企业官网建设流程全解析

1. 先搞清楚"验比例"到底在验什么

"AI初筛和人工深聊的比例"这个问题，十个团队里有八个是拍脑袋定的。老板说"AI先过一遍，能省不少人力"，于是运营随手定了个"AI筛70%，人工聊30%"，跑了两周发现转化掉了一半，又慌忙调回50/50，来回折腾。问题不在于比例本身，而在于大多数人根本没想清楚：这个比例到底在优化什么指标？

我先把话说透：AI初筛和人工深聊的比例，本质上是一个"资源分配问题"，不是一个"技术参数问题"。你手里的资源是有限的——人工深聊的产能（一个销售一天能聊多少个）、AI初筛的准确率（误杀率和漏放率）、以及最关键的转化漏斗数据。比例是这三者博弈出来的结果，不是拍出来的。

所以"验比例"这件事，验的不是"70%好还是50%好"，而是验三个东西：

• AI初筛的判定质量：它把"值得深聊的人"筛出来了吗？误杀了多少？漏放了多少？
• 人工深聊的边际产出：多聊一个人，能多转化多少？这个边际收益是递增还是递减？
• 整体漏斗的效率拐点：在哪个比例上，单位人力投入带来的转化最高？

这三个问题不回答，你调比例就是盲调。下面我按实操顺序，把这套验证方法拆开讲。

1.1 为什么"意向分层"是绕不开的前置动作

在聊比例之前，必须先做意向分层。这是很多人跳过的一步，也是比例怎么调都调不对的根因。

什么叫意向分层？简单说，就是把所有进来的线索按"购买意向强度"分成几档。比如：

为什么要先分层？因为AI初筛和人工深聊的比例，在不同层级上应该是完全不同的。A层线索你让AI筛完再人工聊，纯属浪费——这种线索直接人工上，转化率最高。D层线索你让AI筛完直接丢，人工碰都不该碰。真正需要"AI初筛+人工深聊"组合拳的，是B层和C层。

我见过一个团队，所有线索不分层，统一按"AI筛60%、人工聊40%"跑，结果A层高意向客户被AI的机械话术晾了半小时，转头去了竞品；D层垃圾线索占了人工大量时间。比例看着"科学"，实际全是内耗。

提示：意向分层的标准不要拍脑袋定，用历史成交数据反推。把过去三个月的成交客户拉出来，看他们成交前的行为特征（问了几个问题、停留时长、是否主动留电话），这些特征就是分层的依据。

1.2 比例验证的核心指标：不是转化率，是"单位人力产出"

很多人验比例只看总转化率，这是错的。总转化率会骗人——你把人工深聊比例拉到100%，转化率肯定高，但人力成本也爆炸了。

正确的核心指标是单位人力产出，我通常用这个公式：

单位人力产出 = 总转化数 / 人工深聊总工时

或者更细一点：

单位人力产出 = (AI筛出并转人工的转化数 + AI直接转化的转化数) / 人工投入工时

这个指标的意义在于：它衡量的是"你每投入一小时人工，能换来多少转化"。比例调整的目标，是让这个值最大化，而不是让总转化率最大化。

举个例子。假设你有1000条线索：

• 方案A：AI筛70%，人工聊300条，转化30单，人工工时150小时 → 单位产出0.2单/小时
• 方案B：AI筛50%，人工聊500条，转化38单，人工工时250小时 → 单位产出0.152单/小时

方案B总转化更高（38>30），但方案A的单位人力产出更高。如果你的目标是"用有限人力撬动最大产出"，方案A更优；如果人力充裕、只追求绝对转化量，方案B更优。没有绝对的对错，只有匹配你当前资源状况的选择。

这就是为什么我说"验比例"要先明确优化目标。目标不清，数据再多也是白搭。

2. 搭建可验证的实验框架：别用"感觉"代替"数据"

拍脑袋定比例的人，最大的问题是没有对照组。他们调了比例，看到转化涨了，就以为调对了——但可能只是那段时间流量质量好，或者季节因素。要真正验证比例，必须搭一个能排除干扰的实验框架。

