1-1
客戶說一句話，系統就知道他要問什麼
客戶
客戶身分（電話端由語音驗證取得，只在行內 CRM 查詢）
尚未查詢客戶，以一般客戶處理
客戶說的一句話
系統在背後判斷
客戶一開口，系統依序完成這四步
輸入一句話，或點左邊的範例
1-2
同一句話，系統還讀出情緒、急件和商機
1-3
結合行內 CRM，決定誰先被服務
客戶（行內 CRM）
服務等級規則
2-1
電話接通，專員已經知道他是誰、要什麼
客戶資料（行內 CRM）
本次來電（系統判斷）
2-2
專員不用想，系統給出處理步驟和開場話術
這通電話
建議開場話術
3
主管看見全中心，急件永遠排第一
值班專員 位
4-1
上線前先推演：等待變短，客戶就留得住
推演參數（拉動即時重算）
導入後，每年可省下（假設值）
4-2
同樣的進線量，導入後少轉錯、少流失
處理中反問確認轉錯窗口解決
現況：語音選單／總機
導入 Jev：一句話直接分流
進階參數
模型假設（皆可用參數調整）
- 電話現況：所有來電先聽語音選單；一部分撥總機由人工分類，其餘自己選分機，選錯就轉接並重新排隊。
- 電話導入 Jev：客戶說一句話，信心 ≥ 分流門檻就直接轉分機；介於兩個門檻之間先反問一句（約 15 秒，確認後準確率 97%）；低於反問門檻轉人工分類。
- 校準：Jev 的信心度經過校準，信心 0.9 的案件約有 90% 會分對，模型直接用信心度當分對的機率。
- 排隊：以尖峰小時（占全日 12%）的進線量，用 Erlang C 計算平均等待時間和 20 秒內接聽率。
- 文字客服：答非所問的客戶平均多來回 2 輪，其中 40% 最後轉真人。導入後答錯率 = 分錯窗口比例 + 5%（知識庫本身沒有答案）。
- 人力換算：每位客服每天有效工時 7.5 小時、占用率 85%；一年以 250 個工作天計算。
門檻怎麼設最省時間？
門檻太低，分錯變多；太高，反問和轉人工變多。曲線最低點就是最佳門檻。
評審參與：換你當客戶
拿出手機掃描 QR code，
打一句話給客服
打一句話給客服
送出後會即時出現在這個 Demo：系統判斷類別與優先等級，並排進主管的即時排隊看板。
已收到的評審來電
還沒有評審來電
AI 總結全場來電（主管視角）