AI 客服像不懂店铺的临时工？六步打造专业的 Shopify AI 客服
Shopify AI 客服回答空泛、知识过时或越权承诺？本文围绕六类常见问题，拆解 HeiChat 的商品学习、知识库、回复风格与人工转接配置，帮助商家提升回答质量。
很多 Shopify 商家打开自己店里的 AI 客服，都会经历同一个瞬间：问它退换货政策，它回一段官网首页的宣传语；问它某件衣服的材质，它说"请查看商品详情页"。
这并不是 AI 太笨，而是没有人告诉它，这家店是谁、卖什么，以及遇到不同问题时应该如何处理。
本文所说的 AI 客服，是指 HeiChat 这类安装在 Shopify 店铺中的对话机器人。它由大语言模型驱动，能够读取商品资料和政策文档，并使用客户的语言作答。它不同于早期依赖“关键词匹配 + 固定话术”的聊天机器人，但有一个共同点：回答质量很大程度上取决于商家提供的信息。
本文参考 HeiChat 官方文档中的最佳实践，按照“常见翻车场景 → 病因 → 对应配置 → 可复制模板”的顺序展开，帮助你逐步建立一套更专业的 Shopify AI 客服体系。
一、先看六个翻车现场
如果店里已经装了 AI 客服，下面这些对话大概率不陌生。
现场一：答得泛
客户："我买这个送人，你们包装能低调一点吗？" AI 客服："我们致力于为每一位客户提供高品质的产品和服务，感谢您的支持。"
现场二：答得旧
客户："你们现在还是 30 天无理由退货吗？" AI 客服："是的，根据我们的退货政策，您可以在 30 天内申请退货。"
（实际上商家上个月已经把政策改成了 14 天，只是知识库里还是旧的那份。）
现场三：问商品就含糊
客户："这件羊毛衫会扎皮肤吗？我皮肤比较敏感。" AI 客服："关于材质信息，请查看商品详情页。"
现场四：该转人工却死撑
客户："我收到的杯子是碎的，我要退款。" AI 客服："很抱歉给您带来不便！我们会在 3 个工作日内为您完成退款。"
（退款需要人工审核，AI 并没有这个权限。）
现场五：多语言客户收到生硬回复
客户（日语）："海外発送はできますか？" AI 客服："Yes, we ship internationally."
现场六：改了一轮，不知道有没有变好
商家花了一个下午补充 FAQ，但没有任何地方告诉他：哪些问题还在答错、改过的内容有没有生效。
这六个现场，对应的是六件不同的事。下面逐项拆解。
二、第一个坑：业务背景不清
症状
AI 客服回复里提到店铺时很别扭，或者干脆不提品牌名，只反复说"本店"。
病因
它不知道这家店叫什么、卖什么、服务谁。
对应配置
在 Shopify Admin > Apps > HeiChat > Setup > Basic Settings 里，至少填好三项：
- Store Name：填正式品牌名，不要只留 Shopify 域名前缀；
- Store Introduction：写清楚卖什么、卖给谁、发往哪些地区、有什么特别的政策重点；
- Customer Service Supervisor's Email：填一个真正有人看的邮箱。
可复制模板：Store Introduction 怎么写
官方文档给的要求是"用短段落或项目符号，避免只写宣传口号"。下面这个结构可以直接套：
我们是 [品牌名]，主营 [核心品类]，价格区间约 [X–Y]。
主要客户是 [人群描述]。
目前发货至 [国家/地区]，订单通常在 [N] 个工作日内发出，
标准配送约需 [N] 天，支持 [加急方式]。
退货政策：[核心规则，例如"签收后 14 天内、吊牌完好可退"]。
不支持退货的情况：[列举，例如"定制商品、内衣、已开封的护肤品"]。
以下情况请联系人工客服：[列举，例如"退款例外、订单破损、批发询价"]。
这份资料的价值在于让 AI 有具体规则可以援引，而不是一段品牌介绍。"我们致力于提供高品质产品"这类句子对客服没有任何帮助。
三、第二个坑：说话没有边界
症状
AI 客服的回复要么长得像政策文件，要么每条都堆满 emoji；遇到退款、投诉这类敏感问题，语气还和在聊新品一样轻松。
病因
没有配置回复的语气、长度、语言和边界，默认设置未必符合店铺的品牌调性和实际客服场景。
对应配置
进入 Setup > Advanced Settings > AI Response（也可以从 Basic Settings > Customize Your Bot > Set AI Style 进入）。这里有几个值得注意的取舍：
- AI Output Mode：一般建议 Streaming，客户看到回复逐步出现，等待感更低；
