廣告位招商中 歡迎洽談

如何配置 HubSpot Breeze Customer Agent 掛載知識庫文件自主解決工單

365Finds Editorial
已收錄 11,430 篇 Wiki 文章

讓你的 AI 用上 365 Wiki

複製下方的提示詞,貼給你常用的 AI,然後直接提問。

下載完整版 Skill

先用提示詞體驗;經常使用時,安裝完整版 365Wiki Skill,以後無需重複複製。沒有常用 AI?Gemini、Microsoft Copilot 等網頁版也可以。

365Wiki Skill

當企業業務迅速拓展、促銷活動上線或遇產品重大更新時,客戶支援與服務營運團隊常面臨工單進線量激增的瓶頸。第一線客服專員往往深陷於密碼重設、物流進度追蹤、退換貨條款與帳單變更等高度重複的常見諮詢中,導致初次回應時間大幅拉長,核心技術問題與高價值客戶的需求亦面臨積壓。HubSpot Breeze Customer Agent(即 Service Hub 中的客戶智能體,前身為 Service Agent)正是為了解決此一營運痛點而生的原生 AI 解決方案。

與仰賴預設決策樹的傳統聊天機器人截然不同,Breeze Customer Agent 深度整合於 HubSpot CRM 與 Service Hub Help Desk 體系,採用檢索增強生成(RAG)技術,能直接基於企業經過驗證的私有知識庫、公開網站與歷史工單記錄,提供具備真實依據且全天候(24/7)的自主解答。本文將為技術支援主管、RevOps 與 Service Hub 管理員詳細拆解 Breeze Customer Agent 的配置全流程,涵蓋知識庫與歷史工單掛載、對話準則與防護網設定、工單轉派與升級規則(Ticket Escalation & Handoff),以及平穩灰度上線的最佳實踐。


一、前置要件、權限配置與計費模式

在開啟 Breeze Customer Agent 設定之前,請先確認 HubSpot 帳戶已具備完整的管理權限、通道連線與計費準備:


二、初始建立:確立智能體身分與品牌人設

客服智能體的語調直接決定客戶對服務專業度的第一印象。合適的身分設定有助於建立信任感:

  1. 在 HubSpot 導覽列進入 Service > Customer Agent(若介面微調,可在 More 選單中找到)。
  2. 點擊 Continue to agent setup 進入設定流程。
  3. 命名智能體:設定面向客戶顯示的名稱(例如「Acme 智慧支援助理」)。在聊天介面頂部,該名稱會標註合規的 Powered by AI 徽章。
  4. 選擇人格語氣(Personality):
    • Friendly(親切友善):具親和力且熱情。
    • Professional(專業嚴謹):表達結構分明、用詞精準,特別適合 B2B 企業與技術支援。
    • Casual(輕鬆隨和):口吻平易近人,適合一般消費品牌。
    • Empathetic(同理共情):語調溫和、富有包容力,適合處理退款爭議或客訴流程。
    • Witty(機智幽默):適合潮流新創或休閒生活品牌。
    • Use My Brand Voice(使用品牌語調):若企業已在 HubSpot 中設定全域 AI 品牌聲音(Brand Voice),可直接套用該設定以保持風格一致。
  5. 多品牌獨立運作:若企業在單一 HubSpot 執行個體中管理多個子品牌,可透過 HubSpot Brands 功能為個別品牌建立專屬的 Customer Agent,獨立設定知識庫與升級路徑。

三、掛載知識源:知識庫文章、外部網址與私有檔案

Breeze Customer Agent 的回答品質完全取決於知識源的結構與正確性。系統採取嚴格的事實檢索錨定機制,僅基於可用資料作答。

在左側選單進入 Train > Knowledge,點擊右上角 Add content 新增知識源:

1. 同步 HubSpot 原生知識庫與網頁

2. 匯入外部公開網址(Public URLs)

若企業文件託管於 Notion、GitBook、Zendesk 或內部開發者文件站:

3. 上傳私有檔案(File Upload)

4. 建立精準簡短答案(Short Answers)

針對必須一字不漏嚴格符合法規與業務準則的常見問答(如退換貨保固期限、節慶物流截單時間),點選 Create a short answer,直接編輯精準問答對。編輯器支援文字樣式、超連結與流程圖嵌入。


四、智慧萃取:從歷史工單與對話記錄中自動生成知識

若企業尚未建置系統化知識庫,客服團隊歷年來累積的已解決工單便是最寶貴的資產。Breeze Customer Agent 內建的 Generate knowledge 功能,能運用 AI 從歷史對話中提煉高效問答。

