AI 客服 ROI 全公式拆解 — 成本、省時、客單三軸算給你看

AI 客服 ROI 是用總擁有成本、人工小時節省、客單價與轉換率提升三軸計算的投資回收模型。先抓成本，再算省時，最後估成交增量，才知道 6 個月內能否翻正。

AI 客服 ROI 為什麼算不準？三軸切割

老闆問：「導 AI 客服到底划不划算？」客服主管回：「應該會省人力。」這不能決策，因為沒有成本、基準線、回收月份。要能拍板，先拆三軸：總擁有成本（Total Cost of Ownership，TCO）、人工小時節省（Hours Saved）、客單價或轉換率提升（Average Order Value Lift，AOV Lift）。

Before：只看工具月費 NT$5,000。After：把建置、模型、整合、覆核、知識庫維護列進去，再回推每月效益。導入順序可看 AI 客服導入完整指南。

三軸要分開看，因為它們回答不同問題。TCO 回答「要花多少錢才跑得穩」；Hours Saved 回答「少掉多少重複工」；AOV Lift 回答「即時回覆是否帶來新毛利」。很多團隊把三件事混成一個 ROI 百分比，最後只會爭論工具好不好用，卻說不出下個月要修哪個指標。

公式 1：總擁有成本（TCO）拆建置 + 運行 + 治理

公式：TCO = 一次性建置成本 + 每月運行成本 + 每月治理成本。建置含流程、FAQ、系統整合；運行含 SaaS、模型 API、訊息量；治理含覆核、知識庫維護、語氣校正。

30 人電商月成本表：

只算訂閱費，ROI 會偏高；列入治理成本，6 個月回收才可信。成本分類可對照 AI 導入 ROI 怎麼算。

治理成本不是浪費，而是讓 AI 不要越跑越歪。30 人電商通常每週至少要看三類紀錄：被人工接手的問題、客訴或退款相關答案、銷售轉換前最後一輪對話。若每週覆核 4 小時能讓錯答率從 8% 降到 3%，這筆 NT$8,000 治理費比事後處理退款便宜。

建置費也要攤提，不要全部壓在首月判斷。如果內部財務習慣看半年，NT$80,000 建置費可視為每月 NT$13,333；若用一年看，則是每月 NT$6,667。短期回收看現金流，長期續用看攤提後單月淨效益，兩個角度都要列給老闆。

公式 2：人工小時節省（Hours Saved）= 處理量 × 自動化率 × 單張處理時間 × 時薪

公式：每月省下金額 = 月客服張數 × AI 全自動回答率 × 單張處理分鐘 / 60 × 時薪。中小企業常見量是每月 1,500 到 2,500 張，物流、退換貨、付款、庫存、發票問題，約 35% 到 55% 可全自動回答；保守先抓 40%。

假設單張 6 分鐘、客服全人成本時薪 NT$260：

省時不等於立刻裁人，先轉給高客單諮詢、未結帳追單、問題分類。若已有 AI 預算，客服 ROI 要併入 AI Team ROI 拆解。

計算時要避開兩個灌水點。第一，不要把「AI 草擬、人仍完整重看」算成全自動，這只能算輔助省時。第二，不要用尖峰週當全年平均；電商大促期間單量高，容易把省時高估 20% 以上。比較穩的做法是取最近 3 個月平均，再另外列旺季情境。

自動化率要分層：全自動回答、AI 草擬人工送出、AI 分流人工處理。只有第一層能完整折算省時，第二層通常只能算 30% 到 50% 的處理時間下降，第三層的價值是減少派單錯誤。把三層混算，是客服 ROI 最常見的高估來源。

公式 3：客單價/轉換率提升（AOV Lift）

第二個回收來源不是省人，是把「諮詢中流失」變成交。公式：月增毛利 = 月諮詢人數 × 轉換率提升 × 平均訂單金額 × 毛利率。30 人電商每月 1,000 位售前諮詢、平均訂單 NT$1,800、毛利率 35%；轉換率 12% 到 16%，月增毛利 = NT$25,200。

12% 到 16% 是試算假設，不是外部報告保證值，只納入「等超過 10 分鐘、下班後、週末、重複問規格」四類流失。來源邏輯可參考 Zendesk CX Trends 對 24/7 客服期待的整理，以及 McKinsey State of AI 2025 對 AI 成本與營收影響的觀察。落地要追「有 AI 介入」與「無 AI 介入」兩組轉換率。

