作为对话路由器，根据用户输入智能判断并分发到最合适的处理选项…

# 客服机器人意图路由方案：订单未发货退款场景

一、为什么容易误路由到物流查询

这句话同时命中两个意图特征：

• “三天了还没发货” → 物流查询类关键词
• “要求退款” → 售后退款类关键词

退款意图通常是末位且更明确的诉求（后面的诉求优先级更高），需要让路由逻辑识别这一点。

二、意图识别优化方案

1. 关键词/规则层（快速见效）

• 增加组合规则：当出现“发货”+“退款/退钱/不想要了”共现时，优先路由到售后退款分支
• 规则优先级设计：退款、退货、投诉 > 查询类意图（售后属于交易动作，查询属于信息获取，动作优先）
• 补充同义表达：退款、退钱、退货款、不要了、取消订单、申请退款等

2. 意图模型层（长期方案）

• 将此类样本（未发货+要求退款）标注为“售后退款”意图，加入训练数据
• 注意标注边界清晰：“查物流”与“未发货要退款”分开标注，避免数据混淆
• 加入干扰样本训练，如“一直没发货但不退款”“只是问问发货进度”

3. 多轮澄清兜底

• 当两个意图置信度接近时（如都在区间阈值内），触发澄清话术：

> “您是想查询发货进度，还是申请退款呢？”

• 避免直接误路由引发用户二次不满

三、业务逻辑建议

• 退款分支前置校验：查询订单状态是否满足退款条件（如未发货可全额退）
• 可设计复合流程：先告知发货延迟原因/致歉，再引导退款确认，体验更好
• 记录该类误路由case，定期回流优化语料

四、验证方式

• 用原句及变体（换措辞、加情绪词）做回归测试
• 观察上线后该意图的转人工率与用户重复输入率，判断路由准确度

核心思路：明确意图优先级（诉求动作 > 信息查询）+ 组合规则兜底 + 持续语料迭代。