# 優化平台營運與服務流程，提升訂閱制學習 app 的付費率與留存率。

> HTML 版（正本）：https://voidvector.tech/zh/cases/ai-support-retrieval/
> 語言：zh-Hant · 來源：voidvector（虛空向量有限公司）

一家訂閱制語言學習 app 的訂戶在長，服務流程沒跟上：客服量跟著訂戶一起漲，罐頭回覆撐不住，而使用者最猶豫要不要繼續付錢的那幾個當下，沒有人接得住。我們把說明、課程與方案規則整理成可檢索的知識庫，重建客服與轉真人的章法，讓答案在決定的當下就到位——付費率與留存率跟著拉起來。

## 挑戰

這家 app 的訂戶成長很快，服務流程卻還停在關鍵字罐頭回覆：問「發音課在哪」跟問「為什麼扣我兩次錢」，得到的是同一句抱歉。使用者最常見的動作是連問三次、然後要求轉真人——客服團隊整天在幫機器人收拾殘局。真正貴的不是客服成本：問不到答案的人，多半不會回頭再問第二次，他們直接不續訂。

## 我們怎麼研究

我們沒有先挑模型，而是先把三個月的真實客服對話攤開來分類。七成的問題其實有標準答案，只是散落在說明中心、課程頁與歷次公告裡，機器人根本讀不到；真正需要真人的帳務爭議與退費，佔不到一成。這個分布直接決定了解法——問題出在檢索，不在生成。再把問題時間點對回訂閱生命週期，答案更清楚：問不到答案的高峰，就落在試用到期與扣款前後那幾天。

## 做了什麼

我們把說明文件、課程資訊與方案規則整理成一套可檢索的知識庫，將客服重建為檢索問答（RAG）架構：先找到依據、再生成回答，每一句都能對回原文。模型選型上，我們拿同一組真實客服問題對主流 AI 引擎做盲測評估，選出成本與品質平衡的組合，並訂下明確的轉真人規則——帳務問題與情緒升溫的對話，第一時間交給人。

## 結果與判決

上線八週後，首次解決率明顯拉高、平均回覆時間大幅縮短，客服團隊從救火隊變回處理真正棘手案件的專家；更要緊的是付費率與留存率跟著上來——方案問題在人猶豫的當下就有答案，扣款疑慮不必等到隔天回信。誠實說一句：中途我們試過拿掉檢索、讓模型直接生成，答案讀起來更順，錯誤率卻立刻翻倍，當場砍掉。這個案子的勝負手是知識庫的整理品質，不是模型本身。