AI 助理 30/60/90 天 KPI 指南：点样衡量成效同决定扩展时机

点解要分阶段量度 AI 助理成效？

根据 Gartner 调查，32% 已啟用 AI 的企业说睇不到即时回报。但问题通常不是 AI 没有效，而是他哋用了錯的指标在錯的时间去量度。

无论你用 Intercom Fin、Zendesk AI、Omago 定 ManyChat，AI 助理都不是装了就即刻見效的工具。他需要一个学習同优化的过程。就好似请了一个新同事，你不会期望他第一日就同做了三年的人一样表现。但你要知道点样评估他的进步，同幾时可以开始信任他独立处理更多工作。

呢篇指南会给你一个清晰的框架，在 30、60、90 天分別追蹤邊些 KPI，同点样用数据做决定。

第一阶段：头 30 日 — 建立基准

头 30 日的重点不是追求完美表现，而是收集数据同修正方向。

要追蹤的指标

1. 自動解决率（Resolution Rate）

• 目标：40-50%
• 点样计算：AI 成功回复而客户没有再追问的对说 ÷ 总对说数
• 点解呢个数够：头 30 日你仲在完善知识庫，40-50% 已经代表 AI 可以处理最基本的查询

2. 人手转介率（Escalation Rate）

• 目标：低於 40%
• 点样计算：需要转介真人的对说 ÷ 总对说数
• 注意：如果转介率高过 50%，通常代表知识庫有嚴重遺漏

3. 平均首次回复时间（First Response Time）

• 目标：低於 30 秒
• 呢个通常不是问题：AI 的強项就是即时回复，但要确保系统没有延迟

4. 知识庫复蓋范围（Knowledge Coverage）

• 目标：80% 的常見问题有对应答案
• 点样计算：有标准答案的问题类型 ÷ 客户实际问过的问题类型

头 30 日的行動

• 每日：检查所有 AI 对说记录（不洗好耐，通常 15-20 分钟）
• 每週：更新知识庫，加入新发现的常見问题
• 30 日完结时：产出一份基准报告，记录以上四个指标的数字

紅旗信号

如果 30 日后出现以下情况，需要即刻处理：

• 自動解决率低於 20%：知识庫需要大幅补充
• 客户投訴 AI 回复同问题无关：可能是語言理解设定有问题
• 人手转介率高过 60%：AI 的设定需要重新检視

第二阶段：第 31-60 日 — 优化同改善

经过头 30 日的数据收集，你应該已经知道 AI 的弱点在邊。第二阶段的重点是針对性优化。

要追蹤的指标

1. 自動解决率（目标提升至 55-65%）

呢个数应該每週稳定增长。如果停滯不前，要检查知识庫是否有未复蓋的问题类型。

2. 客户满意度（CSAT）

• 目标：70-80%
• 点样收集：在 AI 对说结束后加一个简单评分（例如 1-5 星）
• 重点不是絕对数字：而是趨勢。每週的 CSAT 应該持平或者上升

3. 平均处理时间（Average Handle Time）

• 目标：比人手处理快 50% 以上
• 计算方法：AI 对说的平均时长 vs 人手对说的平均时长
• 注意：如果 AI 对说时间比人手仲长，可能代表 AI 的回复不够准确，客户需要多次追问

4. 重复查询率

• 追蹤同一个客户在 24 小时內再次聯絡的比例
• 目标：低於 15%
• 高重复率代表：AI 第一次回复没有真正解决问题

第 31-60 日的行動

• 每週：分析转介真人的对说，找出 AI 处理不到的原因
• 每兩週：更新同优化 AI 的回复內容
• 追蹤：邊类问题的 CSAT 最低，优先改善

第三阶段：第 61-90 日 — 验证 ROI 同决定下一步

如果你做到呢个阶段，AI 助理应該已经稳定运作。呢个阶段的重点是计算真正的投资回报，同决定是扩展定维持现狀。

要追蹤的指标

1. 自動解决率（目标 65-75%）

呢个是成熟 AI 助理的合理水平。超过 80% 通常代表你的业務查询比較简单同重复。

2. 成本节省

• 计算方法：AI 处理的对说数 × 人手处理每條对说的成本 - AI 平台总成本
• 例子：AI 每月处理 300 條对说 × HK$15/條人手成本 = HK$4,500 — 减去 AI 月费 HK$1,500 = 淨节省 HK$3,000

3. 回复速度改善

• 对比：上线前 vs 上线后的平均回复时间
• 大部分中小企見到的改善：从平均 2-4 小时降至 30 秒以內

4. 营业时间外的查询处理

• 追蹤：非营业时间收到的查询中，AI 成功处理的比例
• 呢个通常是最容易見到 ROI 的地方：因为以前呢些查询完全没有人处理

90 日决策框架

根据你 90 日的数据，做以下决定：

扩展的信号：

• 自動解决率稳定在 65% 以上
• CSAT 达到或超过 75%
• 月度淨节省为正数
• 團队已習慣同 AI 协作

维持现狀的信号：

• 指标稳定但未达到扩展标准
• 仲有优化空间（例如知识庫仲可以补充）
• 團队需要更多时间适应

叫停的信号：

• 90 日后自動解决率仲低於 30%
• CSAT 持续低於 60%
• 投入的时间成本远超节省

实用模板：KPI 追蹤表

建议用一个简单的 Google Sheet 追蹤以下数字（每週更新一次）：

• 总对说数
• AI 成功处理数
• 自動解决率 (%)
• 人手转介数
• 平均首次回复时间
• CSAT 分数
• 本週知识庫更新数

连续 12 週的数据就可以给你清晰的趨勢图，帮你做出有数据支持的决定。

总结

量度 AI 助理成效的关键不是追求一个完美数字，而是觀察趨勢。如果你的指标每週都在进步，就算进步得慢，都代表系统在正确的方向。反之，如果 30 日后指标完全没有改善，就要认真检視是知识庫问题、设定问题，定是 AI 真是不适合你的业務場景。

---

參考资料：

• Gartner — 2026 年 AI 助理预测
• Intercom Fin — AI 助理成效报告
• Zendesk — Photobucket 客户案例