你的 AI 語音客服上線三個月了。自動化率 55%，CSAT 在 3.6 分（滿分 5）。不差，但也說不上好。每個營運主管接下來都會問：怎麼讓它更好？答案不是「換一個更好的模型」，而是系統化的 A/B 測試和迭代優化——同一套紀律讓網站轉換率在過去二十年持續成長。
語音 AI 可以 A/B 測試什麼？
語音 AI 可測試的變數比大部分團隊想像的多。以下是影響最大的項目：
開場白話術
前 5 秒決定客戶會繼續對話還是要求轉人工。測試不同版本：
升級觸發門檻
AI 聽不懂要在 2 次失敗後升級還是 3 次？情緒門檻要設在 -0.3 還是 -0.5？這裡的微小調整會大幅影響自動化率和 CSAT。
回應用語
同樣的資訊用不同方式表達，會產生不同的滿意度分數。「您的訂單週四會到」vs.「好消息——您的訂單正在配送中，週四就會送達」——同樣的事實，不同的情緒效果。
TTS 語音選擇
語音特徵（速度、音調、溫暖度）影響信任感。測試不同語音設定檔，量測完成率。
重要的指標
不是所有指標都一樣重要。專注這四個：
| 指標 | 衡量什麼 | 目標範圍 |
|---|---|---|
| 自動化率 | 不需人工就解決的通話比例 | 60-80% |
| CSAT | 通話後客戶滿意度 | 4.0+ / 5.0 |
| FCR（首次解決率） | 一次互動就解決的比例 | 70-85% |
| AHT（平均處理時間） | 總通話時長 | 依場景而定 |
指標之間的張力
自動化率和 CSAT 常常互相拉扯。過度追求自動化（拒絕升級）會傷害滿意度。太快升級則會拉低自動化率。優化的挑戰是找到甜蜜點。
建立迭代週期
第一週：找出最大的流失點
聽 50 通 AI 失敗的電話。把失敗分類：聽不懂、回答錯誤、客戶不耐煩、缺少功能。找出最大的那個類別。
第二週：設計並部署測試
針對那個失敗類別設計兩個變體。流量 50/50 分流。每個變體至少跑 500 通電話才有統計顯著性。
第三週：分析並決定
比較各變體的指標。如果贏家明確就升級。如果結果混合，深入看分群——贏家可能只在特定意圖或客戶類型上表現更好。
第四週：重複
轉向下一個最大的流失點。持續改善，不是一次性優化。
Pathors 如何支援快速實驗
Pathors 為迭代優化而生：
優化本身就是產品
平庸的語音 AI 和優秀的語音 AI 之間的差距不在初始建構——而在後續的迭代速度。每週跑 A/B 測試的團隊，第一季就能看到自動化率提升 15-25%。
從小處開始，嚴格量測，快速迭代。Pathors 提供讓你無風險實驗的基礎設施。到 pathors.com 看看怎麼做到。
Brandon Lu
COO
致力於運用 AI 技術改造客戶服務和商業營運。