美洽AI机器人怎么设置转人工规则？

要让美洽机器人在合适时机把会话交给人工，需要在“机器人设置”里建立一组转人工规则，明确触发条件（关键词、意图、置信度、情绪、超时、营业时间等）、优先级和转接动作（分配到技能组或指定客服、排队提示、携带上下文），再结合自动分配、工单和API能力做联动与监控，反复测试调整即可实现既不漏人也不过度转人工的平衡。

先把概念说清楚：转人工到底包含哪些要素

有时候我们把“把机器人换成人工”想得像单一动作，其实是一个流程，像把球从传球手交给终结者。要素包括：

• 触发条件：什么情况触发转人工（关键词、用户主动要求、机器人无答案、意图识别置信度低、负面情绪、超时等）。
• 优先级与规则顺序：多条规则冲突时谁先生效，如何避免互相覆盖。
• 分配策略：转给哪个人工——技能组、指定客服、轮询或按负载分配。
• 会话与上下文：转接时保留历史消息、用户资料、工单信息，避免从头开始解释。
• 营业时间与离线策略：非工作时间如何处理（转工单、自动回复、提示排队）。
• 监控与回溯：统计转人工率、人工响应时间、未解决率，用于优化规则。

准备工作：在设置前应收集哪些信息

先别急着点按钮，先把属于你的“业务规则”列出来，至少要明确：

• 常见需要人工介入的场景（退款争议、支付异常、投诉、复杂技术问题等）。
• 优先级高的用户或话术（VIP、付费用户、法律相关词等）。
• 座席能力（哪些客服有处理退款、售后、技术的权限）。
• 营业时间、响应SLA、希望的排队提示文案。

实际操作步骤（按顺序来）

1. 进入机器人或自动化管理页

在美洽后台，找到“机器人”或“自动回复/智能客服”模块（不同版本名字可能略有差异）。先选择要编辑的机器人或场景。

2. 定义触发条件

常见触发方式：

• 关键词触发：匹配“退款”、“退货”、“投诉”等词。
• 意图触发：基于NLP分类的意图，如“申请退款”。
• 置信度阈值：当意图置信度低于某一值（如0.6），自动转人工。
• 无答案/多轮失败：机器人连续N轮不能解决或用户发出“无法理解”反馈。
• 情绪识别：用户出现强烈负面情绪或使用敏感词时优先转人工。
• 用户主动请求：明确“我要人工”这样的表述。
• 超时或等待次数：用户等待超过X秒或被提示超过Y次仍未接入人工。

3. 设置转接动作（去向）

转人工不仅是“把人叫来”，还要指定去向：

• 转到某个技能组/部门（售后、技术支持、财务）。
• 指定某个客服（当用户之前与某客服沟通过且该客服在线）。
• 轮询或最少会话分配（自动分配给空闲客服）。
• 转为工单（离线或高峰时转工单并回填必要信息）。

4. 携带会话上下文和用户信息

确保在转接设置中勾选“传递历史消息/标签/自定义字段/订单号”等，这样人工客服能看到完整背景，避免重复询问。

5. 设置排队与提示文案

排队提示要友好并给出预期响应时间，例如“当前排队第3位，平均等待约5分钟”，并准备超时提示和转工单的选项。

6. 营业时间与离线逻辑

设置工作时间内外不同策略：工作时间优先转人工，非工作时间默认转为工单或发送离线消息，并告知预计回复时间。

7. 优先级与规则顺序

把高优先级规则放在上面（如法律相关、VIP），以免被通用规则先拦截。规则通常是先匹配到先执行。

8. 测试与上线

以真实话术和异常场景测试每条规则，观察转接是否如预期，是否带上上下文，是否分配到正确技能组。

举几个常见的规则示例

进阶设置：API、Webhook与自定义触发

美洽提供 SDK、Webhook 和开放 API，适合以下场景：

• 第三方系统触发转人工：当支付网关返回失败时，你可以通过API主动调用“转人工”接口。
• 通知座席：通过Webhook把转接事件推到内部监控或企业微信，提醒值班客服。
• 把会话同步到CRM/工单系统，或在转人工时写入内部字段以便后续统计。

如何验证规则是否合理（测试清单）

一步不漏地测试很重要，下面是个清单：

• 用关键词、近似表达、错别字跑一遍，看看是否被捕获。
• 测试置信度边界（如0.59和0.61）确认阈值作用。
• 模拟VIP用户和普通用户的优先级差异。
• 非营业时间提交请求，确认是否生成工单或自动回复。
• 转接后确认是否带上上下文和自定义字段。
• 查看转接日志与统计数据，确认无大量误转或漏转。

常见问题与排查建议

• 误转人工太多：提高意图置信度阈值，优化意图训练数据，增加更多离线回复。
• 漏转关键会话：检查关键词词库是否覆盖变体、错别字、同义词；检查规则优先级。
• 转接后无历史：确认“传递上下文”开关是否开启，或检查接口参数是否正确传递。
• 座席分配不均：调整自动分配策略为“最少会话优先”或设置技能优先级。
• 高峰期延迟：设置超时转工单、智能排队提示与回呼选项，避免用户等待流失。

一些实用建议（避免踩坑）

• 先从最常见的3-5条规则做起，观察一两周数据再扩展。
• 把高敏感度场景（退款、法律、投诉）单独成规则并标为高优先级。
• 明确转人工的SLA和排队提示，满足用户预期可减少负面情绪。
• 保持上下文完整，少问“你订单号是多少”这类重复问题，提高一次解决率。
• 定期复盘转人工率、人工解决率、CSAT，基于数据迭代关键词库与意图模型。

举个较完整的案例（边做边想）

想象一个电商场景：用户发来“我在你们这买的商品坏了要退货，客服不要拖”。我会这样设规则：

• 关键词：“退货” “退款” “坏了”与同义词；优先级高。
• 意图识别：若意图为“售后申请”且置信度>0.7，机器人先收集订单号、问题描述，必要时直接转售后组，携带订单信息。
• 情绪识别：若检测到愤怒或强烈负面，立即提高优先级并转人工。
• 营业时间外：生成工单并自动回复预计处理时间；工单里写明用户留言与订单号。

这样既不会每次都把简单问答转人工，也能保证真正棘手或情绪激烈的会话及时有人接手。

最后一点：持续优化是关键

规则不是一劳永逸的配置。上线后请关注转人工率、人工接回率、满意度与首次解决率。把这些数据做成仪表盘，定期回头调整关键词、意图训练、置信度阈值与分配逻辑。几次微调后，你会发现转人工既精准又高效，既能保护人工成本，又能保证用户体验。