- Reply Style：严肃品牌选 Serious & Professional，消费品牌可以更轻松；幽默程度在退款、投诉场景要谨慎；
- Emoji Usage：高客单价或正式品牌建议 Prohibited 或 Minimal；
- Response Length：常规从 Standard 起步，FAQ 或移动端可用 Concise，安装说明、复杂政策用 Detailed；
- Reply Language：多语言客户用 Automatic，要求统一语言则选 Fixed Language；
- Custom Instructions：规定品牌语气、不许承诺的内容、不确定时的处理方式。
可复制模板：Custom Instructions 的四类禁令
决定 AI 客服专不专业的，往往不是它"会说什么"，而是它"不许说什么"。下面这段可以直接填入 Custom Instructions：
【语气】保持耐心、友好，不使用过于技术化的表达；
遇到客户投诉或情绪激动时，先共情，再给解决方案。
【关于不确定】不确定库存、配送日期、具体到货时间时，
不要自行推测或给出具体承诺，应说明需要进一步确认。
【关于承诺】不要承诺具体的退款金额、到账时间和补偿方案；
退款例外、政策豁免一律引导至人工客服处理。
【关于追问】信息不足时，先提出一个最关键的澄清问题，
不要连续抛出多个问题。
【关于敏感问题】涉及订单隐私、付款争议、法律或医疗建议时，
不提供判断性意见，直接转人工。
有一点要特别注意：官方文档明确提醒，用于识别知识缺口的规则应该写在 Gap Detection，不要写进 Custom Instructions。 将两类规则混写，可能影响两项配置的实际效果。
四、第三个坑：商品知识不全
症状
客户问"哪个尺寸适合我""这款兼容某设备吗""有哪些颜色"，AI 客服给不出具体答案。
病因
商品问题不能只靠手写 FAQ 解决——店铺可能有数百个 SKU，而且商品属性会持续变化。
对应配置
在 Setup > Learned Products 里确认商品学习已完成、重点商品在范围内。HeiChat 会读取 Shopify 的商品数据并自动同步，日常小改动通常不用手动操作。
但有个细节容易被忽略：如果店铺批量上新，或者集中修改了商品描述、商品变体、材质、尺寸、兼容性，建议在 Learned Products 页面手动执行一次 Refresh，确保最新信息能及时用于回复和推荐。
另外一个常见误区：商品属性缺失时，不要用 Knowledge Base 去补。 如果连 Shopify 商品记录里都没有"材质"字段，正确做法是先把商品资料补全，再等同步，而不是在知识库里重复堆一份商品说明——那样只会在两个地方产生互相矛盾的数据源。
五、第四个坑：业务政策过时
症状
物流、退换货、售后、会员规则这些问题，AI 客服答得含糊，或者引用了已经失效的规则。
病因
商品之外的业务知识没有进入它的知识库。
对应配置
在 Setup > Knowledge > Knowledge Base 维护，它和 Learned Products 是两个独立模块：
- 商品信息（标题、描述、商品变体、价格、库存）由 Learned Products 自动读取；
- 业务知识（物流、退换货、使用说明、售后流程）由 Knowledge Base 手动维护。
可用的内容类型包括 URL、PDF、TEXT FILE、PLAIN TEXT 和 Q&A。选择时有两条经验：
- 每条 entry 只围绕一个主题，不要把多个不相关的政策堆在一篇长文里；
- 一个答案挂多个问法。比如配送时间，可以同时写上"How long does shipping take?""When will my order arrive?""What is the delivery time?"，客户换种说法时更容易被识别为同一个意图。
最容易踩的坑：知识库不会自动更新
Knowledge Base 里的内容是添加时的快照，来源页面或文件发生变化后不会自动同步。所以：
- Shopify 里的 shipping、refund、privacy、terms 政策改了，需要点击 Renew Policy 重新同步；
- 限时促销、活动规则、临时政策要设置 expiration date，否则活动结束 AI 还在给客户报旧优惠；
- 内容更新时，优先编辑原 entry，而不是新增一条——两条矛盾的规则同时存在，会让 AI 的回答变得不可预测。
这正是开头"答得旧"那个现场的成因。
六、第五个坑：没人发现它在答错
症状
商家不知道 AI 到底哪里答不好，只能等客户投诉。
病因
缺少一层"事后自检"。
对应配置
