YundaDesk服饰和鞋类客服最怕的，不是客户问「有没有货」，而是反复问「我 170/60 穿什么码」「脚宽能不能穿」「这件偏大还是偏小」。这类问题看起来小，实际上卡在下单前：答慢了，客户走；答错了，退换货和差评跟着来。
选码咨询不能只靠坐席经验。成熟一点的做法，是把问题提前拆掉：商品页有清楚的尺码依据，AI 挂件能追问关键条件，必要时主动提醒客户确认尺码，高风险和不确定场景再转人工。下面这套流程，适合服饰、鞋类、运动户外、内衣配饰等高尺码敏感品类。
先把尺码问题当成转化问题，而不是售后问题
很多团队只在退货发生后才复盘尺码：这个款退货率高、那个码投诉多。但在客户下单前，尺码问题已经影响转化了。客户停在商品页，不是因为不喜欢，而是因为拿不准。
尺码与合身咨询实操：跨境服务先看客户行为基线
建议先把最近 30 到 90 天的咨询按主题拉一遍，重点看三类问题：
| 问题类型 | 客户真实表达 | 需要补的资料 |
|---|---|---|
| 尺码选择 | 我平时穿 M，这件选什么？ | 尺码表、试穿建议、国际尺码换算 |
| 合身感 | 会不会紧？肩宽够吗？鞋头挤吗？ | 版型、弹力、脚型/身型提示 |
| 退换风险 | 买错码能不能换？运费谁出？ | 退换政策、地区限制、流程说明 |
这一步的目标不是做一份漂亮报表，而是找出「客户下单前缺哪句话」。缺的不是客服话术，是可被 AI 和坐席共同引用的依据。
整理知识库：尺码表要能被 AI 看懂
很多店铺有尺码表，但 AI 答不好，因为表格只适合人看，不适合检索和推理。知识库里至少要把每个主推款拆成四块：
- 基础尺码表：单位统一，区分身体尺寸和衣物平铺尺寸，不要混写。
- 版型说明：偏修身、标准、宽松；鞋类要写脚背高、脚宽、鞋楦感受。
- 选码规则：介于两个码之间怎么选；喜欢宽松或紧身时怎么调整。
- 退换边界：哪些国家/地区支持换码，是否需要客户承担运费。
如果已经在用 YundaDesk 的 知识库，可以把商品文档、尺码 PDF、网页尺码表和手动问答统一放进去。AI 客服回答时要从这些资料找依据；答不上、客户要求人工、或涉及高风险承诺时，直接转人工。
设计 AI 挂件问答：不要一上来就报尺码
尺码推荐最容易出错的地方，是客服太快给结论。客户只说「我 165/55 穿什么码」，还不知道肩宽、胸围、脚宽、穿着偏好，直接答 S 或 M 都不稳。
更实用的 AI 挂件流程应该像一个好坐席：
- 先确认商品和目标尺码体系：US、EU、UK、CN，或品牌自有尺码。
- 再追问必要条件：身高、体重、胸围/腰围/臀围、脚长、脚宽、平时尺码。
- 最后给出建议和理由：推荐码、偏保守的备选码、合身预期。
- 不确定时明确说不确定，并转人工，而不是硬编答案。
示例话术可以这样写：
这款版型偏标准。如果你平时穿 M，且胸围在尺码表 M 的中段，可以选 M；如果喜欢宽松或胸围接近上限，建议选 L。你也可以把胸围和肩宽发我，我再帮你核一遍。
关键是让 AI 说清楚「为什么」，而不是只给一个码。客户信的不是神秘推荐，而是看得见的判断依据。
在结账前主动提醒：别等客户问了才补救
尺码咨询的最好处理时机，不一定是客户开口之后。对于尺码退换成本高的款，可以在合适时机主动提醒：
- 客户在同一商品页停留较久；
- 客户把多件不同尺码加入购物车；
- 客户选择了常被退换的尺码；
- 客户来自退换成本较高的国家或地区。
主动触达要克制，别把购物体验做成弹窗轰炸。YundaDesk 的主动触达可以先用「仅观察」模式看触发是否合理，再切到「每条需我确认」，最后才考虑自动发送。冷却、频率上限、静默时段、客户在聊不插话、别打扰名单、敏感动作必过人，这些护栏不能关。
把渠道合到一个工作台：尺码记录别散在各处
服饰客户不只在网站挂件里问尺码。有人在 Instagram 私信发试穿照，有人在 WhatsApp 问鞋码，有人在 TikTok 评论区问「true to size?」，也有人用邮件追问退换政策。
如果这些消息散在不同后台，坐席很难看见客户完整上下文：客户问过哪个商品、AI 推荐过哪个码、后来有没有换码、是否经常介于两个尺码之间。全渠道汇入一个工作台后，客服才能围绕同一份客户档案接续处理。
对跨境卖家来说，还要把国家、语言、时区、社媒 ID 这些字段保留下来。AI 可以自动跟随客户语言回答，但尺码体系和退换政策必须按目标市场解释。更多渠道整理方法，可以参考 全渠道收件箱 的基础框架。
给人工兜底划边界：选码可以建议，承诺要谨慎
尺码推荐属于低到中风险问题，适合 AI 先接；但有些话必须小心：
| 场景 | AI 可做 | 必须转人工 |
|---|---|---|
| 常规选码 | 基于尺码表给建议，解释版型 | 客户提供的信息互相矛盾 |
| 敏感商品 | 提醒测量方式和退换政策 | 内衣、压缩衣等强贴身品类的争议判断 |
| 退换诉求 | 收集订单、尺码、原因 | 退款、赔付、免运费换货审批 |
坐席的价值不是重复报尺码，而是在边界场景里做判断。YundaDesk 的共享工作台适合这种模式：AI 先接住重复问题，人工一键接管时能看到商品、对话、客户档案和 AI 摘要，不用重新问一遍。
复盘学习：让下一次推荐更像老员工
尺码咨询最值得沉淀，因为它很少只发生一次。一个款式如果连续有人说「肩窄」「脚背压」「腰围正常但臀围紧」，这些都应该进入知识库，而不是停在某个坐席脑子里。
复盘时建议看四个信号：
- AI 没答上的尺码问题有哪些？
- 人工补答里，哪些可以沉淀为标准选码规则？
- 哪些商品页缺少关键测量项或版型说明？
- 哪些主动提醒被客户接受，哪些像打扰？
在 YundaDesk 里，AI 没答上、坐席补答、坐席「纠正 AI」之后，会生成待确认学习建议。老板在评审台采纳后才生效，沉淀为技能、知识或客户记忆；每条都可追溯、可测试、可一键回滚。学习绝不自动生效，这一点对尺码这类容易影响退换货成本的问题尤其重要。
选码咨询的本质，是把客户心里的不确定性提前接住。尺码表、知识库、AI 挂件、主动提醒和人工兜底放在一起，size fit inquiry 才不会变成坐席每天重复回答、客户下单后又反悔的老问题。