2.1 最小可行实验：A/B分流怎么设计

最直接的方法就是A/B测试。但线索分流的A/B测试有个坑：你不能简单地把线索随机分成两组，因为线索质量本身波动很大。今天来的线索和明天的可能完全不同。

我的做法是同期分流+分层内随机：

1. 先把当天所有线索按意向分层（A/B/C/D）
2. 在每一层内部，随机把线索分成实验组和对照组
3. 实验组用新比例（比如AI筛70%），对照组用旧比例（比如AI筛50%）
4. 跑够样本量后对比两组的单位人力产出

这样设计的好处是：同一时间段、同一批流量质量，唯一变量就是比例。排除掉了时间、季节、流量波动的干扰。

样本量要多少？粗略估算，每组至少需要200-300条有效线索，跑1-2周，数据才有统计意义。样本太小，随机波动就能让你的结论完全反过来。

注意：分流的时候要确保AI初筛的模型版本一致。如果实验组用了新模型、对照组用旧模型，那你验的就不是"比例"，而是"模型+比例"的混合变量，结论没法归因。

2.2 记录哪些字段才能事后复盘

实验跑起来只是第一步，记录字段的设计决定了你能不能复盘。我建议至少记录以下字段，缺一个都可能导致复盘时抓瞎：

这里我要特别强调**"AI初筛理由"**这个字段。很多人不记录这个，导致AI误杀的时候根本不知道为什么。比如AI把一个大客户拦了，你事后想复盘，发现只记录了"拦截"两个字，完全不知道它命中了什么规则。记录理由，才能定位是规则问题还是模型问题。

2.3 一个容易被忽略的变量：人工深聊的"质量波动"

实验设计里有个隐藏变量，很多人没意识到：人工深聊的质量本身是波动的。同一个销售，上午状态好和下午状态差，转化率能差一倍。不同销售之间差距更大。

如果你实验组和对照组分配到的销售水平不一样，那结论就不可信。解决办法有两个：

• 同一批销售轮流处理两组线索：让每个销售既聊实验组也聊对照组，把销售个体差异平均掉
• 记录销售ID，事后做协变量分析：如果没法轮流，至少在复盘时把销售因素作为控制变量

我吃过这个亏。有一次实验组转化明显高，我以为是比例调对了，结果一查，实验组的线索恰好分给了团队里最强的那个销售。白高兴一场。

3. 从数据里读出"拐点"：比例不是线性的

跑完实验拿到数据，接下来是最关键的一步：找拐点。很多人以为"AI筛得越多，人力越省，但转化越低"，是一条平滑的直线。实际上不是，它是一条有拐点的曲线。

3.1 边际收益递减：为什么70%之后就不划算了

先理解一个概念：边际收益递减。

当AI初筛比例从0%提到30%时，你省下的人力是巨大的，而损失的转化很小——因为被AI筛掉的那部分，本来就是低意向的C/D层，人工聊也是浪费时间。这个阶段，单位人力产出是上升的。

当比例从30%提到60%时，你开始筛掉一些B层线索。这些线索人工聊是有机会转化的，被AI筛掉就损失了。但省下的人力还能覆盖这个损失，单位产出可能还在微升或持平。

当比例从60%提到80%时，你开始大量误杀B层甚至A层线索。省下的人力已经不足以弥补转化损失，单位产出开始下降。

拐点就在"单位人力产出由升转降"的那个比例上。这个点通常在50%-70%之间，但具体在哪，取决于你的AI准确率和人工效率。

我做过的一个项目，拐点在58%左右。低于58%，加AI比例还能提升单位产出；高于58%，每加一个点都在亏。这个数字不是拍出来的，是跑了两周实验、画了几十条数据点拟合出来的。

3.2 用"误杀成本"反推最优比例

除了看拐点，还有一个更实操的方法：算误杀成本。

误杀成本 = 被AI错误拦截的线索数 × 这类线索的人工转化率 × 单客价值

假设你的AI初筛误杀率是5%（即100条该通过的线索，它拦了5条），被误杀的线索里，人工能转化的比例是20%，单客价值1000元。那么每100条线索的误杀成本是：

