0
當前，AI技術的發展正呈現出“冰火兩重天”的態勢。
一方面，豆包、千問等AI助手正在加速滲透，搶占C端入口。另一方面，如何讓AI從“能對話、會應答”的交互層面，進階到“能落地、能辦事”的實用層面，以及如何在海量應用場景中找到PMF路徑，讓AI產品形成規?；?、常態化的商業閉環，依舊是行業迫切需要回答的問題。
從技術特性和場景需求的適配性來看，智能客服領域或許是破解這兩大難題的優質切口。
首先，多輪對話理解是大語言模型的核心優勢之一，而這恰好與客服場景的天然屬性高度契合。
客服場景中，用戶的需求往往需要通過多輪交互逐步澄清。例如用戶咨詢“商品退換貨流程”時，可能會延伸出“退換貨運費誰承擔”“退換貨后退款到賬時間”等一系列關聯問題。
傳統規則型客服系統往往只能應對預設的單一問題，面對多輪追問易出現應答斷層，而大語言模型憑借其強大的上下文理解能力與邏輯推理能力，能夠精準捕捉用戶對話中的核心訴求與潛在疑問，實現連貫、流暢的多輪應答，甚至主動預判用戶需求，提升交互效率。
其次，文本生成是大語言模型最成熟、最核心的能力模塊，而文本交互正是客服領域與用戶溝通的主要載體。
無論是在線文字咨詢、訂單留言，還是售后回復，文本都是客服場景中最基礎、最普適的交互形式，無需額外搭建復雜的交互載體。
除了技術與場景的天然適配，電商行業競爭焦點的變化，也在加速客服領域擁抱AI，并且從中挖掘新的商業價值。
“存量用戶運營”已經成為電商競爭的核心焦點，這一趨勢下，2025年6月，淘寶天貓正式上線了新版店鋪評價體系——真實體驗分，將服務質量納入平臺流量分配的核心考核指標體系。日前舉辦的2026淘寶天貓商家服務大會上，更是直接喊出了“好服務構筑增長韌性”的口號，倡導商家將服務體驗作為增長的新引擎。
這一調整意味著，服務能力不再是企業的“加分項”，而是影響流量獲取、訂單轉化的“必選項”——服務評分更高的商家，將獲得更多的平臺曝光資源，形成“好服務→高轉化→多復購”的正向循環。
這種策略導向的轉變，不僅重構了電商行業的競爭邏輯，也讓作為服務核心環節的客服，迎來了價值重塑的契機。在Agent等AI工具的加持下，一些商家內部，客服部門正在悄然從原來的“成本項”蛻變成如今的增長部門。
由淘寶天貓平臺官方出品，擁有十年積淀且不斷迭代求新的智能客服產品——店小蜜，正是這場轉變背后的重要推手之一。
回溯十年前，在“雙11”等模式創新的帶動下，電商行業迎來飛速發展。當時，面對大促期間的海量咨詢，人工客服難以及時響應，導致用戶滿意度不高和大量訂單流失。
在這一背景下，阿里推出了智能客服產品——店小蜜，通過預設關鍵詞、場景化問答庫等方式，實現了簡單咨詢問題的自動化應答，大幅緩解了人工客服的壓力。
這套底層架構憑借其高效、可復制的特性，被全行業廣泛借鑒，直接推動了電商智能客服行業的蓬勃發展，奠定了店小蜜在行業內的標桿地位。
十年間，電商行業的用戶需求、交易場景不斷升級，傳統智能客服的局限性也逐漸顯現。
基于規則的意圖識別和QA匹配模式，只能應對預設場景內的問題，面對用戶的個性化提問、模糊表述或復雜需求時，往往難以精準應答，只能轉人工處理，導致轉人工率居高不下。
同時，商家需要投入大量人力成本搭建和維護問答庫，尤其是新品上架、活動促銷等場景，需要頻繁更新規則，配置成本高昂。
