上個月拜訪一家電商客戶,他們的營運主管打開儀表板給我看:上面有 37 個指標,密密麻麻的圖表佔滿三個螢幕。我問他,每週開會真正會討論的有幾個?他想了想,伸出三根手指。這在業界其實是常態。很多客服中心主管被儀表板淹沒,卻仍然對真實營運狀況感到不確定。問題不在數據太少,而在焦點太散。隨著 AI 語音客服在 2026 年承接越來越多電話量,我們追蹤的 KPI 必須跟著進化。以下是我們團隊在實際部署中反覆使用的 8 個核心指標。
1. 首次解決率(FCR):老指標需要新定義
FCR 長期被視為客服品質的黃金標準,理由很充分。根據 SQM Group 的 FCR 基準研究,FCR 每提升 1%,客戶滿意度對應提升 1%,營運成本同步降低 1%。這種雙重效益在所有 KPI 中非常罕見。
但 AI 語音客服讓 FCR 的定義變得複雜。傳統 FCR 衡量的是客戶第一次聯繫是否解決問題。當 AI 處理電話時,我們需要區分三種結果:
正確的追蹤方式
很多平台在 AI 轉接後由人工結案,就把這通電話算成「已解決」。這會灌水你的 FCR。更誠實的做法是追蹤 7 天重複來電率,並按初始處理者(AI 或人工)分群。Pathors 的儀表板自動執行這個分群,並標記 AI 完全解決率低於門檻的特定意圖類別,讓你知道哪些流程需要優化。
2. 平均處理時間(AHT):下降不一定是好事
AHT 是最容易拿來炫耀的數字。「導入 AI 後 AHT 下降 40%!」聽起來很棒。但 AHT 壓得最低的團隊,重複來電率往往反而偏高。他們在趕客戶掛電話,不是在解決問題。
AI 語音客服的 AHT 天然比人工低——AI 不需要翻查客戶資料、不需要打字做紀錄,這些步驟在毫秒內完成。在標準查詢場景下,調校良好的 AI 語音客服 AHT 通常明顯短於人工。
值得追蹤的 AHT 子項目
分別追蹤每個子項目。辨識時間偏高代表模型需要調校。對話時間偏高可能代表你的對話流程太囉嗦。
3. 客戶滿意度(CSAT):不要只靠通話後問卷
通話結束後「滿意請按 1、不滿意請按 2」的問卷回覆率通常很低。這代表你的滿意度分數來自一個自我篩選的少數群體——通常只有非常開心或非常生氣的人會按。
現代 AI 平台可以透過行為訊號衡量滿意度:
Pathors 的分析套件結合傳統 CSAT 問卷與即時情緒評分,給你一個基於全部通話的複合滿意度指標,而非只有少數回覆問卷的人。
一般來說,簡單查詢中 AI 互動的 CSAT 可以不輸人工,但複雜問題往往偏低。了解你的組合比例很重要。
4. 自助完成率(Containment Rate):AI 專屬的核心指標
自助完成率衡量有多少通電話由 AI 完整處理,完全不需要人工介入。這是直接連結 AI 投資報酬率的指標。
自助完成率在不同產業差異很大,流程標準化的金融服務業通常較高,醫療保健因法規複雜度較高,通常偏低。
各使用場景的合理目標
| 使用場景 | 自助完成潛力 |
|---|---|
| 帳戶餘額/狀態查詢 | 高 |
| 預約排程 | 中高 |
| 訂單追蹤 | 高 |
| 帳單爭議 | 低 |
| 技術故障排除 | 中低 |
| 客訴/升級處理 | 很低 |
不要追逐單一的總數字。按意圖類別拆分自助完成率,各別設定目標。帳戶查詢 95%、客訴 15% 的組合,比所有類別平均 60% 的情況更健康。
5. 每次互動成本:財務長唯一在意的指標
計算方式看起來簡單:客服中心總成本除以總互動次數。一般來說,AI 處理一通電話的成本只有人工的一小部分。
但真實計算比這複雜:
這就是為什麼自助完成率和轉接品質如此重要。一通沒有被好好處理的電話不會省錢。它花得更多。
建立商業案例
按月追蹤每次互動成本,按解決類型分群。Pathors 的報表模組自動串接電信費用、平台使用量與人工成本數據,生成單一的每次互動成本視圖。當財務長問「AI 到底有沒有幫我們省錢」的時候,你需要給出一個數字,而非一段敘事。
6. AI 準確率:衡量機器做對了什麼
AI 準確率涵蓋語音客服正確理解意圖、提取正確資訊、提供正確回覆的比率。語音 AI 在生產環境中的意圖辨識準確率,遇到吵雜環境或強口音說話者時會明顯下降。
準確率的三個層次
