AI 管家现在能对话式代你建知识库、接渠道、邀坐席 立即体验
YundaDesk
价格博客渠道
免费开通登录
有疑问?联系销售
Guide

客户费力度CES是什么?为什么它比满意度更能预测流失

CES(客户费力度)衡量客户解决问题要花多少力气,比CSAT更能预测复购。这篇讲清楚它的逻辑、怎么采集、以及AI客服如何从源头降低费力度。

YundaDesk 团队 2026-06-03更新于 2026-07-10 约 5 分钟

客户给了你五星好评,下个月还是没复购——这事儿在跨境电商里太常见了。满意度分数(CSAT)测的是「这次体验你满不满意」,客户嘴上说满意,是因为问题终究解决了,可他没告诉你的是,为了拿到这个解决方案,他转了三次客服、等了两天、把订单号重复报了四遍。费力度(Customer Effort Score,CES)测的正是这个:客户为了解决问题,花了多大力气。力气花得越大,哪怕这次问题解决了,下次他也大概率不会再回来。

DATA

为什么 CES 不只是在问满意不满意

80%客户认为体验与产品同等重要
~61%消费者一次糟糕体验后转向竞品
数据来源:Salesforce《State of the Connected Customer》;数据来源:Zendesk CX Trends

CES 是什么:一个问题,一个分数

CES 的采集方式极简,通常在会话结束后问客户一句:「解决这个问题,对您来说有多容易?」,让客户在 1-5 或 1-7 的量表上打分(1 分「非常费力」到分值上限「非常轻松」)。有的团队换个问法:「您在解决这个问题上花了多少力气?」,道理一样,测的都是摩擦,不是情绪

这套指标最早由 CEB(现 Gartner)在 2010 年提出,核心发现是:降低客户费力度,比让客户「惊喜」更能留住客户。跟着热情服务、超预期赠品这些讨好式打法比,把「别让客户折腾」这件事做好,投入产出比高得多。CES 分数低(费力),复购和续费概率通常会掉;分数高(轻松),客户往往懒得比价,直接续着用。

CES 和 CSAT、NPS 到底差在哪

三个指标经常被放在一起用,但回答的问题不一样:

指标 测的是什么 典型问题 局限
CSAT 这一次体验满不满意 您对本次服务满意吗? 情绪化,容易被「结果好」掩盖「过程糟」
NPS 愿不愿意推荐给别人 您有多大可能推荐我们? 反映长期品牌好感,不反映单次会话的摩擦
CES 解决问题费不费力 解决这个问题容易吗? 只测「省不省力」,不测「结果好不好」

三者不是互斥关系,是互补关系。一个客户可以对结果打五星(CSAT 高),同时觉得过程很折腾(CES 低)——这恰恰是最值得警惕的组合,因为它意味着「这次赢了,但下次他未必愿意再赢一次」。

为什么费力度比满意度更能预测流失

道理其实很朴素:人对「麻烦」的记忆,比对「满意」的记忆更持久。客户不会因为你这次解决得漂亮就记住你,但会因为你让他转接了三次、重复报了四遍订单号而记住「找这家客服很烦」。下次遇到问题,他大概率不会再给你一次机会,而是直接换一家、或者干脆放弃复购。

跨境电商场景下,费力度还会被时区和语言进一步放大。客户在凌晨发消息,等了八小时才等到回复;或者用西班牙语提问,却被转来转去找不到会说西语的坐席——这些等待和转接本身,就是费力度飙升的主因,跟最后答案对不对没关系。1

AI 客服如何从源头降低费力度

费力度的敌人是「反复」——反复转接、反复报信息、反复等待。AI 客服直接针对这三个反复设计:

  • 一步答清,减少转接:AI 直接依据知识库回答发货时效、退换条件、优惠规则,答得上就当场解决,不用客户在多个坐席之间来回转。答不上才转人工,而不是「先问一圈机器人再转人工」的兜圈子体验。
  • 共享工作台,减少重复陈述:AI 和人工共用同一个对话上下文和客户档案,客户从 AI 转到人工时,坐席能看到完整历史——订单号、之前问过什么、AI 已经答过什么——客户不用把同一件事再讲一遍。
  • 7×24 响应,减少等待:客户凌晨发消息不用等到第二天上班,AI 先接住,能解决的当场解决,需要人工介入的也能提前把信息理好,等人工上线时直接处理,不用从零开始。

这套「AI 先接、人工兜底」的分工方式,详细的边界怎么划可以看这篇:AI 先接、人工兜底:这条边界到底划在哪。而 AI 能不能真的「一步答清」,取决于知识库喂得够不够扎实,这篇讲得更细:给 AI 一个真正能用的知识库

怎么采集 CES:别只在结束后问一句

最常见的做法是会话结束后弹一个单题小调查,但这只是起点,还有几个细节值得注意:

  • 问题措辞要具体,别问「您满意吗」,要问「解决这个问题容易吗」——两者引导出的答案完全不同
  • 量表统一,别在不同渠道用不同刻度(有的 1-5、有的 1-7),会让跨渠道对比失真
  • 结合客观数据一起看:转接次数、平均等待时长、客户重复陈述次数,这些能补上「客户懒得填问卷」时的信息空白
  • 按渠道拆开看:WhatsApp、邮件、网站挂件的费力度往往不一样,合在一起看容易掩盖某个渠道的真实问题

单靠一句问卷题,拿到的样本量通常有限——愿意填问卷的客户本来就是少数。把问卷分数和「转接次数」「等待时长」这类系统自带的行为数据放在一起看,才能拼出费力度的完整画像。

低费力度不等于零人工

需要澄清一个常见误解:降低费力度不是让 AI 把所有会话都接过去,是让客户少折腾。有些场景,客户要的就是跟真人说话——投诉、退款纠纷、复杂的定制需求。这些场景硬塞给 AI,反而会推高费力度,因为客户感觉「机器人在敷衍我」。

真正拉低费力度的,是在对的场景用对的方式:简单问题 AI 秒答,复杂问题一次转到位、不来回踢皮球。高风险动作(退款、赔付、改价)本来就该走人工审批,这不是在增加费力度,是在保护客户的钱和信任——这条治理红线,跟费力度优化并不冲突。


费力度这个指标的价值,恰恰在于它测的不是「这次好不好」,而是「下次还愿不愿意来」。满意度可以靠一次超预期的补偿拉回来,费力度欠的账,客户会记很久。与其等 NPS 掉下去才回头查,不如现在就把转接次数、等待时长这些能直接改的摩擦点找出来,一个一个磨掉。

Footnotes

  1. 基于我们对跨境客户的观察。

把这份清单跑进你的工作台

AI 先接、人工兜底、每一步可回滚——文章里的方法在 YundaDesk 都能直接落地。