尺码咨询从经验回答变为统一规则

背景

这家女装店裙装、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。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。这家店的做法是把尺码推荐从个人经验变成全店统一规则：AI 先按规则答，拿不准的交人工。

典型追问

同一个问题，两种答法

以前怎么接

新客服照着尺码表念，老客服凭手感拍板，同一张尺码表能答出三种口径，班次一换还得再变一次。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。

现在怎么接

1. 01
   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，尺码知识跟着商品走，不跟着客服走。档案长这样：

   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 / 臀实测试穿反馈：真人试穿记录
2. 02
   整理全店统一推荐规则

   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口径，所有班次答的是同一套。

3. 03
   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——买家能自己判断该不该听，而不是被一句「M 码可以」打发。回复即时，全店口径一致。

4. 04
   拿不准的转人工复核

   复杂体型和争议尺码转人工，带着上下文交接，买家不用把身材数据再报一遍；人工的结论再沉淀回规则。

AI 与人工的边界

验证口径