每个季度市场上都会冒出一批新的AI 客服产品，宣传页上的功能列表也越来越像。但对采购决策者来说，花哨的功能演示和真实的落地效果之间，往往隔着不小的距离。与其被销售带着走，不如用一份固定的季度盘点清单，把选型变成可复用的标准化流程。

先核对五个硬指标

  • 回答准确率：要求厂商用你自己的知识库跑测试，而不是看他们的演示环境。行业经验值是 85% 以上才算可用。
  • 首响与并发能力：高峰期同时涌入几百个会话时，响应速度会不会崩，这需要压测数据支撑。
  • 转人工机制：机器人答不上来时能否平滑转人工，转接时上下文会不会丢失。
  • 数据归属与合规：对话数据存在哪里、能不能导出、是否支持个人信息脱敏，这些要写进合同。
  • 集成能力：是否有开放的 API，能否对接你现有的 CRM、工单系统和企微、WhatsApp 等渠道。

容易被忽略的隐性成本

很多团队只对比了订阅价格，实际落地后才发现大头在别处：知识库维护人力（每周至少需要专人更新内容）、超量计费（按会话量或按 token 计费的产品，流量增长后费用可能翻倍）、定制开发费（宣称的「开箱即用」在真实业务里往往需要二次开发）。建议在采购前把首年总成本按「订阅 + 维护人力 + 超量风险」三项加总再比较。

验证厂商实力的三个土办法

第一，要求试用不低于两周，并且用真实访客流量跑，试用期数据比任何演示都有说服力。第二，找同行业、同规模的企业聊使用体验，重点问「上线三个月后还在用吗」。第三，看厂商的更新频率，AI 客服是大模型驱动的产品，底层模型至少每季度要有升级，半年不更新的产品大概率会被淘汰。

季度盘点的意义不在于每次都换工具，而在于让团队保持对市场的敏感度。建议把每次盘点的结论沉淀成一页对比表，长期积累下来，你就有了自己行业的选型数据库。