而大語言模型浪潮的到來，為智能客服的迭代升級提供了技術突破口，也讓店小蜜迎來了二次創新的契機。
店小蜜業務負責人開鋒介紹，去年年初，團隊在驗證了大語言模型技術對智能客服系統的提升效果后，做了一個大膽的決定——徹底顛覆過去十年里曾經引領行業的技術架構，基于大語言模型技術對店小蜜進行徹底重構。
2025年9月，AI原生的店小蜜5.0正式發布。測試階段數據顯示，店小蜜5.0幫助商家轉人工率降低20%以上，店鋪成交轉化率提升35%以上。
緊接著，店小蜜5.0又迎來了雙11的大考：在10月15日到11月2日期間，累計接待服務消費者3億人次。
據悉，目前已經有百萬商家接入了店小蜜5.0，并取得了顯著成效。奧康鞋業就是其中之一。
奧康集團客服主管林晶晶介紹，店小蜜5.0不僅幫助奧康實現了降本增效，還重構了電商服務體驗：將過去的被動服務升級成了主動服務，標準化服務升級成了個性化服務，從而帶動了新的增長。
林晶晶回憶，之前每次大促，客服部門都是疲于應對。如今把大量重復性工作交給AI后，人工客服就可以把更多精力投入到真正需要跟消費者溝通的場景上，去改善用戶體驗，降低品牌資損。
“過去的智能客服是一問一答或者答非所問，會導致用戶流失。店小蜜5.0上線后可以更好地判斷消費者意圖，做好需求的承接。過去很多消費者覺得，品牌售前服務做得很好，但到了售后就愛搭不理。店小蜜5.0也解決了這個問題，它可以通過SOP關聯訂單，更好地識別消費者需求，提升售后能力。”
通過更好的服務，在售前提升轉化，在售后進行挽單、減少退貨帶來的資損，客服創造出了增量生意的機會。其在企業內部的定位，也正從成本部門悄然轉換成增長中心。
《創新者的窘境》指出，上一個時代越是成功的企業或者產品，在新的技術浪潮到來時，往往越容易掉隊。然而，作為智能客服賽道的代表產品，店小蜜卻能夠橫跨十年始終引領創新，成為電商行業模式轉換的關鍵助力者。它是如何擺脫慣性進行自我重構的？在新的電商范式下，店小蜜5.0這樣的AI原生產品將帶來何種影響？未來它又會如何持續進化？
針對這些問題，雷峰網和淘寶店小蜜業務負責人開鋒進行了一次深度對話，以下是我們的對話內容：
店小蜜5.0是智能客服行業首個Agent原生產品，如何理解“Agent原生”這個詞？店小蜜5.0和其他智能客服產品最本質的區別是什么？
開鋒：如果一個產品100%是基于大模型構建的，我們就可以稱之為AI原生。店小蜜5.0這個產品從底層開始就是基于大模型構建的，它上一代用到的小模型已經完全被替換掉了。
現在行業有兩種做法：一種是在原來產品的基礎上用大模型做改良，只在某些鏈路環節或者模塊——比如意圖識別和內容生成，采用大模型；另一種是跟店小蜜5.0類似的AI原生產品，這類產品相比于“改良派”，無論是在產品性能還是維護成本上都有顯著優勢。
對比其他同類產品，店小蜜有兩點差異化優勢：一是依托于平臺，店小蜜有非常多真實場景數據可以用來訓練模型，以實現更加個性化的體驗；二是店小蜜可以對接平臺的許多接口和能力，實現從售前到售后的一體化解決，真正幫助用戶解決問題，比如物流查詢和國補查詢等等。以國補查詢為例，這個事情看似簡單，但做起來并不容易。因為每個省、市、地區的國補政策都不一樣，必須對接國家的相關平臺才能查詢到。
您提到店小蜜從底層開始進行了全面重構，這需要很大的決心和勇氣，畢竟在上一個十年里，店小蜜做得很成功。那么店小蜜是怎么跳出“創新者的窘境”的？
