AI 前台上线只是开始。真正的问题是：它有没有帮助访客更快理解企业？有没有减少人工重复解释？有没有带来更高质量的咨询线索？有没有暴露官网内容的缺口？

判断效果不能只看“有没有人聊天”，而要看对业务是否有帮助。

第一类指标：使用情况

这些指标用于判断用户是否愿意使用 AI 前台。

建议观察：

• 访客打开 AI 前台的次数。
• 实际发起提问的人数。
• 平均每次对话的问题数。
• 用户停留时间变化。
• 移动端和桌面端使用差异。

如果入口打开率低，可能是入口位置不明显、欢迎语不吸引、推荐问题不贴近用户需求。

如果打开后不提问，可能是用户不知道可以问什么，需要优化推荐问题。

第二类指标：问题质量

这些指标用于判断用户真正关心什么。

建议每周整理：

• 高频问题排行。
• 新出现的问题。
• 表达模糊但反复出现的问题。
• 用户最常比较的方案。
• 用户最常担心的风险。

这些问题不只用于优化 AI，也可以反向优化官网内容、销售话术和产品说明。

如果很多用户问同一个问题，说明官网原页面没有讲清楚，或者用户仍然需要更直接的解释。

第三类指标：回答质量

这些指标用于判断 AI 是否可信。

建议抽样检查：

• 回答是否准确。
• 是否符合企业对外口径。
• 是否引用了正确资料。
• 是否出现过度承诺。
• 是否在该转人工时转人工。
• 是否存在含糊、空泛或答非所问。

可以把回答分为四类：

等级	含义	处理方式
可直接使用	准确、清楚、符合口径	保持
需要优化	大体正确，但表达不够好	调整知识库或提示
需要人工确认	涉及具体情况或条件差异	优化转人工规则
不可接受	错误、越界、编造或承诺过度	立即修正

回答质量是 AI 前台能否长期使用的核心。

第四类指标：转化情况

AI 前台最终要帮助业务承接咨询。

建议观察：

• 对话后留下联系方式的人数。
• 转人工次数。
• 有效咨询数量。
• 销售跟进后的有效线索比例。
• AI 对话是否帮助销售更快理解客户需求。

需要注意：AI 前台不一定直接创造所有成交，但它应该提高线索质量和跟进效率。

如果用户提了很多问题但很少留资，可能需要优化引导时机。

如果留资很多但质量不高，可能需要增加初步需求澄清问题。

第五类指标：内部效率

AI 前台也应该减少内部重复工作。

可以询问销售、客服或运营：

• 是否减少了基础问题解释？
• 客户沟通前是否已有更多背景信息？
• 是否更容易判断客户需求？
• 是否减少了无效沟通？
• 是否发现了新的内容缺口？

这些反馈比单纯访问量更有价值。

建议的复盘节奏

上线后第一个月建议每周复盘一次。

每次复盘看五件事：

1. 用户问了什么。
2. AI 答得怎么样。
3. 哪些问题需要转人工。
4. 哪些知识库内容要补充。
5. 哪些官网页面需要改写。

一个月后，如果运行稳定，可以改为每两周或每月复盘。

常见问题和处理方式

用户问得少

可能原因：

• 入口不明显。
• 推荐问题太空泛。
• 页面流量本身不足。
• 用户不知道 AI 能帮什么。

处理方式：

• 调整入口位置。
• 增加贴近业务的推荐问题。
• 在关键页面加入场景化引导。

AI 经常答不好

可能原因：

• 知识库不完整。
• 资料表达太内部化。
• 问题边界没定义。
• 多份资料相互冲突。

处理方式：

• 补充高频问题。
• 删除过期资料。
• 明确转人工规则。
• 重写含糊页面。

留资质量不高

可能原因：

• AI 太早要求联系方式。
• 没有先澄清需求。
• 用户还没有建立信任。

处理方式：

• 先回答关键问题。
• 再询问客户背景。
• 在用户出现明确意向后引导人工。

最后判断

AI 前台有没有效果，不能只看聊天数量，而要看它是否让用户更快理解企业、让销售更快判断需求、让官网内容持续变好。

如果 AI 前台能持续暴露用户真实问题，并把这些问题转化为知识库、页面内容和销售跟进动作，它就已经在创造价值。