跳到主要内容
锦木信息 JINMU INFO

Zendesk 中国区核心合作伙伴

Zendesk 博客

原理解析、运维实践与架构经验,共 9 篇。

全部文章

从第一天就懂你的行业:揭秘Zendesk Industry Agent

普通AI客服只能问一句答一句,遇到业务就束手无策。Zendesk行业助手(Industry Agent)从一开始就围绕工作流程设计,预先拥有电商、医疗、保健、会计等行业的专业知识,能理解请求、采取批准的行动,并在需要时把对话连同上下文交给真人。文章讲清楚它和传统客服机器人的分水岭,以及企业如何用护栏和审批让自动化在明确界限内高效运转。

上 AI 之前先自检:你的 Zendesk 里,有多少工单本来就能自动解决

在评估 AI Agent 时,Zendesk 客户几乎都会问同一个问题:上线之后,究竟有多少工单能被自动处理掉?如今答案已经直接放在 Admin Center 里——自动化潜力仪表盘(Automation Potential Dashboard)。文章围绕三个问题展开:这个仪表盘关注哪些指标、实际应该怎么用,以及正式上线时需要守住哪些边界。

不止客服,而是一场关于"AI自动解决"的进化

一家企业最昂贵的成本,往往不是工资,而是等待。2026 年 10 月,Zendesk 正式宣布员工服务人工智能专员全面可用,把知识和工作流自动化注入员工已经在使用的渠道里。文章讲清楚它连接二十余个企业知识来源的权限感知设计、部署在 Slack 和 Teams 的支持方式,以及从"告诉"到"完成"的高级操作工作流程,附上按自动解决次数计费的定价逻辑。

拆解 Zendesk 专用智能体:Industry Agents 与 Custom Agents 的组合打法与落地路径

通用大模型机器人在具体业务规则面前总会"打太极",Zendesk 的 Specialized AI Agents 给出了官方解法:Industry Agents 承接行业共性的现成能力,Custom Agents 围绕企业自己的政策和系统做专业推理。文章拆解两类智能体的分工、四步落地方法,以及上线前必须补齐的连接、边界与体验三件事。

当AI遇见电商客服:一场关于温度与效率的对话

设计不佳的AI客服会在客户最需要帮助时制造更多沮丧,但用对方式,AI也能让深夜的一句求助被温柔接住。文章从统一全渠道客户数据、AI与真人协同排班、AI驱动的知识库、事件管理软件,到流畅的人机交接,梳理电商零售企业用好AI客服的五个关键点。

客户不是被机器人赶走的,而是被“没人管”赶走的

客户求助时要经过进门、分流、处理、收尾四道关口,每一道关口上企业都容易失守。本文拆解出海品牌客服体验中最容易被忽视的失守点,给出每一关的守关做法,并附上给管理者的五个自查问题,帮助正在开拓欧美市场的中国品牌找到客户流失背后的真正原因。

上线您的人工智能客服前,先回答这7个问题

当客户带着一个真正的问题而来,AI是真的把它解决了,还是只是礼貌地把它绕过去了?本文从意图理解、知识可信度、跨系统行动、人工干预边界四个维度,给出上线人工智能客服前必须想清楚的7个关键问题,并提出衡量AI客服的终极标尺——有限干预下的请求解决率。

Zendesk Custom Agents:让 AI 从「回答问题」走到「办完事情」

Zendesk Custom Agents 把企业独有的政策条款、业务流程与例外规则沉淀为可复用的专业智能体,和 AI Agents、Copilot、Action Flow 协同配合,承接退款例外、质保理赔、风险评估这类需要推理判断的复杂工作。文章讲了它的角色定位、创建四步闭环、可靠性设计原则,以及四个值得优先落地的场景。

不只是回答问题,而是推动解决:自定义AI客服的四个核心价值

每个企业都有通用AI无法处理的工作:退款例外、保修索赔、账户风险、经常性产品问题,这些任务需要业务上下文、政策和决策,而不仅仅是答案。文章介绍了自定义AI客服与聊天机器人的区别、借助Zendesk Agent Builder的构建流程,以及懂业务上下文、能采取行动、人机协同有边界、低门槛可迭代这四个核心价值,并结合Best Egg、BritBox等真实案例说明其效果。

聊聊您的数据难题

告诉我们业务现状,资深技术顾问一对一给出选型与实施建议,咨询免费。