FAQ 到底有没有用,看用户问完还追问什么
这篇文章教你判断知识库里已经上线的 FAQ 到底有没有用,方法是追踪用户“问完还追问什么、读完还找人工吗”。做完后你会得到一份 FAQ 缺口复盘表,把每条 FAQ 分成需新增、需改写、需合并、需下架四类。它的价值是:FAQ 建了不等于有用,只有看用户行为,才知道哪里缺。
适合人群
知识库运营
先解决什么
知识库已经上线,但用户读完仍继续找人工,团队不知道缺口在哪里。
学完结果
一份 FAQ 缺口复盘表,含需新增、需改写、需合并和需下架条目。
你会学到什么
通过追问和转人工记录判断 FAQ 是否缺信息、缺步骤或写法不清。
准备材料:FAQ 页面数据、转人工记录、搜索无结果词、用户追问、客服补充回复。
交付物:一份 FAQ 缺口复盘表,含需新增、需改写、需合并和需下架条目。
边界:关注 FAQ 使用后的缺口诊断,区别于新建 FAQ。
教程定位
这篇教程解决什么问题
这篇文章教你判断知识库里已经上线的 FAQ 到底有没有用,方法是追踪用户“问完还追问什么、读完还找人工吗”。做完后你会得到一份 FAQ 缺口复盘表,把每条 FAQ 分成需新增、需改写、需合并、需下架四类。它的价值是:FAQ 建了不等于有用,只有看用户行为,才知道哪里缺。
很多团队把 FAQ 上线就当完成任务,但从没验证过它是否真的挡住了问题。用户可能读完还追问、搜不到答案、或者直接被转人工。本文给你一套基于证据的复盘方法:把转人工记录、追问内容、搜索无结果词和 FAQ 页数据拉出来,找出缺口,再决定是补写、改写还是下架。
使用场景
什么情况下最适合用这一套
你是知识库运营,FAQ 页面上线几个月了,但后台数据显示用户读完还是会点“转人工”,团队客服仍然每天接到大量重复问题。你说不清到底是 FAQ 写得不清、信息缺失、还是用户根本找不到入口。
你需要的不再是“再写几条 FAQ”,而是先搞清楚现有 FAQ 的缺口在哪。这篇文章教你从用户行为反向定位问题:哪些答案缺步骤、哪些写法太绕、哪些问题压根没覆盖,然后产出一张可执行的缺口复盘表。
材料准备
开始前先把材料和边界备齐
准备这些材料,复盘才有据可依:
这些数据能帮你区分:用户是没看到答案、没看懂答案,还是答案根本不存在。
- FAQ 页面数据:每条 FAQ 的浏览量、点赞/点踩、停留时间、是否触发转人工。
- 转人工记录:用户读完 FAQ 后转到人工的对话,看他们还在问什么。
- 搜索无结果词:用户在站内搜了但没匹配到答案的关键词。
- 用户追问:在 FAQ 下方或客服对话里,紧接着问出的后续问题。
- 客服补充回复:人工客服在标准答案之外额外补充的内容,往往就是缺口。
实操流程
按这套步骤把工作跑起来
【第一步:把“读完还转人工”的对话拉出来】
找出那些用户浏览过 FAQ 页但仍转人工的记录,这是缺口的直接证据。逐条看用户转人工后问了什么,往往就是 FAQ 没讲透的部分。
【第二步:归类追问背后的缺口类型】
把追问分成几类:答案没覆盖(FAQ 里根本没有)、答案太简略(有但缺步骤)、写法太绕(用户看不懂)、信息过时(答案和现状不符)。每一类对应不同的修复方式。
【第三步:对照搜索无结果词找空白】
把站内搜索没有结果的词列出来,和现有 FAQ 对比。高频无结果词说明有需求但没内容,是“需新增”的直接来源。
【第四步:把每条 FAQ 分类】
结合以上证据,把现有 FAQ 标成四类:需新增(缺这个答案)、需改写(写法或信息有问题)、需合并(两条重复或可归并)、需下架(过时或没人看)。产出缺口复盘表。
【第五步:让 AI 帮忙起草改写和新增】
把你的缺口和原始 FAQ 交给 AI,让它起草新答案、改写模糊条目、判断哪些可合并。AI 产出草稿,人工核对事实和口径后上线。