  1. 於 Train > Knowledge 點擊 Add content > Generate knowledge。
  2. 選擇分析資料來源:
    • Tickets(工單):選擇 All tickets(分析過去 90 天內所有已結案工單),或選擇 A specific ticket segment(指定工单分群,如「已解決之一級技術工單」)。
    • Inbox(收件箱):分析全部或指定收件匣過去 90 天的對話歷程。
    • File upload:批次上傳對話封存記錄。
  3. 設定主題防護網(Guardrails):
    • 於 Include topics(包含主題)中填入重點業務(如「帳號登入異常」、「發票開立說明」、「權限重設」)。
    • 於 Exclude topics(排除主題)中排除非標準或機密議題(如「高階合約特批」、「客訴賠償條款」)。
  4. 點擊 Generate knowledge 啟動批次分析。
  5. 審核與正式入庫:
    • 分析完成後,頂端通知列會顯示 Review drafts(審核草稿)。
    • AI 會依據業務主題將萃取內容分組為卡片,呈現擬定的 Q&A(問答對)。
    • 點選任一卡片即可修訂問題敘述、潤飾回答文字或補充官方參考連結。
    • 點選 Accept 即刻納入正式知識源並生效,點選 Skip 稍後再議,或點選 Decline 予以捨棄。

五、設定溝通準則與安全護欄(Guidelines & Guardrails)

規範智能體的邊界與對話規則,能徹底防止模型產生幻覺或做出未經授權的承諾:

  1. 進入左側選單 Train > Guidelines。
  2. 溝通風格(Communication Style):點擊 + Add Communication style,設定規則名稱,並可指定套用於特定客戶名單(如高資產 VIP 用戶與一般免費會員採取不同對話策略)。於指令欄中明確描述要求,例如:「說明步驟必須採用條列編號;單次回答長度控制在 150 字內;切勿臆測未正式發布之產品藍圖」。
  3. 安全護欄(Guardrails):列出智能體必須避開的敏感話題。例如涉及法律爭議、競品惡意比較或特殊議價時,指示智能體明確回應:「此問題需由專屬團隊為您服務,我們正為您轉接人工專員」,並立刻觸發轉派。
  4. 在畫面右上角點擊 Test 模擬客戶提問進行驗證,確認無誤後點選 Publish。

六、工單升級與無縫轉派真人客服(Ticket Escalation & Handoff)

自動化系統的可靠度取決於能否在適當時機將控制權平順交回真人。健全的轉派機制是確保客戶體驗與服務品質的關鍵防線。

1. 轉派觸發條件(Handoff Triggers)

進入 Train > Human handoff 頁面。系統預設三種自動轉派情境:

在 Handoff guidelines 欄位中,管理者可使用自然語言或內建範本擴充業務升級關鍵字:

「當客戶表達強烈不滿、要求主管介入,或使用以下字詞時,必須立即觸發轉派:『退款申請』、『終止合約』、『系統停擺』、『資安疑慮』、『業務合作』。」

2. 選擇轉派流程模式(Edit handoff process)

點擊 Edit handoff process 設定適合團隊承接能力的轉派形式:

3. 設定分派目的地與工作流程

4. 監控智能體工單狀態生命週期(Customer Agent ticket status)

轉派過程中,系統會自動更新 CRM 屬性 Customer Agent ticket status:

狀態值系統底層定義營運與客服處理要點
Pending智能體正在與客戶對話處理中,未觸發轉派。真人無需介入,系統持續自主服務。
Awaiting Human Assignment已觸發轉派並將工單移入 Help Desk,等待真人專員或工作流程指派。監控待指派清單;值班人員可手動認領。
Handed off已成功轉派並指派給具體的真人客服專員。真人專員接手,檢閱 AI 前期對話脈絡繼續服務。

5. 專員在崗判定與友善提示訊息


七、上線前測試、流量控制與分階段部署

在全面推向所有客戶之前,必須藉由沙箱測試與流量限流進行驗證。

1. 互動式沙箱預覽與 Testing Insights

2. 批次自動化測試(Batch Testing)

上傳歷史諮詢問題清單進行批次模擬,全面評估系統解決率、引用吻合度與轉派準確率,於正式上線前補齊漏洞。

3. 部署至線上通道與流量限制

  1. 進入 Deploy > Channels,點選 Deploy agent。
  2. 選擇目標通道(如官網即時聊天或 Support 郵箱)。
  3. 設定 Working Hours:可選擇全天候運作、特定時段運作,或僅於「非營業時間」啟用(專職負責夜間與週末的工單分流)。
  4. 對話覆蓋百分比(Conversation Coverage):初次上線建議設定為 10% 至 20%。系統會依此比例隨機將進線諮詢分流至 Breeze Customer Agent,其餘流量維持由傳統真人佇列承接。待指標穩定後再逐級調高。
  5. 針對 Email 通道,可搭配 Contact lists to include / exclude 排除 VIP 名單,優先在大眾客群中進行驗證。
  6. 點擊 Deploy 正式發布。

八、上線後成效監控與知識庫持續精進

部署完成後,服務團隊應定期檢視 Service > Customer Agent > Analyze 儀表板:

透過結構化掛載知識庫文件、活用歷史工單資料、落實嚴格的安全準則,並無縫銜接 Service Hub 的工單轉派工作流,企業支援團隊能將暴增的工單轉化為可預測、高效率且維持高滿意度的自動化服務引擎。


參考資料