汕头工厂售后小程序+AI客服：从需求到交付的3个月复盘

业务场景：配件退换与工单流转的日常痛点

2025年第二季度，汕头一家做食品机械的工厂找到我们——他们每天要处理100多张售后工单，客户90%通过电话或微信语音报修，客服需要反复确认型号、拍摄故障视频、手工录入ERP。高峰期工单积压超过48小时，客户投诉率上升了15%。

他们的核心诉求很具体：让客户能自助报修、上传照片、查看进度，同时把工单自动推送给对应的维修师傅，减少人工中转。这和广东很多传统制造企业的痛点一致——售后流程高度依赖人，效率低、易出错。

需求判断：小程序+AI客服的分层设计

我们和工厂管理层、一线客服做了三轮访谈后，确定思路不是直接做一个“全自动”系统，而是分三步走：

• 第一步：客户侧小程序。客户扫码或搜索进入，按模板填写产品型号、故障描述、上传图片/视频。表单字段完全对照工厂原有的纸质报修单，降低学习成本。
• 第二步：AI客服做初筛。对常见故障（如异响、漏油、卡料），用训练好的模型自动识别关键词并给出标准处理建议——比如“请先检查滤网是否堵塞”。如果AI无法判断或客户要求转人工，则直接生成工单进入ERP系统。
• 第三步：后台工单流转。工单自动分类并按区域分配给维修师傅，师傅在小程序端接单、填写维修记录、上传结算凭证。工厂管理层可在看板实时查看各环节耗时。

整个设计避免了一个常见误区：试图用AI取代所有人工。我们保留了一键转人工的按钮，并在AI回复中明确提示“以上为系统建议，最终以维修师傅现场判断为准”。

实施步骤：从原型到上线花了11周

• 第1-2周：需求梳理与数据准备。整理工厂过去12个月的工单记录，清洗出5000+条有效对话，用于训练AI分类模型。我们选了通义千问（Qwen）的轻量版做本地部署，因为工厂数据不能出机房。
• 第3-5周：小程序开发与AI模型微调。小程序采用uni-app框架，同时适配微信端和钉钉端（工厂部分管理层用钉钉）。AI部分用20%的数据做标注，识别准确率在测试集上达到92%。同时接入企业微信的会话存档，方便客服回查历史记录。
• 第6-8周：ERP对接与权限配置。工厂已有的用友T+系统通过API开放工单接口。我们做了两套方案：实时同步（在线期间）和离线补单（断网时本地存储，恢复后自动上传）。测试发现离线补单偶尔会出现重复记录，后来加了UUID去重才解决。
• 第9-11周：灰度测试与上线。先找3个长期合作的大客户试用两周，收集了20多条反馈，集中在UI字体偏小、故障类型下拉列表太长。调整后全量上线。

预算与周期影响

整个项目总投入约18万元人民币，分期付款：启动30%，初验40%，终验30%。工期11周，比客户预期的3个月缩短了2周。维护费用第一年免收，第二年按系统年费的8%收取。对于汕头本地企业来说，这个价格内包含了部署、模型微调和三个月远程运维支持。

上线后第一个月的数据：工单平均响应时间从原来的4小时降到了25分钟（AI自助+人工），客户自助报修占比从0提升到38%，客服人员从4人减少到2人，另外两人转岗做质检和数据分析。故障误判率（AI给出错误建议导致重复上门）控制在3%以下。

交付注意点与本地化建议

• 数据合规。工厂的配方参数和客户信息属于敏感数据，AI模型必须本地化部署，不能通过云端API调用。我们在广州合作机房租了GPU服务器，每月叠加约1200元算力成本。
• 方言语音识别。汕头客户很多讲潮汕话，语音报修时识别率偏低。早期方案是加一个方言ASR模块，但测试后准确率只有70%，最终建议客户先用文字输入，后续考虑接入MiniMax的方言语音接口。
• 后期迭代。第二期计划加入自动生成维修报告的功能，用GPT Codex分析维修记录，提炼常见故障库。但客户表示先跑通现有流程再说——这是广东老板常见的务实态度。

搜索关键词：汕头小程序开发、AI客服部署、汕头ERP对接、工厂售后系统、广东本地软件服务商。如果您在汕头或潮汕地区有类似需求，欢迎直接沟通具体行业的工艺细节，我们更愿意从车间实景出发做方案。