AOV Lift 也可以從客單價算，不只看轉換率。例如 AI 在尺寸、組合、保固、配件問題上即時補資訊，讓平均訂單從 NT$1,800 到 NT$1,900；若每月 120 筆 AI 介入訂單、毛利率 35%，月增毛利是 NT$4,200。這個數字不大，但加上轉換率提升，才會讓回收期提前。

合併：6 個月回收路徑（Break-even Roadmap）

30 人電商每月效益 = 省下人工 NT$15,600 + 月增毛利 NT$25,200 = NT$40,800。首月成本 NT$100,000，之後每月 NT$20,000；M1 只認列 50% 效益：

第 4 到 5 個月翻正是常見區間，前提是客服量夠、知識庫有人維護、售前流失被 AI 接住。M2 還沒有自動化率、單張處理時間、AI 介入轉換率，ROI 報告就是猜測。

如果 M3 還是負值，不代表專案失敗，要看是哪一軸拖累。成本超支，就先降模型等級或縮小場景；自動化率低，就補知識庫與意圖分類；轉換率沒升，就檢查 AI 是否只回答問題、沒有做下一步引導。ROI 管理不是等半年開獎，而是每月修一個槓桿。

中小企業實算範例（30 人電商）

案例假設：月客服 1,500 張，單張 6 分鐘，時薪 NT$260，自動化率 40%；售前諮詢 1,000 人，平均訂單 NT$1,800，毛利率 35%，轉換率 12% 到 16%。痛點是尖峰慢、下班沒人接、重複問題吃掉時間。

固定 FAQ 用 SaaS 先跑 30 天；要串訂單、會員、商品、語氣與轉換追蹤，客製化才有回收空間。已踩過坑，先看 導入失敗 5 大原因。

這個案例的決策線很清楚：若客服量低，先不要做重整合；若客服量已高到主管每天排班救火，便宜工具反而會卡在資料斷點。AICycle 模式的價值不是「做一個會聊天的客服」，而是把客服、銷售、知識庫、儀表板接成一個可優化系統。

老闆要看的不是功能清單，而是停損線。建議第 30 天自動化率低於 25% 就回頭修知識庫；第 60 天 AI 介入轉換率沒有高於人工基準，就改話術與下一步引導；第 90 天累積淨值仍低於預估 50%，就縮小場景，只保留高量、高重複、高毛利流程。

Pre-Mortem：6 個會讓 ROI 算不出來的盲區

• 知識庫沒清：先清前 30 題與高風險條款。
• 客服腳本太死：保留語氣框架，讓 AI 依情境調整。
• 未追單張處理時間：上線前抽樣 100 張標記分鐘數。
• 覆核時間沒算：主管改答案的時間列入治理成本。
• 退款風險沒列：保固、折扣、物流承諾改人工接手。
• 品牌語氣偏離：每週抽樣 30 則檢查語氣。

Pre-Mortem 最好在簽約前做，不要等上線後才補。做法是先假設 90 天後 ROI 沒達標，倒推最可能原因，並替每個原因指定負責人。沒有負責人的風險，最後都會變成「大家都知道，但沒人處理」。

常見問題（FAQ）

Q1：中小企業要做幾個月才看得到 ROI？

30 天看方向，90 天看趨勢，4 到 6 個月判斷是否回收。第一個月先抓基準線與知識庫。

Q2：用 SaaS 套件還是客製化划算？

月客服低於 500 張且集中在固定 FAQ，用 SaaS。月客服超過 1,500 張，且要串訂單、會員、商品、轉換率，用客製化。

Q3：ROI 沒達標怎麼辦？

先拆三軸：成本是否超支、自動化率是否低於 35%、AI 介入轉換率是否沒升。只壞一軸就修一軸；三軸都壞就換場景。

Q4：一定要請 AI 工程師才有 ROI 嗎？

不一定。早期更需要客服主管、營運、行銷、資料負責人。工程師管串接，ROI 來自流程與指標。

Q5：AI 客服會不會讓品牌風險變高？

會，若沒有覆核與升級規則。做法是把保固、退款、折扣、醫療或法律承諾列為高風險意圖，AI 只能摘要與查資料，最後由人工送出。

延伸閱讀

• AI 客服導入完整指南
• AI Team ROI 拆解
• AI 導入 ROI 怎麼算
• 導入失敗 5 大原因
• 診所 AI 案例

AI 客服 ROI 算得出來，就能管理。先把客服單量、處理時間、自動化率、AI 介入轉換率放進同一張表；要把客服流程變成可追蹤的 AI 自動化部隊，可從 AIcycle 服務頁 預約討論。

真正划算的導入，不是把人換掉，而是讓每張客服單都留下可改善的資料，讓下個月比這個月更省、更快、更會成交，決策也更穩、更可控。