5条 × 20% × 1000元 = 1000元

而AI初筛省下的人力成本，假设每条线索人工深聊成本是5元，AI筛掉100条省500元。

这时候你就发现：误杀成本（1000元）> 省下的人力成本（500元），说明当前AI比例过高了，应该降低。

反过来，如果误杀成本低于省下的人力成本，就可以继续提高AI比例。

这个方法的好处是：它把"比例"翻译成了"钱"，老板和运营都能听懂。你不用跟他们解释什么拐点、边际收益，直接说"现在每提高10%的AI比例，净亏2000块"，决策就清晰了。

3.3 分层定比例：A层和C层不该用同一个数

前面反复强调意向分层，这里落到比例上：不同层级的最优比例完全不同。

这样分层定比例，整体单位人力产出能比"一刀切"高出30%以上。因为每一层都用在了它最该用的地方。

我见过最极端的案例：一个团队把A层线索也丢给AI初筛，结果AI用标准话术问"请问您有什么需求"，高意向客户直接回"我都问了三遍了"，体验极差。A层线索的正确做法是跳过初筛，直接转人工，AI最多做个信息摘要辅助销售。

4. 实操中那些"数据不会告诉你"的坑

实验框架搭好了，数据也跑了，但实操中还有一堆坑，是数据本身反映不出来的。这部分是我踩过的血泪教训，分享出来帮你少走弯路。

4.1 AI初筛的"假通过"：它说通过，不代表值得聊

AI初筛有个隐蔽的问题：假通过。就是AI判定"这条线索可以转人工"，但实际上这条线索质量很差，人工聊了也是白聊。

为什么会有假通过？因为AI的判定逻辑通常是"排除明显无效的"，而不是"识别真正优质的"。它只要没发现明显的垃圾特征，就放行。结果就是大量"不好不坏"的线索涌向人工，把人工产能占满了。

这个问题在数据上表现为：AI初筛通过率很高，但人工深聊的转化率很低。如果你只看"AI通过率"这个指标，会觉得AI工作得很好；但一看人工转化率，就露馅了。

解决办法是给AI初筛加一个**"优先级排序"**，而不只是"通过/拦截"二分类。让AI对通过的线索按质量打分，人工优先聊高分的那批。这样即使通过率不变，人工的效率也能提升。

4.2 人工深聊的"假努力"：聊了不等于聊到位

另一个坑在人工这边。有些销售为了凑"深聊量"，把每条线索都聊够时长，但实际没聊到点子上。数据上"人工深聊覆盖率"很漂亮，转化却没涨。

这个坑的根因是考核指标错了。如果你考核销售的"深聊数量"，他就会刷数量；如果你考核"转化数"，他才会有质量地聊。所以在验证比例的时候，人工这边的考核指标一定要和"转化"挂钩，而不是和"聊了多少"挂钩。

我在一个项目里做过对比：同样的人工深聊比例，A组销售考核"深聊量"，B组考核"转化数"。结果B组的单位人力产出是A组的1.8倍。比例一样，结果差这么多，问题就出在人的行为上。

4.3 别在"流量质量波动期"做实验

这条是实验设计的时间选择问题。不要在流量质量剧烈波动的时期做比例实验。比如大促前后、节假日、竞品搞活动的时期，线索质量本身就在大幅波动，你这时候调比例，根本分不清是比例的效果还是流量的效果。

我一般建议选流量平稳期做实验，至少连续跑两周，中间不要有大活动干扰。如果实在避不开，就在分析时把"日期"作为控制变量，看比例在每一天内的效果是否一致。

4.4 AI和人工的"交接损耗"：被忽略的隐形漏斗

还有一个特别容易被忽略的点：AI转人工的交接环节。AI筛完线索，转给人工，这个交接如果做得不好，会漏掉大量线索。

常见的交接损耗有：

• AI转人工后，线索在系统里排队，销售没及时看到，客户等太久流失
• AI给人工的线索信息不完整，销售要重新问一遍，客户体验差
• AI和人工的话术风格不一致，客户感觉"换了个人"，信任感断裂

