询盘太多回不过来？AI回复和招人怎么取舍

询盘变多本来是好事，但很多团队在这一步翻车：消息回不过来，客户等着等着就走了，广告照跑、询盘照来、成交原地踏步。这时候摆在面前的选择通常是两个——上 AI 自动回复，还是招客服。这篇把两边的账都算清楚，再给一套大多数团队用得上的混合方案。

一、先算一笔账：一条询盘的回复成本

先量化问题，再谈方案。

一条 WhatsApp 询盘，从客户开口到拿到有效答复，中间的工作量包括：看懂对方要什么（很多时候第一句话说不清）、查库存或价格、组织语言（可能还要翻译）、回复、跟进。熟练的客服处理一条简单询盘要三到五分钟，复杂的一聊就是半小时。

再算总量：广告跑起来之后，一天五十条询盘是常见量级。五十条乘以四分钟，就是三个多小时纯回复时间，这还没算跟进和整理。一个人全天泡在里面，也就勉强接住这个量。

所以问题其实不是「要不要 AI」，而是「你的询盘量已经超过了人工能舒服处理的规模没有」。一天十条以下，人工完全够，别急着上系统；一天五十条以上，纯人工一定会在某个时点崩掉——要么回复变慢，要么回复变水，两种都是客户流失。

二、AI 自动回复适合接哪类消息

AI 不是万能的，但有一类消息它接得又快又稳：高频、重复、有标准答案的消息。

典型的有这几类：

开场咨询。「这个有货吗」「最小起订多少」「发什么快递」——每天被问几十遍的问题，AI 答得比人快，而且答案永远一致。

价格和规格查询。 把价格表和规格参数喂给 AI，客户问到就能直接给，不用人工翻表。

非工作时间的首触响应。 半夜来的询盘，AI 先接住、给方向、留话头，人第二天上班接着聊。这一段的价值最大，因为时差原因，你的询盘高峰很可能就在你睡觉的时段。

跟进提醒类。 到货通知、节日问候这类标准化触达，AI 按规则自动发，不用人盯着。

这些消息占了询盘总量的大头，通常是七八成。AI 把这部分吃掉，人的压力立刻不一样。

三、必须真人接的三类消息

反过来，有三类消息现阶段 AI 接不好，硬接会出事：

谈价和谈条件。 客户开始砍价、要账期、谈定制，这是博弈，AI 按话术库回答会被专业买家一眼看穿，还容易把底牌漏出去。

投诉和情绪。 客户不满的时候，要的是被重视的感觉，一段格式完美的自动回复只会火上浇油。这类消息要人接，而且要快。

复杂需求的确认。 客户的需求说不清、要打样、要定制参数，来回追问才能锁定的对话，AI 问两句就露馅，客户会觉得「这家没人」。

判断标准其实很简单：这条消息有没有标准答案，以及答错了的代价大不大。有标准答案且答错代价小的，交给 AI；没有标准答案或者答错丢单的，留给人。

四、招人的账：一个客服能接多少会话

如果倾向招人，也得算清产能：

一个熟练的 WhatsApp 客服，同时能跟 15 到 25 个活跃会话，一天能处理 80 到 150 条消息（不是 80 到 150 个会话，一个会话往往来回好几条）。再往上，回复速度一定掉，客户等待时间一定变长。

按这个产能倒推：一天 50 条询盘、每条平均跟 5 轮，就是 250 条消息，至少要两个人。而且客服不是 24 小时在线，覆盖不了的时段还是要有兜底方案——这就是为什么纯人工方案很少能单独成立，最后还是要配自动化。

招人还有隐性成本：培训周期（要懂产品、懂话术、懂时区礼仪）、流动率（客服岗流动高，走了就断档）、管理成本。小团队第一步招人，优先招「会看数据、能维护话术库」的人，而不是单纯打字快的人。

还有一个常被忽略的成本：招人这件事本身有周期。发布、筛选、面试、入职、培训到独立接话，顺的话三周，不顺一个月往上。而询盘量的增长往往是突发的——加预算、视频突然爆了，消息第二天就涌进来。等三周后人到岗，前面那批客户早就凉了。这也是为什么承接体系里，自动化要走在招人前面：工具当天能开，人不能当天到。应急的做法是先上自动回复把量兜住，同时招人，人到岗后再把 AI 降为辅助，主力对话交回人。

