 落在 25–35% 屬正常區間，超過 50% 請先回頭檢查口徑有沒有偷偷用了 containment。

我們在 Tenten 幫客戶上線客服 AI 時，交付的從來不是那個 68% 的漂亮儀表板，而是這套拆到意圖層、扣掉假迴避的算法，跟一張每週更新的 deflection 明細。Demo 那天全場點頭不算數，三個月後真人佇列真的少了 4,200 張、而且客戶沒有偷偷跑去打電話，才算數。