这些损耗在数据上不会直接体现为"比例问题"，但会严重影响整体转化。所以在验证比例的同时，一定要检查交接环节的顺畅度。我通常会把"AI转人工后的首次响应时间"作为一个监控指标，超过5分钟就要预警。

5. 一套可复用的验证流程：从拍脑袋到有据可依

把前面所有内容串起来，我给一套完整的、可以直接抄的验证流程。这套流程我在三个不同项目里跑过，都能把"比例"从玄学变成可量化的决策。

5.1 第一步：定义你的"单位人力产出"公式

先明确你的优化目标。是"单位人力产出最大"，还是"总转化最大"，还是"人力成本最低"？不同目标对应不同的比例。

我一般推荐用单位人力产出，因为它平衡了产出和成本。公式前面给过了，这里再强调一次：分母是"人工深聊总工时"，不是"人工深聊线索数"。因为不同线索聊的时长不一样，用工时更准。

5.2 第二步：分层，然后给每层设一个初始比例

按意向分成A/B/C/D四层，每层给一个初始比例（参考3.3节的表格）。这个初始比例不用很准，它只是实验的起点。

5.3 第三步：同期分流实验，跑够样本

在每层内部随机分流，实验组用新比例，对照组用旧比例。跑1-2周，每组至少200条线索。记录2.2节列的所有字段。

5.4 第四步：算每层的单位人力产出，找拐点

对每一层，画出"AI比例 vs 单位人力产出"的曲线，找到拐点。如果数据点不够，至少对比3-4个不同的比例档位（比如40%、50%、60%、70%）。

5.5 第五步：算误杀成本，交叉验证

用3.2节的公式算误杀成本，和拐点结论交叉验证。如果两个方法结论一致，就可以确定最优比例；如果不一致，说明还有隐藏变量，需要进一步排查。

5.6 第六步：小流量灰度上线，持续监控

确定比例后，不要一次性全量切换。先拿10%-20%的流量灰度跑一周，确认没有异常，再逐步放量。上线后持续监控"单位人力产出"和"误杀成本"，一旦发现偏离，及时回调。

提示：比例不是定一次就完事的。AI模型会更新、人工团队会换人、市场环境会变，最优比例也会漂移。我建议每季度重新跑一次验证，至少做一次小规模的A/B测试，确保比例还在最优区间。

6. 关于"人机比例"这件事，我最后想说的

做了这么多项目，我最大的体会是：AI初筛和人工深聊的比例，从来不是一个"技术问题"，而是一个"业务理解问题"。你对业务理解得越深，对客户分层越细，对转化漏斗越清楚，这个比例就越容易定。

反过来，如果你连"什么样的线索值得聊"都说不清楚，那再多的实验数据也帮不了你。因为实验只能告诉你"哪个比例产出高"，但告诉不了你"为什么"，更告诉不了你"怎么优化AI让它筛得更准"。

所以我的建议是：先把意向分层做扎实，把转化漏斗的每个环节数据打通，然后再谈比例。顺序反了，就是白费功夫。

另外，别迷信"最优比例"这个概念。真实业务里，比例在一个区间内波动都是正常的。你要做的是确保它不偏离最优区间太远，而不是追求一个精确到小数点的数字。我见过太多团队为了"把比例从58%调到57.5%"折腾半天，结果收益还不如把AI的误杀率降一个点。

最后分享一个我常用的判断标准：如果你调整比例后，单位人力产出的变化在5%以内，那这个调整基本可以忽略，属于噪声范围。只有当变化超过10%，才值得认真对待。这个阈值帮我省了很多无谓的纠结。

比例是手段，不是目的。目的是让每一条线索都找到它最该去的地方——高意向的快速人工跟进，低意向的AI高效处理，中间的用组合拳。想清楚这个，比例自然就出来了。