開鋒：店小蜜在2016年首創了基于意圖識別和QA匹配的智能客服產品形態?，F在很多做智能客服產品的公司，要么是從店小蜜出去的人創辦的，要么是借鑒了店小蜜的產品架構。這套產品架構在過去十年里不斷發展，如今已經走到了瓶頸，用戶滿意度始終沒有突破70%。
大語言模型誕生之后，我們發現這個技術非常適合用在客服這個場景。首先，多輪對話是客服場景的天然特點，而大模型恰好有非常強的多輪對話理解能力。其次，文本回復是客服領域和用戶交互的手段，而文本生成也是大模型最強的能力之一。
于是我們開始做一些小規模測試，用大模型對傳統的鏈路進行改良，比如用大模型做意圖識別，發現效果有很大的提升，不過效果上限依舊比較有限。所以去年的這個時候，我們就做了一個決定，既然要改，就要改得更徹底一些，把上一代的意圖識別、QA配置全部去掉。我們在做了一些商家和流量測試之后，就非常堅決地把過去十年的那套技術架構全部顛覆掉了，現在我們已經有三分之一的流量切到了店小蜜5.0版本，未來還會更多。
如您所說，大模型的能力與客服場景十分契合。不過也有人提出，大模型仍無法完全規避幻覺的問題，在開放場景偶爾出現幻覺問題或許無傷大雅，但在客服這樣的封閉場景，如果回答不準確，就有可能帶來品牌聲譽或者資產的損失，店小蜜如何來平衡當中的風險？
開鋒：的確如此。幻覺在客服場景是一個非常關鍵的問題。所以我們做了大量的工作來降低這部分的風險。首先我們對模型進行了大量的訓練，讓大模型必須嚴格按照實際來回答。其次我們還做了多層次的安全檢測措施來降低幻覺率，如果有問題會轉成直接用商家的知識庫或者轉人工客服。最后我們通過產品可以讓商家來干預可能出現的問題。通過構建這一套多層次的安全體系，已經可以把幻覺控制在一個非常低的概率，這個能力也是店小蜜很核心的能力之一。
據說店小蜜幫助商家轉人工率降低了20%以上，原來的轉人工率大概是一個什么水平，通常哪些情況需要轉人工？
開鋒：原來的轉人工率我沒法給出一個絕對值，但這個數據確實是大規模商家實際測試出來的結果。一些較復雜的問題或者高客單的問題還需要進入人工客服，我們發現店小蜜幫助商家回答了大量比較簡單的問題后，人工客服能有更多的時間來解決更加復雜的問題，服務水位整體也會變好。
另外在售后場景，我們還需要做比較大的提升。售后跟售前不太一樣，售前本質上需要的是信息問答能力，這個相對好解決，售后則復雜得多。比如說退款，它需要一系列的解決方案才能搞得定。
除了降低轉人工率，店小蜜5.0還幫助商家降低了60%的配置成本，很多人對此可能沒有概念，您能否具體講講過去商家需要對智能客服產品做哪些訓練和配置的工作，以及有了店小蜜5.0之后具體省去了哪些工作？
開鋒：上一代的知識庫里核心有兩塊內容：一是用戶的問題分類，這個是平臺來做的；二是針對用戶的問題要怎么回答，這需要商家配置很多的question和answer，這個工作非常繁雜。比如說用戶問一款鞋子的材質，商家得區別用戶問的是表面材質還是內襯材質，是鞋底的材質還是鞋幫的材質，至少得配置4個QA。
為什么店小蜜5.0減少了很多這方面的工作呢？首先是大模型能夠自動挖掘和整合商品的很多信息，同時，它還能學習歷史對話，看針對某個問題過去人工客服是怎么回復的，商家只需要在這個基礎上做增量信息的補充就行了。而且，針對這部分增量信息，商家也只需要補充元信息就行，無需去一一配置怎么問和怎么答，節省了大量成本。