在 Setup > Advanced Settings > Gap Detection 开启知识缺口检测。它的作用是在对话结束后分析这次回复是否暴露出知识缺口，不会改变客户看到的回复。
文档给出的建议规则包括：回复中出现"我不确定""我没有相关信息"；答案泛泛而谈、无法执行；对本该直接回答的问题反复建议联系 support；多次要求客户重新描述问题；没有覆盖店铺特有流程。
同时要写清楚不应该被记为缺口的情况，否则会产生大量误报：
- order status、tracking 这类需要实时账户数据的问题；
- AI 正确拒绝了超出服务范围的请求；
- 必须经过人工审核的退款例外或隐私问题。
闭环：缺口 → 新知识
缺口会汇总到 Setup > Knowledge > Knowledge Gaps。处理顺序建议是：
- 按 Hits 排序，先看出现次数最多的；
- 打开 Question，读完完整的客户问题、AI 回复和 AI Insight；
- 点 View Conversation 看上下文，避免只看一句话就下结论；
- 判断原因是缺知识、知识过期、商品资料不完整，还是本来就应该转人工；
- 点 Add Knowledge 创建对应的 entry；
- 回前台用原问题和几种改写方式测试；
- 确认改善后，点 Mark as Resolved；确认是误报就用 Ignore。
高 Hits 的缺口通常代表大量客户都会遇到的核心问题。先解决物流、退换货、尺寸、兼容性和付款这几个高频项，比一开始清理大量低频边缘问题更有价值。
会话里的快速修正，以及它的边界
日常浏览会话时，如果发现某条回复不准确，可以在 Conversations > All Conversations 的对应 AI 消息上选择 Correct this message，重新整理客户问题、填写标准答案，或者关联应当推荐的具体商品。
这里有一个必须说清楚的前提：Correction 不是强制规则，也不是对未来所有回复的绝对覆盖。 它本质上是把人工修正快速补进知识体系的入口，遇到相似问题时 HeiChat 可能参考它，但最终回复仍会结合当前对话、已有知识库和其他可用信息生成。
所以合理的用法是：Correction 用来快速止血，长期有效的政策仍然要整理成正式的 Knowledge Base entry。 修正后也应该换几种问法再测一遍。
七、第六个坑：该转人工时硬答
该转人工的时候，要让 AI 知道
有些问题本来就不该由 AI 回答。文档列出的场景包括：退款例外或政策豁免、订单损坏或丢失、账户隐私和付款争议、AI 无法确认的库存或配送时间、高价值客户与复杂定制需求。
对应配置在 Setup > Widget Settings > Live Support，需要设置按钮文字、客服工作时间、节假日安排和通知邮箱。如果需要自动创建和管理工单，还要检查 Setup > Advanced Settings > Smart Tickets。
这一层的意义不只是“多一个入口”，更在于避免 AI 为了让对话继续而编造承诺。上文“该转人工却死撑”的问题，需要通过这一层配置来解决。
模型怎么选：能调，但别当第一手段
在 Setup > AI Model 页面可以测试回复并选择实际使用的模型。不同模型通常会标注提供商、档位和 token multiplier，常见档位大致包括 Basic、Pro、Advanced 和 Premium，multiplier 从 1x 递增到 5x 左右。
选择思路可以按问题复杂度来：FAQ 和基础售前用 Basic 就够；政策和复杂场景多、需要更强推理时再上 Advanced 或 Premium。
但有一个更重要的判断：如果多个模型都答错，优先检查 Knowledge Base 或 Learned Products，而不是继续升级模型。 缺少退货政策或商品属性时，更贵的模型也只能给出更礼貌的模糊回答——它把钱花在了表达上，而不是事实上。正确的顺序是先补业务知识，再用模型解决复杂问题的理解和表达。
文档建议的测试流程是：准备一组真实问题（至少覆盖商品、物流、退换货、优惠、订单异常和多语言），先用基础档模型测一遍，再用高档模型测试同样的问题，比较准确性、完整性、语气、速度和 token 消耗，最终选择效果达标且成本可接受的模型档位。
八、一张表：症状对应先查哪里
答案不准确时，一次只调整一个因素，否则你无法定位真正原因。按这个顺序排查：
| 症状 | 先查哪里 |
|---|---|
| 提到的品牌名、店铺信息不对 | Basic Settings 的 Store Name / Store Introduction |