输入示例
可以直接参考的输入材料
下面是你实际会粘给 AI 的材料:
现有 FAQ:
1. “怎么申请退货?”:一句话“联系客服申请”。浏览 800 次,转人工率高,用户追问“要填什么表”。
2. “退款多久到账?”:写“1-7 个工作日”。浏览 600 次,有用户追问“为什么超 7 天”。
3. “发票怎么开?”:无此条。站内搜索“开发票”“发票抬头”高频无结果。
转人工记录节选:
- 用户 A:看完“怎么申请退货”后转人工,问“需要填退货申请表吗?在哪个入口”。
- 用户 B:看完“退款多久到账”后问“我这是大额订单,是不是要更久”。
请帮我:1) 判断每条 FAQ 的缺口类型;2) 起草改写或新增内容;3) 标注需合并和下架条目。提示词
可复制使用的提示词
你是客服知识库运营顾问。请根据下面的数据,做一份 FAQ 缺口复盘。
要求:
1. 对每条现有 FAQ 标注:浏览量、转人工率、用户追问、缺口类型(未覆盖/太简略/写法绕/过时)。
2. 判断每个条目该新增、改写、合并还是下架,并给理由。
3. 对需改写和需新增的条目,起草可直接上线的答案,步骤要具体。
4. 对搜索无结果词,给出是否值得新增 FAQ 的判断。
5. 输出用表格,最后一列写“处理动作”。
现有 FAQ 与数据:{{粘贴 FAQ 列表、浏览量、转人工记录}}
搜索无结果词:{{粘贴无结果词}}
客服补充回复:{{粘贴人工补充内容}}输出样例
AI 应该输出到什么程度
AI 可能给出类似下面的结果:
缺口复盘表:
- “怎么申请退货?”→ 需改写。转人工率高、追问“要填什么表”。
改写:退货需在订单页点“申请退货”,填写退货原因和寄回信息,提交后 24 小时内审核。无需额外表格。
- “退款多久到账?”→ 需改写。追问“大额订单是否更久”。
改写:常规订单 1-7 个工作日到账;大额订单需财务复核,最长 15 个工作日,进度可在订单页查看。
- “发票怎么开?”→ 需新增。搜索无结果词高频。
新增:下单时可填写发票抬头,支持电子发票,开票后发送至邮箱。
- 建议合并:若已有重复退货相关 FAQ,合并成一条,避免口径不一。
风险提示:“大额订单 15 个工作日”需与财务确认后再上线,避免承诺与事实不符。人工验收
人要怎么检查和改到可用
拿到 AI 结果后,按下面几点核对:
- 核实数字和口径:AI 写的“大额订单 15 个工作日”要和财务、售后确认,不能擅自承诺。
- 逐条验证转人工原因:AI 归类“太简略”要有转人工记录支撑,不能凭猜测。
- 确认搜索词真实高频:无结果词要回到站内搜索数据确认频次,别因为一两句话就加 FAQ。
- 上线前测试入口:改写后的 FAQ 要真能被搜到、点开,别出现“写了好答案但用户找不到”的情况。
- 定期复测:这次修复不代表永久有效,定一个周期再看转人工率有没有降下来。
失败反例
这些失败反例要提前避开
**反例 1:只看浏览量不看转人工。** 浏览高不代表有用,用户可能看完还是没解决、转人工了。必须结合转人工率和追问看。
**反例 2:凭空猜测缺口。** 不看数据,靠感觉“用户大概想知道这个”,结果改错方向。缺口要由转人工记录和搜索词支撑。
**反例 3:擅自承诺。** AI 或运营写“15 个工作日到账”,但财务实际没这个规则,用户按承诺等不到,反而更投诉。事实要先确认。
**反例 4:只新增不改写。** 不停加新 FAQ,旧的模糊条目一直留着,用户还是看不懂、转人工率不降。要一并处理改写、合并、下架。
**反例 5:修复后不复测。** 改完就再也不看数据,不知道转人工率有没有降下来。要设周期复测验证效果。
主题边界
它和相邻主题的区别
