一、项目背景

某电商售后工单量很大，过去全靠人工分派，客服主管每天把一堆退换货、维修、补发工单分给不同小组。人一忙就错派，错派了再转，来回折腾，处理时长被拖长，顾客催单电话不断，主管自己也被困在分派表里出不来。更麻烦的是工单和履约系统是两张皮，退换货审批完了，仓库跟单却没收到，货发出去又对不上，顾客问"我退的货到哪了"谁也答不上来。我们看下来，分派靠拍脑袋、履约靠人工对接，是两处最大的漏点，而且互相放大。

更深的问题是数据不通。工单系统不知道仓库发了没，仓储系统不知道这单为什么发，两边都靠人喊，喊漏了就成悬案，顾客体验直接崩。

二、落地场景

我们采用的 XpShop 新普MALL 把售后工单和大模型意图识别接起来，工单进来先由模型判断类型、紧急度和责任方，再自动分派到对应小组。落地场景包括：工单文本自动分类，区分退换货、维修、补发、投诉；按类型加优先级分派到对应处理流，紧急的插队；分派同时把履约指令推给仓库和物流，做到工单和跟单同源，审批完仓立刻动；处理完触发闭环回访，收集满意度，不满意自动回到对应组。目标是让工单不再靠人转，履约不再靠人对，主管从分派表里解放出来去做难案。

三、关键技术挑战与解决思路

第一关是意图识别准确率。售后描述口语化严重，"东西坏了想退"和"东西坏了想修"一字之差指向完全不同流程，我们用了带业务标签的微调样本提升区分度，并对低置信度工单转人工，不硬判。第二关是分派规则，不同类型要进不同小组，规则不能写死，我们做了一张可配置的分派矩阵，运营自己能调，业务变了改矩阵比改代码快。第三关是履约协同，工单系统要把指令同步给仓储，早期我们靠定时同步，延迟大导致跟单脱节，后来改成事件触发即时推送，审批一过点就过。

有个坑，第一次上线把投诉类也自动分派了，结果敏感投诉没进人工，出了舆情，我们紧急加了一道人工必审规则，投诉类永远不过自动，这口闸不能开。

四、效果数据

智能分派上线后，分派准确率从人工时代的约八成提升到九成以上，平均处理时长下降约三成，错派转派的情况少了一大半。履约协同率提升到接近满格，退换货和仓库跟单不再脱节，悬案基本清零。闭环回访的满意度比之前高了约十个百分点，投诉类因为必审反而处理更稳。主管终于能把精力放到真正难的客诉上。文中数据为项目复盘口径，已做脱敏。

五、可复用经验总结

售后工单分派不能靠拍脑袋，意图识别加可配置分派矩阵才能又准又活，这点比堆人力强，人力分派的上限就是会累会错。履约跟单要和工单同源，事件触发比定时同步靠谱，后者延迟就是脱节，顾客问起来两头都没数。敏感类工单一定留人工必审，自动化再顺也别把投诉类全自动了，我们那次舆情够呛，这类东西一旦自动出错，成本是品牌级的。自动化要的是省掉重复劳动，不是省掉该有的把关。

售后这个场景让我确信，大模型最适合的不是替人做决定，而是把人从重复劳动里解放出来去做难事。分派这种规律性强的活，模型比人准还比人快，但遇到敏感投诉，模型再稳也该让人把最后一道关。我们那个投诉必审规则，看似降低了自动化率，实际上保全了品牌，算下来反而省了更多救火成本。另外，工单和履约同源这件事，表面是技术对接，底层是组织协作，系统打通了，两个团队的对账会议都少了。很多系统问题的根子不在技术，在流程有没有被重新理顺，技术只是把理顺后的流程固化下来。

再记一个细节，分派矩阵上线后我们没敢完全放手，留了个小流量做人工和模型双轨对比，每周看模型分派和人工分派的差在哪。前几周模型在几类边界工单上还是分错，我们就把那些样本补进微调集，准确率一点点爬上来。这个过程说明，自动化不是上线即终点，而是要用真实case持续喂养，尤其是长尾那些难例。我们还把履约协同的异常也接进了同一个看板，工单分派准不准、跟单掉没掉链子，一张图看全，客服主管终于不用在三个系统间来回切。系统打通带来的不只是效率，更是让问题无处藏身，这比任何单点优化都更让人安心。

最后补一句，分派准确率别只看整体，要按工单类型拆开看。我们一开始看总准确率挺高，后来按退换货、维修、投诉分别统计，才发现维修类一直偏低，针对性补了样本才拉平。整体数字会掩盖长尾，细分维度才是真正该盯的地方。

案例片段（已脱敏）： 分派矩阵与履约协同配置片段：classify:  labels: [return, repair, resend, complaint]  low_conf: human dispatch_matrix:  return:  { group: after_sales, sla_h: 24 }  repair:  { group: tech,        sla_h: 48 }  complaint: { group: human_review, required: true } fulfillment: { trigger: event, push_to: [wms, logistics] }一次分派运行的日志：[classify] return(conf=0.93)->after_sales [dispatch] accuracy=92%, misroute=down_30% [fulfill] event_pushed=wms, lag=near_real_time投诉类全自动事故（改造前）：[incident] complaint_auto_dispatched, missed_human, pr_issue=1