AI 客服基准实测 212 家店铺：头部解决率 70%，Zendesk、Klaviyo 自带版不到 42%

电商客服 AI 最常见的对外口径是「能自动化解决 60% 的咨询」。但把 13 家厂商塞进 212 家真正在卖货的中型电商店铺、让所有智能体接同一批客户消息之后，中位数只有 48%——第一名做对了四分之三，中间那家连一半都不到。更让人意外的是品牌已经在付费的三家：Zendesk 37%、Intercom 42%、Klaviyo 21%。那么问题来了，卖家到底是买错了 AI，还是一直以来看的那个数字本身就不作数？

这份基准由电商 AI 客户体验平台 Gorgias 发布，SaaStr 创始人 Jason Lemkin 在 2026 年 10 月 6 日撰文对外披露。Gorgias 在文中被描述为年经常性收入约 1 亿美元的电商客服 AI 厂商。测试不设沙箱、不用合成商品目录、不看厂商演示，全部跑在 212 家持有真实库存的在营店铺上，所有智能体收到同一批客户消息，评审系统在不知道厂商身份的前提下按 26 项二元检查逐条打分，价格、政策、SKU 这类事实性陈述还会与实时店铺数据做程序化核对。

数字本身足够扎眼：头部五家的解决率落在 64% 到 75% 之间，13 家的中位数是 48%，按对话量加权后整个盘子只有 46%。而这份榜单最大的争议点，恰恰不在数字，而在出榜的人——Gorgias 既是出题方，也是参赛方，在这版口径里排第五；发布这篇文章的 SaaStr，其基金正是 Gorgias 种子轮的领投方。

一、212 家在营店铺，13 家厂商做同一套题

测试的场地设计是全篇最值得看的部分。212 家店铺全部是中型电商、真实运营、真实库存，不是厂商自己搭的演示站。所有智能体收到的是同一批标准问题，只按各家店铺的商品目录做适配；每次跑测都开全新浏览器、不带任何记忆的「冷会话」；厂商名字在评分环节被隐藏，引用必须先从对话记录里摘出原句才算数。

评分靠的是 26 项二元检查——每条只回答是或否，最终按固定公式折算成 0 到 100 的质量分。Gorgias 官方博客在后续的方法论访谈里补充说明，这 26 项检查分布在「购物助理」和「客服智能体」两条评测线上，不是每条对话都要过 26 关；而整套评分决策被写成 145 条独立的代码规则，任何一期榜单在触犯自身规则时会被自动拦截、不予发布。

「解决」的门槛定得极严。一次对话只有在智能体零人工介入、没有转接、也没有把顾客赶出渠道的情况下才算解决——回复一句「请发邮件过来」或者「请拨打客服电话」，在这里都算失败。如果一场对话里超过一半的回复在把顾客往外推，整场直接判为未解决。

审计员也从不主动开口要求转人工，所有转人工的请求都由智能体自己发起。这条设计堵住了最常见的取巧路径：不少厂商的自动化率之所以好看，是因为系统一遇到难题就把球踢回给人类，而踢球的那一刻在它自己的报表里未必算失败。

二、中位数 48%，前五名 64% 到 75%

13 家的完整排名（括号内为样本对话数）是：Rep AI 75%（120）、Decagon 73%（34）、Yuma 71%（118）、Ada 68%（420）、Gorgias 64%（388）、DigitalGenius 50%（561）、Sierra 48%（408）、Siena 46%（300）、Kodif 44%（188）、Intercom 42%（307）、Zendesk 37%（467）、Envive 22%（499）、Klaviyo 21%（309）。

这里的「自动化率」指的是已参与对话中被 AI 完全解决、全程无人工介入的比例。结构上，头部五家平均约 70%，中位数 48%，按对话量加权 46%——加权口径更低，说明样本量大的厂商整体表现偏弱，Envive 和 Klaviyo 各自背着近 500 段和 300 段对话，却只解决了两成出头。

对跨境电商卖家来说，最扎心的一组数字是尾部三家。Zendesk、Intercom 和 Klaviyo 恰恰是多数品牌已经在付费的平台，自带 AI 模块是它们续费时的默认选项，而这轮实测里三家全部低于 42%。这意味着「我们已经有客服 AI 了」这句话，在很多团队里并不等于「我们的工单真的被解决了」。

按场景拆开看，账单同样不均衡。据 SaaStr 引述的榜单数据，政策类问题表现最好，退货政策一项得分 77.4；而订单追踪——电商品牌工单量最大的品类——只有 60.1。AI 擅长背条款，却在最日常、最高频的查询上失分，这个结构对售后团队的排班是有直接含义的。

三、自动化率高，不等于答得对

榜单里真正有价值的一栏是质量分，它和自动化率严重错位。Rep AI 以 75% 的自动化率居首，质量分却只有 55；Ada 自动化率 68%，质量分只有 39。反过来看，Sierra 的自动化率仅 48%，质量分却达到 72，与 Yuma 并列全场最高。