这篇只处理“FAQ 上线后的缺口复盘”,不涉及新建 FAQ、客服质检或知识库排版。与从零搭建 FAQ 不同,它关注的是用户行为反推缺口;与客服对话质检不同,它聚焦知识库内容本身够不够;与搜索词选题也不同,它更看重转人工和追问这些使用后信号。
教程正文
更进一步:怎么把转人工记录变成持续的数据源
一次复盘只能解决眼前的缺口,真正有用的是让转人工记录变成持续的数据源。建议每周固定时间,把“看完 FAQ 又转人工”的记录拉出来归档,标记用户转人工后问了什么。攒一段时间就能看出规律:哪个问题总让用户读完了还要找人工,哪个答案长期没有人看。
这些归档数据要分门别类,比如按“缺答案、太简略、写法绕、过时”打标签。打上标签后,每周新出现的记录会自然堆积到对应类别,等你决定要不要改时就有充分的依据,而不是靠某个客服的零散印象。
教程正文
常见失败反例补充
**反例 6:只凭客服印象判断缺口。** 某个客服说“用户经常问发票”,但没数据支撑,结果加了条没人看的 FAQ。缺口判断要回到转人工记录、搜索词等数据,不能靠印象。
**反例 7:改写后不验证有没有效果。** 改完 FAQ 就下线任务,不看转人工率有没有降。改完要观察一两周,确认用户读完真的不再追问,才算修复完成。
**反例 8:把不重要的词也做成 FAQ。** 搜索无结果词只出现一两次,就急着加 FAQ,结果条目越来越多、却没人看。只有高频、影响面大的词才值得新增。
教程正文
补充:怎么决定先改哪条
当缺口很多、人手有限时,别试图一次全改。按“转人工率高 × 影响面大”排序,优先改那些每天让最多用户转人工的条目。改完一条、复测一条,再推进下一条。这样每次改动都能看到明显效果,也更容易得到团队支持。
教程正文
收尾:记住一句话
FAQ 建了不代表有用,只有用户读完不再追问、不再转人工,才算真正堵住了缺口。你的工作不是“多写几条答案”,而是从用户行为里找到缺口,一条一条改到真正管用为止。
教程正文
补充:怎么让客服一起参与复盘
做 FAQ 缺口复盘,最了解用户追问的其实是每天接电话的客服。别让复盘变成知识库运营一个人的事。可以每月和客服开一次简短的对齐会,把“你最近被反复追问但知识库里没有答案的问题”收集上来,和系统里的转人工记录互相印证。
这样两边交叉验证,能发现单靠数据看不出的问题,比如数据里看不出“用户其实看懂了答案,但对结果不满意”,这种只能从客服的沟通里得知。让客服参与进来,复盘会更准,客服也会觉得自己在帮团队改进,而不是被动填工单。
教程正文
补充:怎么定复盘的周期
FAQ 缺口复盘不建议一年做一次,也不建议天天做。比较合适的节奏是:每周归档转人工记录(轻量),每月做一次完整复盘(决定改哪些),每季度回头看整体效果(是否值得继续投入)。按这个节奏,你既能及时发现问题,又不会被琐碎的数据淹没,也不会拖太久让缺口越积越多。
教程正文
收尾补充
最后提醒,FAQ 的价值不在条目多,而在“管用”。与其维护一百条没人看的答案,不如把用户真正反复问的那十几条,写得清楚、可搜索、能一步解决。把有限的精力放在转人工率最高的条目上,每改一条都让用户的体验提升一分,这才是 FAQ 复盘真正的意义。
把复盘做成周期动作,FAQ 就会从“写完就丢”变成“持续变好”的知识资产,真正为客服减负、为用户解忧。
每一次缺口复盘,都是在让用户少走一次弯路。
可直接套用的流程
1. 先写清楚任务目标:这次要让 AI 帮你完成什么工作,而不是泛泛地问一个问题。
2. 再给资料边界:哪些背景、数据、约束、口径必须被使用,哪些内容不能编。
3. 最后规定输出格式:用清单、表格、方案、话术还是复盘报告,并保留人工检查。
本文属于专题「FAQ 建设」
本专题第 7 篇 / 共 7 篇