處理大量的退款請求時(shí)，如何平衡用戶體驗(yàn)和成本控制？通過引入AI技術(shù)自動(dòng)處理退款請求，不僅提高了處理效率，降低了成本，還能有效防止惡意的薅羊毛行為。本文將詳細(xì)介紹AI如何在充電行業(yè)中實(shí)現(xiàn)自動(dòng)化退款處理，并探討其對行業(yè)的深遠(yuǎn)影響。

一、兩輪充電行業(yè)的”Ai退款”實(shí)踐

1. 業(yè)務(wù)場景與矛盾點(diǎn)

業(yè)務(wù)簡述：提供線下充電樁的充電服務(wù)。服務(wù)千萬級的用戶。用戶直接掃碼付費(fèi)完成充電

1）場景下的角色：

• 服務(wù)商：提供場地。廠商安裝設(shè)備后，進(jìn)行設(shè)備維護(hù)，獲取用戶充電金額的提成；
• 廠商：提供充值小程序軟件，設(shè)備硬件等設(shè)施
• 消費(fèi)者：掃碼充電，享受充電服務(wù)

2）業(yè)務(wù)的問題：

• 線下環(huán)境比較復(fù)雜，會(huì)因?yàn)楦鞣N原因?qū)е鲁渲凳?。設(shè)備故障、停電、網(wǎng)絡(luò)等；
• 消費(fèi)金額普遍較低：1元、2元、5元居多；
• 若人工進(jìn)行退款，服務(wù)鏈路長（涉及設(shè)備排查、訂單排查、服務(wù)商等），服務(wù)成本太高；
• 若實(shí)現(xiàn)直接退款，容易“羊毛黨”泛濫導(dǎo)致服務(wù)商利益受損。直接退款只會(huì)導(dǎo)致羊毛黨只會(huì)越來越多；
• 若不處理或者處理太慢等，導(dǎo)致用戶投訴過多，體驗(yàn)太差

3）本質(zhì)是矛盾點(diǎn)：用戶體驗(yàn)與成本的平衡

• 人工介入處理，訂單量大，成交金額低（1元、2元、5元），人工去處理成本高。
• 為了體驗(yàn)直接退款，容易被惡意使用。給服務(wù)商造成損失

2. 解決辦法

• 讓AI來當(dāng)裁判，對于符合規(guī)則的直接進(jìn)行直接退款或者部分退款；
• 對于惡意使用退款操作的人/用戶，直接不退款；
• 對于Agent判斷有爭議，引導(dǎo)客服進(jìn)行介入；

Agent介入的好處

• 相對明確的判斷的和操作，AI可以直接進(jìn)行操作。不用人工參，降低人工處理成本
• 提高了“薅羊毛”的操作成本，杜絕了一批羊毛黨。

二、整體的Agent的處理邏輯

讓大模型來直接輔助退款的邏輯流程

1）涉及到的大模型/Agent的主要能力：

• Rag：知識(shí)庫查詢規(guī)則等
• Agent會(huì)話模式：re-act控制流程和目標(biāo)
• 調(diào)用工具：輔助模型fanction call
• 長期記憶：畫像數(shù)據(jù)、訂單數(shù)據(jù)等長期記憶內(nèi)容

2）流程說明

1. 在會(huì)話之前。把他的訂單、畫像、瀏覽軌跡給到大模型-。然后基于問題直接解答；
2. 將規(guī)則“退款規(guī)則”、“判斷規(guī)則”等文本內(nèi)容推過知識(shí)庫的形式，讓模型來訪問獲取，補(bǔ)充內(nèi)容；
3. 提前預(yù)設(shè)sop退款流程，讓模型理解執(zhí)行步驟。

1. 整體的效果如下（測試環(huán)境下）：

1）過程我們可以看到

• 主動(dòng)引導(dǎo)：Agent引導(dǎo)用戶提供退款的理由。
• 訂單/設(shè)備信息確認(rèn)：提前獲取用戶訂單數(shù)據(jù)、設(shè)備信息。通過各種狀態(tài)、規(guī)則等推理退款理由的合理性
• 退款金額協(xié)商：通過設(shè)備狀態(tài)、退款規(guī)則等，同客戶確認(rèn)可退金額
• 自動(dòng)退款：直接完成退款操作。

2）效果

• 整個(gè)過程由大模型來控制，操作、判斷。
• 通過理解問題、規(guī)則、要求。來進(jìn)行準(zhǔn)確的處理。模擬人進(jìn)行復(fù)雜情況的判斷
• 合理用戶的合理訴求下，能夠在短時(shí)間內(nèi)完成退款的請求。
• 對于羊毛黨，有設(shè)備的數(shù)據(jù)、訂單數(shù)據(jù)等，有效防止惡意薅羊毛和退款

3）成本層面

• 約80%的退款操作、退款金額由大模型判斷直接執(zhí)行，不再需要人工審核