尺码咨询难的不是答，是口径
服装店裙装、外套几十个款，客服多班次轮换接待，尺码是每天最密集的一类咨询：身高体重、版型偏码、体型顾虑翻来覆去就那几问——「160/110 穿什么码」「梨形身材能穿吗」「这款偏大还是偏小」「洗了会缩水吗」。难的不是答，而是同一个问题换个人答就换个口径：同一张尺码表，班次一换答案就变。
FASTQA / CONTENT
服装店怎么把尺码咨询答得又快又准
尺码是服装客服最密集的咨询：身高体重、版型偏码、体型顾虑翻来覆去就那几问。把尺码知识从个人经验变成全店统一规则，AI 先按规则答，复杂体型转人工。
TAGS服装 / 尺码推荐 / AI客服 / 客服话术
服装尺码推荐AI客服客服话术
正文
口径不统一的代价
新客服照着尺码表念，老客服凭手感拍板。买家先后问两位客服、得到两个答案，信任感立刻掉下来——要么反复追问确认，要么直接去看别家。按建议下单后到手不合身，退换跟着来，客服还要再解释一轮退换流程。
第一步：给商品建版型档案
上架时录入版型、面料弹性、偏码倾向和关键围度，让尺码知识跟着商品走，不跟着客服走。档案通常包含五类信息：版型分类（修身 / 合体 / 宽松）、面料弹性（无弹 / 微弹 / 高弹）、偏码倾向（偏小 / 标准 / 偏大）、关键围度（胸 / 腰 / 臀实测）、真人试穿反馈。
第二步：把推荐规则写成全店口径
把身高体重对应关系、版型修正和店铺偏好整理成一套推荐规则，所有班次答的是同一套。规则一旦写下来，新人不用再靠「跟老客服学」，照规则就能给出和专业老手一致的回答。
第三步：AI 按规则生成推荐话术
买家报出身材数据后，AI 套用统一口径给出建议，话术里带版型理由和面料提示，让买家能自己判断该不该听，而不是被一句「M 码可以」打发。比如 160cm、110 斤的买家问一条修身针织连衣裙：建议拿 L——这款是修身版型，针织面料弹而不松，M 码胸围会偏紧；裙摆对梨形身材有放量，不挑胯，喜欢宽松可以再大一码。回复即时，全店口径一致。
第四步：拿不准的转人工
体型特殊、买家描述模糊、明显有争议的尺码判断，转人工复核并带全上下文，买家不用把身材数据再报一遍；人工的结论再沉淀回规则，越用越准。
怎么验证口径真的统一了
三条检查：抽同一天不同客服的接待记录，核对尺码口径是否一致；用同一组身材数据重复询问，看推荐结果是否稳定；看复杂体型的转人工比例是否符合设定。
常见问题：AI 推荐尺码准吗
AI 只回答能从尺码表和版型档案直接推出的建议，按商品档案里的版型、面料弹性和偏码倾向，对照买家身高体重给出统一口径的推荐；判断不了的不硬答，避免答错引发退换。
常见问题：配置尺码规则要准备什么
整理各商品的尺码表、版型说明和历史试穿反馈，录入后 AI 即按规则回答，再用真实对话持续校准口径。完整做法见服装尺码方案页与尺码咨询案例。