同时跨过 64% 自动化率和 65 分质量线的，只有 Yuma（71%／72 分）、Decagon（73%／70 分）和 Gorgias（64%／66 分）三家。换句话说，如果按「既解决得了，又答得对」这个双重标准筛，13 家里只剩 3 家。

这解释了一个反常识的现象：一家自动化率高但质量分低的厂商，可能在制造未来的工单。一张被标记为「已解决」却给错了退货窗口期的工单，会立刻催生第二次联系，而第二次的成本高于第一次。质量分 39 意味着相当比例的「解决」是假性解决，账单上的工单量降了，人工成本却通过二次、三次联系悄悄回流。

所以对卖家来说，看厂商 PPT 上的自动化率是不够的，更实际的问题是：这家厂商愿意不愿意同时交出盲评质量分，以及这两个数字在它的合同里分别怎么定义。

四、四周内 9 家厂商自动化率在往下掉

榜单还有一组容易被忽略的纵向数据。在有历史数据的 10 家厂商里，9 家的自动化率在过去四周出现下滑：Siena 掉了 23 个百分点，Kodif 掉 13，Klaviyo、Sierra、DigitalGenius 各自掉了 10 个百分点以上。质量分同步走弱：Ada 降 17 分，Zendesk 降 15 分，Sierra 降 14 分。

基准本身没有解释下滑原因。模型迭代、店铺配置漂移、测试题目变难，都可能贡献力量，报告并未归因。这个留白恰恰是最值得警惕的地方——它说明 AI 客服的表现不是一个签完合同就锁死的常数，而是一个会随上游模型和自身配置漂移的变量。

对卖家来说，这意味着一件更实际的事：试点期的自动化率不等于续费期的自动化率。签合同时候拿到的那个漂亮数字，可能在三个季度后已经不成立了。

五、谁在出这份榜单：Gorgias 自己

这层利益关系必须说清楚。榜单由 Gorgias 发布，Gorgias 自己也是被测试的 13 家之一，在这版口径里以 64% 排第五；首发这篇文章的 SaaStr，其基金 SaaStr Fund 是 Gorgias 种子轮的领投方，Jason Lemkin 在文中也主动点明了这一层。

计费口径的差异同样需要标注。据 SaaStr 及转载该文的行业媒体报道，Gorgias 的 AI Agent 按每个已解决对话收取 0.90 美元；而在 Gorgias 面向客户的报表里，一次交互只要在 AI 处理后 72 小时内没有人工介入，就被计为自动化——顾客放弃并再也没回来，在那套口径里算解决，在这份基准里算失败。两套定义之间差出多少个百分点，公开材料没有给出换算。

需要注意的是，这套 0.90 美元的计费单位是 Gorgias 自家产品的定价方式，并不适用于榜单上的其他厂商。不同厂商对「一次可计费的解决」定义各不相同，签约前把它写进合同，比事后争论更有效。

此外，榜单本身在持续更新。截至 2026 年 10 月下旬，Gorgias 公开的榜单页面显示的口径已经变成 18 家被测厂商、228 家在营店铺、10,152 段对话（90 天窗口），评分拆成购物助理与客服智能体两条线，各自给出 0 到 100 的综合分，不再是 10 月 6 日那版只看客服自动化率的单一指标。在该版综合分里，Gorgias 排在第一（65 分），其后是 Sierra 64、Decagon 63、Rep AI 62、Ada 61、Yuma 60、Intercom 58、Envive 57、Siena 56、DigitalGenius 54、Klaviyo 51、Zendesk 47、Kodif 46。Gorgias 官方博客另有一版访谈提到 200 多家店铺、8,000 多段对话、12 家厂商，数字取自 2026 年 9 月 9 日的榜单。

口径在变、厂商数在变、排名也在变，两套数字之间不能直接换算。这也提醒一件事：任何一份单点时间的 AI 客服榜单，都只是一张快照，不是结论。

真正的考验，是独立第三方能否复现这套方法。在那之前，这份基准的价值不在于它给出了谁第一名，而在于它把「解决」这个词的定义、把自动化率与质量分的背离、把四周内普遍下滑的趋势，摆到了台面上。

六、参考资料

• SaaStr（Jason Lemkin）：《How Much of Your Customer Support Can AI Really Resolve? The Best Get About 70%. The Median Is 48%. Here's the Real Data From 13 Vendors》（2026 年 10 月 6 日）
• Gorgias Benchmark 榜单页 evals.gorgias.com：《The Real Test for Ecommerce AI Agents》
• Gorgias 官方博客：《Inside the Benchmark: How Gorgias Built a Real Test for Ecommerce AI Agents》（产品高级副总裁 Max Pruvost 访谈）
• SaaStr Fund 公开投资组合信息（Gorgias 种子轮领投方披露）
• The AI News：《How Much of Your Customer Support Can AI Really Resolve? The Best Get About 70%. The Median Is 48%.》（要点核验与利益关系披露）
• Falkster：《One Support Agent, Three Resolution Rates》（计费口径与「解决」定义的三种算法）
• 企服科学：《Gorgias 发布 AI 客服基准测试：头部厂商自动化解决率约 70%，中位数仅 48%》