在线教育行业AI在线客服系统

在线教育机构的客服和别家不太一样：一半流量是招生期的咨询转化，另一半是开课后没完没了的答疑和退费问询，高峰期两头撞。很多人拿着通用客服机器人的功能清单去挑，结果招生话术接不住、答疑答不准、多班期多课程的知识也塞不进去。这篇按场景拆功能侧重，给一套能落地的对照与试跑方法，具体数字和报价口径到站内相关页面核对。

在线教育机构的客服和别家不太一样：一半流量是招生期的咨询转化，另一半是开课后没完没了的答疑和退费问询，高峰期两头撞在一起。很多人拿着通用客服机器人的功能清单去挑，结果招生话术接不住、答疑答不准、多班期多课程的知识也塞不进去。这篇按场景拆功能侧重，给一套能落地的对照与试跑方法，具体数字和报价口径到站内相关页面核对。

先把话说在前面：没有一套系统能同时把招生和答疑都做到最好，取舍是必然的。你要做的是先判断自己八成对话量落在哪一类，再决定功能权重往哪边压。下文的清单和步骤是给选型会用的，不是产品说明书。

先分清两类场景，功能侧重完全不同

招生咨询的目标是转化，机器人更像一个不会累的前台：要能多轮追问、顺势引导留资、给对话打意向标签、在该转人工的时候果断转。这类场景里答不上来比答错更致命，因为用户转身就走，你连补救机会都没有。判断标准很简单：拿一段真实招生对话喂进去，看它能不能把「孩子几年级、想补哪科、什么时候开课」这些关键信息问出来。

• 招生咨询：看重多轮追问、留资引导、意向分级与转人工时机
• 课程答疑：看重知识库覆盖、按课程与班期隔离、引用原文与不确定时明确说不知道
• 两类场景混用一个机器人，常见结果是招生话术啰嗦、答疑口径跑偏
• 先算清楚哪类占你八成对话量，功能权重就往那边压
• 如果机构只有单一班期、答疑量极小，这套拆分不适用，直接按通用客服机器人挑即可

对着这张清单逐项打勾，别只看演示

演示环境都是准备好的，看不出问题。下面这张表把两类场景的功能侧重放在一起对照，选型会上可以直接拿来逐项打勾。打勾的标准不是「有这功能」，而是「用你自己的真实资料能跑通」。

• 渠道接入：官网、公众号、企业微信与微信群、电话转写、站内私信，招生线索最怕丢在某个渠道里
• 会话与知识：支持批量导入课件与常见问答，改一处不用全量重训
• 转人工：给出明确触发条件，并保证转接时把上文一起带过去
• 数据与留资：对话记录可导出，方便教务跟进而不是只在后台躺着
• 权限与审计：多个咨询顾问共用一个后台时，谁能看谁不能看要能区分

三步试跑：拿真实会话回放，而不是听销售演示

试跑是唯一能筛掉包装的环节。原则是：用你自己的数据，跑你自己的场景，看它在答不上来时的表现。下面三步按顺序走，每一步都有明确的验证动作。

1. 第一步 建测试集从最近的历史会话里挑出招生和答疑各若干条典型问题，去掉姓名和联系方式等敏感信息，做成一份固定测试集，后续所有候选系统都跑同一份。
2. 第二步 记录三类结果在同一测试集上跑候选系统，把回答分成答对、答偏、答不上来三类，重点看答偏的比例。答偏比答不上来更危险，因为用户会当真。
3. 第三步 故意为难它问知识库里没有的问题、问跨课程容易混淆的问题、问班期已经结束的课程，看它是老实承认不知道，还是硬编一个答案。硬编的直接淘汰。

还有两个容易忽略的点：试跑要覆盖一个招生高峰时段，低峰跑得好看不代表并发起来还稳；如果机构马上要开新班、知识库还没整理好，先别急着定系统，知识库没料再好的机器人也白搭。判断「稳不稳」可以看站内关于中转站与工具速度检测的页面，具体数值到 /tools/speed-test 核对当时的数字。

报价口径怎么对：按坐席、按对话还是按用量

报价是选型里最容易踩坑的一环。不同厂商的计费口径差别很大，直接比总价没有意义，要把口径拆开对齐。招生有强季节性，旺季账单可能暴涨，所以一定要提前问到峰值月的计算方式。

按坐席包月

按人工坐席数收费，适合咨询量平稳、AI 只是辅助的机构

按对话量阶梯

按 AI 处理的对话条数分档计价，旺季用量大时要先看阶梯怎么跳

按模型调用量折算

按底层模型消耗折算费用，透明度高但估算难度也高

峰值口径

问清招生高峰那个月怎么算，是按实际用量还是按套餐上限

• 把 AI 对话量和人工坐席分开算，很多报价只给一个总价，拆开才知道钱花在哪
• 具体价格区间到站内相应页面看当时的数字，别拿半年前的报价做预算
• 不要一次签长约，先按一个招生周期试跑
• 提前问清万一要换系统，历史对话和知识库能不能导出
• 合同里写明峰值月的计费规则，避免旺季账单超出预期

选客服系统不是选功能最多的，是选在你自己最难的那类对话里不翻车的。