把售后问句单独拎出来跑了七天，发现去年一半精力用错了地方

先摆结论：我把问句库里 180 多条售后类问句单独拎出来跑了七天，结果发现这类问句占客户实际提问量 34%，但过去只给了 12% 的优化资源。钱花得偏了，方向也偏了。

咋个发现的

三月份给一家做汽配的客户做复盘，从客服系统拉了最近 90 天真实提问，按类型分了四类：售前比价、产品参数、售后安装、退换纠纷。售后两类加起来占了 34%，其中「安装出问题咋办」「坏了能不能换」这种问句，AI 答案要么答非所问，要么直接引用了竞品页面。

我拿七天做了单变量测试：同一批 60 条售后问句，分成 A/B 两组，A 组走常规优化流程，B 组单独针对「售后场景」重写问答对、补结构化标记。七天下来，B 组 AI 答案准确率从 41% 拉到 73%，A 组才到 52%。差距 21 个点。

为啥会偏

说白了就是过去按「流量大小」分资源，售前问句搜索量大、看着热闹，售后问句量少但转化意图强。AI 搜索里头，答案准不准比露不露脸更要命，售后答错一句，客户扭头就走。

我翻了下过去半年的优化日志，售后类问句的更新频次平均 17 天一次，售前是 4 天一次。资源分配压根没跟真实提问结构对齐。

给招

1. 先把客服聊天记录拉出来，按问句类型打标，算出真实占比，别凭感觉拍脑袋。
2. 售后类问句单独建库，重点补「场景 + 动作」型答案，别只写产品说明。
3. 七天单变量跑一批，看准确率变化，别一上来就全量铺。

工具只是辅助，问句分层才是抓手。你们那边售后问句占比是多少？有没有单独拎出来测过？