| 语气、长度、语言不符合品牌 | AI Response |
| 商品细节答不出或答错 | Learned Products + Shopify 商品资料本身 |
| 政策答得旧或答得含糊 | Knowledge Base（含 Renew Policy、expiration date） |
| 同一类问题反复回答不佳 | Knowledge Gaps（按 Hits 排序） |
| 该转人工却在硬答 | AI Response 的 Custom Instructions + Live Support |
| 复杂问题理解不到位、成本又高 | AI Model |
九、上线前的自检清单
配置完成后，不要只看后台开关状态，应以客户视角走一遍完整流程。逐项测试比反复调整开关更能暴露问题，可以从下面这组问题开始：
- "你们主要卖什么？"
- "这款商品适合什么人？"
- "发往某个国家需要多久？"
- "可以退货吗？有哪些条件？"
- "有没有适合某种需求的产品？"
- "我的订单现在到哪里了？"
- "我想投诉一个损坏的订单。"
- 同一个问题换几种说法、换一种语言再问一遍。
检查这几件事：回复是否引用了正确的商品和政策；是否符合品牌语气；缺少信息时是否会明确说明而不是猜测；是否能正确推荐商品；需要时是否提供人工渠道。
如果答案仍然不准确，按排查顺序一次只调整一个因素：先查 Learned Products，再查 Knowledge Base，之后才是 AI Response 和 AI Model。这样更容易定位真正原因。
十、常见问题
换成更贵的模型，回复就会变准吗？
不一定。模型影响的是理解和表达能力，不改变它掌握的事实。如果出错原因是知识库里没有退货政策、或者商品缺材质字段，升级模型不会有明显改善。建议先用真实问题测出错误类型，再决定是补知识还是换模型。
Learned Products 和 Knowledge Base 有什么区别？
Learned Products 自动读取并同步 Shopify 的商品数据（标题、描述、商品变体、价格、库存）；Knowledge Base 由商家手动维护商品之外的业务知识（物流、退换货、售后、使用说明）。两者独立，不要用其中一个替代另一个。
在会话里用 Correction 修正过，以后就不会再答错了吗？
不会保证。Correction 是给 AI 提供参考的快速修正入口，不是强制规则，也不覆盖所有未来回复。重要且长期有效的规则，仍然建议整理进 Knowledge Base。
Shopify 后台改了退货政策，AI 客服会自动更新吗？
Knowledge Base 的内容是快照，不会自动同步。在 Shopify 改完政策后，需要回到 Knowledge Base 点击 Renew Policy 重新同步，然后重新测试相关问答。
多语言客户怎么处理？
Reply Language 可以用 Automatic 自动匹配客户语言；如果店铺要求所有回复固定使用某一种语言，则选择 Fixed Language。多语言场景下，建议在测试清单里加入"同一问题用不同语言再问一遍"这一项。
如何知道 AI 客服还有哪些问题答不好？
开启 Gap Detection 后，它会在对话结束后分析回复是否暴露知识缺口，结果汇总到 Knowledge Gaps。按 Hits 排序处理高频问题，逐个补充知识并测试，是成本较低的一种持续优化方式。
十一、从一个最小的动作开始
无需一次性配置完所有模块。
如果只能做两件事，先做这两件：把 Store Introduction 写成一份客服能直接用的资料，把物流和退换货政策整理进 Knowledge Base。这两项覆盖了绝大多数高频咨询，也最容易看到效果。
之后再逐步补上 Gap Detection 的规则和人工升级路径。整套配置的完整说明，可以参考 HeiChat 官方文档的这篇最佳实践。
HeiChat 是一款面向 Shopify 商家的 AI 客服与销售聊天机器人。上述配置针对回答空泛、知识过时、越权承诺和人工转接不及时等常见问题，帮助 AI 客服更贴合店铺的实际业务规则。
如果你想了解实际效果，可以前往 Shopify 应用商店 安装试用。如需更长的评估时间或进一步支持，请联系 [email protected]。
相关阅读
来源声明
本文来自 merchmindai.net。分享或转载本文时，请注明出处，并附上原文链接。
原文链接:https://merchmindai.net/blog/zh/post/shopify-ai-customer-service-answer-quality-fix
