国内知名出行企业
Case Study · 客户案例 智慧出行 · Robotaxi

让出行平台的客服与运营,跑出 Robotaxi 的速度

国内知名出行企业 × 信朴科技:以智能客服 Agent 与运营分析 Agent 切入高峰客服与海量订单数据,从响应提速到全天候运营分析,系统性缓解一线压力。

2026 年 7 月发布 精选案例 阅读约 7 分钟
60%
客服响应提速
高峰排队时长减半
24/7
运营分析覆盖
订单·车辆·用户全维度
3个
业务 Agent 上线
客服 / 运营 / 知识
45折
模型用量成本
统一供应 + 治理
01
Background & Challenge

背景与挑战

作为粤港澳大湾区领先的出行平台,国内知名出行企业的业务同时覆盖有人驾驶网约车与 Robotaxi,日均订单与用户咨询量巨大。出行场景天然有三个 AI 难点:

高峰客服排队严重

早晚高峰、恶劣天气下咨询量瞬时飙升,人工客服排队严重,高峰排队时长直接拉低用户体验与口碑。

运营数据庞杂难分析

订单、车辆、司机、用户行为数据海量且分散,人工做经营分析往往滞后一天以上,无法支撑实时调度与决策。

Robotaxi 场景复杂

自动驾驶出行涉及路测、安全、合规等大量专业知识问答,一线运营人员难以快速获取标准答案。

管理层最终确认的方向是:不再把 AI 当客服外包的补充,而是构建一个能覆盖客服、运营、知识三层的智能体体系,并统一底层算力与用量治理。

02
Solution

解决方案:客服 · 运营 · 知识三层智能体

信朴科技以「建·用·学·管」闭环切入,先建智能体再用起来,针对出行场景的三大压力逐一破局:

建Build

智能客服 Agent · 让响应提速

FDE 现场共创,接入订单、用户、政策知识,构建能处理常见咨询、自动分流、人机协同的智能客服,高峰自动扩容。

用Supply

运营分析 Agent · 让数据说话

统一订单与运营数据口径,构建经营分析 Agent,自然语言问数、自动出日报/周报,运营分析从滞后一天变为全天候覆盖。

学Training

知识问答 Agent · 让专业随身

把 Robotaxi 合规、安全、路测等专业知识沉淀为问答 Agent,一线运营与司机管理随时获取标准答案,降低培训成本。

管Govern

Token 供应 + 用量治理

统一 GPT、Gemini 等模型供应渠道,用量约官网 45 折;建立部门级用量看板与预算治理,成本可视、可审计、可优化。

03
Implementation

实施路径:四阶段交付

Phase 1 第 1–2 周

场景定义与诊断

深入客服、运营、安全管理访谈,梳理出 12 个候选场景,按「价值 × 可行性」筛选出客服、运营分析、知识问答三个首批场景。

Phase 2 第 3–4 周

知识流程梳理

接入订单系统与运营数据仓,梳理客服话术与 Robotaxi 知识体系,构建企业知识库底座,明确数据安全与权限边界。

Phase 3 第 5–8 周

原型开发与试点

FDE 团队驻场开发三个 Agent 原型;智能客服先在夜间低峰试点,运营分析 Agent 在调度组小范围试用,快速迭代。

Phase 4 第 9–12 周

推广交接

试点验证后逐步放量,客服 Agent 覆盖全时段,运营分析 Agent 全员可用;Token 统一供应与用量治理同步上线,成本立即下降。

Phase 5 第 13–16 周

资产沉淀与持续陪跑

把话术、知识、提示词沉淀为企业资产全量交接;持续陪跑新场景,运营团队开始主动提出新的 AI 需求。

04
Results

落地成果

项目交付后一个季度,各项指标持续向好:客服响应提速 60%,高峰排队时长减半,用户满意度回升;运营分析实现 24/7 覆盖,经营日报从次日出具变为当日实时;首批 3 个业务 Agent 进入生产环境,模型用量成本稳定在官网约 45 折。

更重要的是组织能力的变化——运营团队开始主动提出「能不能再做一个调度辅助 Agent」这样的新需求,AI 从工具变成了业务团队的日常生产方式。

“

信朴科技帮我们把客服和运营两座大山同时搬走了。现在高峰期客服不再排队,运营数据当天就能看,这是过去想都不敢想的。

国内知名出行企业 · 运营相关负责人
MORE CASES · 相关案例

他们在用同样的方法提效