對台灣市場來說,口音和用語處理是關鍵差異化因素。Pathors 針對繁體中文和台灣口音調校,這是我們在台灣部署時最重視的一環。
7. 轉接率:越低不一定越好
轉接率是自助完成率的反面:有多少比例的 AI 通話被轉接到人工。直覺上會想要最小化。這是個陷阱。
轉接率壓得太低的客服中心,AI 互動的客訴量往往反而更高。轉接率太低通常意味著 AI 在硬撐它不該處理的電話。
甜蜜點框架
轉接的品質和比率同樣重要。人工客服接手時是否收到完整的 AI 對話摘要?是否被分派到正確的佇列?Pathors 在每次轉接時打包完整的對話逐字稿、已提取的實體資訊和建議解決路徑,減少人工接手後重新詢問的時間。
8. 解決時間(TTR):客戶的時鐘才是唯一的時鐘
TTR 衡量從客戶首次聯繫到問題完全解決的總經過時間。包含等待時間、轉接時間、回撥時間——所有環節。
TTR 對客戶忠誠度的影響,往往比單次互動的 CSAT 更大。客戶可以容忍一個普通的互動體驗,只要它快。但他們不會原諒一個慢的互動,不管語氣多親切。
AI 對 TTR 的影響
AI 語音客服從兩個方向壓縮 TTR:
打造你的 KPI 儀表板:分階段聚焦
不要同時以相同權重追蹤所有八個指標。根據你的成熟階段排定優先序:
階段 1——試驗期(0-3 個月):聚焦 AI 準確率和轉接率。先讓機器運作正確,再談效率。
階段 2——擴展期(3-12 個月):加入自助完成率和每次互動成本。現在你要證明商業價值。
階段 3——優化期(12 個月以上):疊加 FCR、CSAT、AHT 和 TTR。你在微調客戶體驗。
Pathors 提供預建的分階段儀表板,你不會在第一天就淹沒在 37 個指標裡。從聚焦開始,隨成熟度擴展。
常見的衡量錯誤
2026 年表現出色的客服中心,不是自動化程度最高的那些,而是衡量方式最精準的那些。八個 KPI——誠實追蹤、正確分群、每週檢討——能告訴你的比 37 個沒人打開的儀表板指標更多。從準確率和轉接率開始,逐步擴展到成本和解決時間。記住,目標不是讓 AI 的數字好看,而是讓客戶的體驗毫不費力。
常見問題
AI 語音客服的首次解決率(FCR)達到多少算好?
沒有放諸四海皆準的數字,要看你的來電組合。關鍵是要按處理者類型(AI 完全解決 vs. AI 輔助)分群追蹤,並使用 7 天重複來電率作為判斷標準,避免使用容易灌水的單次結案指標。
如何計算 AI 客服的每次互動成本?
將客服中心總成本(平台費用、運算、電信、人工薪資)除以總互動次數。務必按解決類型分群:AI 完全解決最便宜,AI 轉人工因轉接損耗往往比直接人工更貴,AI 錯誤路由則是最昂貴的類別,客戶不滿會讓後續處理時間明顯拉長。
AI 語音客服的自助完成率可以預期多少?
差異很大。帳戶查詢類通常可以高度自助完成,帳單爭議則低很多。建議按意圖類別各別設定目標,而非追求單一的總體數字。比起所有場景平均 60%,帳戶查詢 95% 搭配客訴 15% 的組合其實更健康。
轉接率越低越好嗎?
不一定。轉接率壓得太低的客服中心,AI 相關客訴量往往反而更高。我們建議的區間是 30-45%:AI 處理能力範圍內的事務,無法處理的帶著完整上下文轉接給人工。太低通常代表 AI 在硬撐不該處理的電話。
AI 準確率有哪些層次需要分別追蹤?
三個層次:意圖準確率(AI 是否理解客戶要什麼,目標 93%+)、實體提取準確率(姓名、帳號等是否正確擷取,目標 95%+)、回覆準確率(提供的資訊是否正確,目標 98%+)。在台灣市場,口音處理是額外的關鍵因素,經過在地調校的模型表現會明顯較好。
解決時間(TTR)和平均處理時間(AHT)有什麼不同?
AHT 只衡量單次互動的處理時間,TTR 衡量從客戶首次聯繫到問題完全解決的總時間,包含等待、轉接、回撥等所有環節。TTR 對客戶忠誠度的影響往往比 CSAT 更大。AI 語音客服透過零等待(2 秒內接聽)和平行處理大幅壓縮 TTR。
導入 AI 語音客服初期,應該優先追蹤哪些 KPI?
建議分三階段:試驗期(0-3 個月)聚焦 AI 準確率和轉接率,確保機器運作正確;擴展期(3-12 個月)加入自助完成率和每次互動成本,證明商業價值;優化期(12 個月以上)疊加 FCR、CSAT、AHT 和 TTR,微調體驗。不要在第一天就同時追蹤所有指標,會讓團隊失焦。