五、混合方案：AI 接首触，真人接意向

大部分跨境团队的最优解不是二选一，是分层混合：

第一层，AI 秒答。 所有进来的消息，AI 先按知识库回应，秒级响应。高频问题在这一层直接解决，客户不用等。

第二层，标记升级。 AI 遇到谈价、投诉、复杂需求的对话，自动打上标签转人工，同时在会话里附上 AI 已经了解到的信息（客户问过什么、什么意向），人接手不用从零开始问。

第三层，真人跟进。 人只处理第二层转过来的对话和重点客户的主动跟进。工作量砍到原来的两三成，回复质量反而上去了，因为人的时间全花在刀刃上。

这套分层和客户分层是一体的：AI 接住的客户里，问过两次价的、开口要样品的，自动升到高优先级，人优先跟。标签怎么打、分几层，这篇讲过一套可以直接抄的打法：www.tiktoktows.com/knowledge/3d24cfb2-9f99-424c-84ec-e5e6561850c3

分层做得好不好，有一个很实在的检验标准：随便打开一条对话，你能不能在十秒内说清这个客户处在什么阶段、下一步该做什么。说得出来，说明分层落到了人手上；说不出来，说明标签只是躺在系统里。

六、AI 回答不准怎么办

AI 自动回复最大的顾虑是答错。控制风险的办法有三个：

喂资料，别喂自由。 让 AI 只基于你的产品资料、价格表、常见问题答，资料里没有的问题不要让它自由发挥。答不了就明确说「这个我帮您转负责人，稍后回复」，转人工。宁可承认不知道，不要编一个答案。

设兜底话术。 每一类拿不准的情况，都有一条兜底回复，方向永远是「承诺回复时间 + 转人工」。客户对「稍后给您准确答复」的容忍度，远高于对一段错误答案的容忍度。

每周复盘 AI 的对话记录。 抽 AI 接过的对话看一遍：哪里答得不准、哪个问题高频但资料里没有。把发现补进知识库。这个动作每周半小时，AI 的准确率会持续往上走。不做这个复盘，AI 就停在上线第一周的水平。

七、上线前的自测清单

AI 自动回复上线前，过一遍这六个勾：

1.知识库里有产品资料、价格表、物流政策、常见问题四样基础资料
2.AI 被问住时的兜底话术已配置，方向是转人工而非硬答
3.谈价、投诉、复杂需求三类对话的转人工规则已设置
4.非工作时段的响应策略测过一遍：深夜发条消息，看 AI 怎么接
5.用同事的号码当客户，把十类高频问题全问一遍，检查回答质量
6.复盘机制定了：每周谁看对话记录、往知识库里补什么

第五条最不能省。AI 的回答只有真的当过几回客户才知道准不准，后台显示「已回复」不等于回复对了。

这份清单建议做成固定的上线检查表，每次换产品线、开新市场、调整知识库，都重跑一遍。AI 的表现会随着资料变化漂移，清单是把漂移拉回基准的锚。

八、什么阶段做什么选择

最后给一个分阶段的决策参考：

日询盘 10 条以下： 纯人工，重点是把话术模板做好，别上系统，成本不划算。

日询盘 10 到 50 条： 人工为主，AI 接首触和非工作时间。这是最典型的混合方案区间。

日询盘 50 条以上： AI 承接大头，人做升级对话和重点客户。这时候再看团队，招的人应该从「打字客服」升级为「会维护知识库、会看数据的运营」。

阶段跳迁不是一天完成的，但方向要提前想：询盘量只会随着投放加码越来越多，承接体系的扩展性，决定你敢不敢把预算往上加。

九、下一步

AI 和人怎么分工定了，具体到每一天的消息怎么排优先级、什么必须马上回、什么可以攒着批量回，这篇承接的实操里有一套日常动作：www.tiktoktows.com/knowledge/9d5d13ef-0f10-41f2-a481-325e1508411c

另外，真人接的对话里最烧脑的是报价环节，报价怎么报、怎么应对砍价，这篇专门拆了：www.tiktoktows.com/knowledge/941ec66f-199b-41f3-93c5-9edbaebea76e