客服Agent在哪些環節可以幫助轉化率提升？怎么理解隨著大模型的深度應用，客服正從成本部門轉變為增長部門？
開鋒：核心就是兩點，一是很多以前智能客服不能回答的問題現在能回答了；二是智能客服原來能回答的問題現在能答得更好了。
之前轉化率不好，是因為很多問題智能客服回答不了，需要轉人工，但大促的時候，人工響應可能不那么及時。現在大模型整合了很多知識以后，客服agent的回復率漲了很多，基本80-90%的問題它都能回答。你能解決客戶的疑問了，他自然就更愿意買。此外，客服agent基于上下文的理解，回復能夠做到更準確和更加擬人化，給消費者提供一定的情緒價值。雖然我們現在這個版本做得還不算特別好，但相比以前的固定式回答，已經好了很多。
現在好像已經有百萬商家接入了店小蜜5.0，大商家能夠取得顯著的成效，一方面是“勇敢的人先享受人生”，一方面也可能是他們本身能力就比較強。對于觀望的中小商家來說，他們可能會擔心自己無法復現這樣的效果。
開鋒：店小蜜5.0是開箱即用。現在已經接入的百萬商家中就有大量的中小商家，從他們的試用結果來看，你即使什么都不做，效果相比之前版本也能有很大的提升，如果你能稍微做一些簡單的優化和配置，提升就會非常明顯。這和上一代的店小蜜恰好形成了鮮明的對比。上一代店小蜜，也能找到能把用戶滿意度做到90%的，但是非常少，對商家的認知和人員配置要求非常高。但店小蜜5.0對大部分商家來說都非常簡單，開箱即用，具有很強的普適性。
之前商家能夠節約這么多成本是因為免費試用，后續收費后還能保持這個效果嗎？
開鋒：我們的惠商政策沒有變，還是日均UV在2000以下的都免費，日均UV在2000以上的會收取一定費用，但也是很少的錢，現在相當于加量不加價。集團投入了大量的GPU資源，目的就是幫助商家降本增效。
而且技術也在快速發展，過去兩年AI的推理成本在大幅下降。長遠來看，隨著技術的發展，AI的使用成本一定會大幅下降，就像當年的5G流量一樣。
在售后場景，用戶很多的時候是帶著情緒的，客服除了要提供解決問題的方案，還要安撫用戶的情緒，AI能夠解決第二個問題嗎？
開鋒：這個問題要分兩個層面來看，售后首先要實實在在地解決問題，這個才是最關鍵的。在這個基礎上，你能夠跟用戶共情，同時讓用戶也能理解你，自然是更好的。但這個只是錦上添花，你不能只提供情緒價值，不解決實際問題。所以現階段我們還是更聚焦于如何更好地為用戶解決問題，做好這個之后再來考慮怎么加上情緒的理解和感知，讓消費者體驗更好。
店小蜜5.0這個產品，今年還會在哪些能力維度重點迭代和優化？商家有哪些可以做的呢？
開鋒：一是在售前環節，要從能回答變成回答得更好。二是在售后環節完善工具的覆蓋和能力，提升解決問題的能力。三是智能輔助功能，幫助人工客服更好地使用AI。
對于商家來說，我們今年會開放兩個關鍵部分：知識和策略。通過知識的開放，商家可以引入商家內部的文檔或者知識庫。通過售前和售后的策略開放，商家可以實現更加個性化和差異化的能力。同時我們去年通過ISV等一直在接入商家自己的內部能力，今年也會繼續加強。通過上面三個部分的開放，相信可以讓商家可以更好的提升智能客服的服務能力。雷峰網(公眾號：雷峰網)雷峰網
雷峰網原創文章，未經授權禁止轉載。詳情見轉載須知。
