7 个 Klaviyo Customer Agent 实战案例：从订单查询到课后跟进，客服与营销打通怎么做

多家代理机构分享了 Klaviyo Customer Agent 的落地玩法：用真实聊天记录决定建什么能力、把品牌规则写成书面指引、接入订单和订课等实时数据。文中给出具体数据，比如每周复盘让测试对话得分从 63% 升到 89%，聊天事件触发的跟进流程让收入提升 32%。

先看客户在问什么，而不是先列产品目录

• Lilo Social 服务的一个 DTC 香水小样品牌每月有数千条客服对话，其中约 36% 需要实时订单数据才能回答，典型问题是查物流、催件和取消订单
• 团队用 Customer Agent 内置的订单查询和修改能力，基于 Klaviyo 和 Shopify 数据直接作答
• 他们还用自定义 Claude skill 连接仓库系统，在还没有物流单号时就能给出预计送达日期，并标记延迟订单
• 延迟订单会提前触发 Klaviyo 流程消息，在客户主动来问之前就通知，从而减少工单量而不只是自动回复
• 取消订单时，Agent 会先确认所有下游系统都取消成功，再告知客户已完成

把品牌规则写成书面指引

• 该品牌约 37% 的咨询是知识类问题（小样真伪、尺寸、各市场运费），11% 是积分和兑换等会员问题，以前客服每天要手动查积分和优惠码
• 团队把规则写进 Agent guidance：精确的尺寸名称、小样不退换条款、不承诺时效、美国和国际订单分开的免邮门槛、违禁词清单
• 这样 Agent 不会承诺品牌做不到的事；自定义 skill 让它能在对话内查积分余额、处理兑换、解释优惠码为何不可用

每周复盘真实对话，让数据决定迭代方向

• ECD 团队为焊接与管道安全装备品牌搭建了基于 Customer Agent API 的 AI 例行任务，每周一读取过去一周全部对话，按话题、结果和购买意图打标签，并标记 Agent 卡壳、答错或没给意向买家发产品链接的地方
• 小修（知识片段、skill 指令）当周上线，上线前用真实买家问题在预览模式做前后对比测试；新 skill 和跟进流程等大改动由 Agent 起草、团队一封邮件批准
• 对话数据和目录判断不一致：遮阳伞类问题占转人工 40% 以上是最大缺口，而按目录搭的礼品流程零提及；复盘还发现 Agent 误说某套装不存在（实际有 5 个）
• 3 个周期上线 9 项改进：回放问题得分从 63% 升到 89%，遮阳伞 skill 处理的对话转化率 19%（整体 7%），67–78% 的对话由 AI 独立解决

接入订课系统，在聊天里完成预订和取消

• 一家精品健身工作室用 Mariana Tek 管理课程、次卡和会员，Andzen 搭建中间件把它与 Klaviyo 连通，并回填了 3 年历史数据
• 登录会员可在聊天内查看课表、查次卡、预订或取消课程；预订、签到、爽约、订单、会员变更等 12 类事件几秒内同步到客户档案
• 规则也写进 guidance：操作前复述课程、日期、时间和教练并等明确确认；12 小时窗口内解释迟到取消费并再次确认；会员取消和冻结转人工；只操作登录会员本人的预订
• 数据打通后解锁了首次到课、爽约跟进、次卡即将到期等以前跑不了的流程

客服数据反哺营销

• 共享客户档案让跟进更相关：一家代理机构用聊天事件触发产品回顾、推荐和服务回访，跟进流程收入提升 32%
• 投诉未关闭时可暂停对该客户的促销消息，避免在纠纷期继续推销
• 订阅类问题往往有截止时间——下次扣款前没人处理订单照样发出，秒级回复的 AI Agent 正好补上这个时间差

什么样的场景适合交给 AI 客服

• 量大且多为重复问题、答案已知的咨询最容易交给 AI
• 有明确时间压力的场景（如订阅扣款前的修改窗口）收益最大
• 答案所在系统接得进来，可解决的对话量就大幅增加；同时必须有书面规则明确 Agent 能说什么、能做什么、何时转人工