2026 年双11 的第一波履约刚过，投诉数据先到了。黑猫大数据中心统计 10 月 20 日至 31 日的启动期：服饰行业投诉 8,990 件，日均约 750 件，较上一周期上涨 16%，10 月 26 日单日峰值 808 件；美妆投诉 1,680 件，日均约 140 件，环比上涨 31%，10 月 25 日峰值 172 件。
数字不算意外。大促把订单推到峰值，售后问题通常晚一到两周才到，启动期的数据只是前哨。真正值得看的不是涨了多少，而是投诉卡在哪。
先看投诉卡在哪
服饰这边，客服响应链条占 22.5%，典型是态度差、响应时间长；促销与发货链条占 23.9%，预售定金、发货拖延、承诺推迟是集中爆发点；退货链条占 19.5%，退货不退款、未履行七天无理由、运费险拒赔排在前列。
美妆更集中：退货不退款占 16.8%，客服态度差占 12.0%，未履行七天无理由占 10.5%，三项合计接近四成。另有 88 件投诉直接提到“小样、试用装”，争议点是用过小样后正装退货被高额折价。
把这几组数据放在一起，会发现它们不是三个独立的问题，而是同一条售后链路的三段：买家先找不到人，找到了退不了款，退款前又被发货和规则卡住。
第一条线：响应，先保证有人接
大促期的响应问题，很少是“客服不努力”，多数是入口没有分流。预售咨询、物流查询、退款进度、投诉，全挤在同一个会话队列里，人工只能按到达顺序接，重要的和琐碎的一起排队。
能标准化的先交给规则：订单状态、物流节点、退款进度、价保规则，这些问题的答案在系统里，不必占用人工。人工队列只留三类：情绪激烈、金额较大、规则判断不了的。响应时长的考核也按这三类分开定，别用一个平均值把问题盖住。
零九AI 的做法是把会话先按意图分流，再按风险升级：查件、查退款直接回，涉及赔付、投诉、价格承诺的转人工。这样做不是为了少用人，而是让“该快的快，该慎重的慎重”。
第二条线：退款，状态要说清楚
“退货不退款”排在美妆投诉第一，很多纠纷并不是商家不退，而是买家不知道退到哪一步。包裹签收了没有、质检要多久、退款什么时候发起、原路退回还是退到余额，每一步都能在系统里查到，但买家看不到，就只能反复问，问不到就投诉。
比起催客服“态度好一点”，更有效的做法是把退款流程拆成可播报的节点，并在节点变化时主动通知。规则能判断的，例如签收后 48 小时未质检，自动生成提醒或工单；人工只处理异常：金额对不上、商品有争议、买家要求升级。
美妆的小样争议也属于这一类：规则写在活动页里不够，售前确认、售后核验、折价标准要能落在同一张订单记录上。否则每个客服给出的口径都可能不同，投诉只会越来越多。
第三条线：履约，预售承诺要能兑现
服饰的预售发货纠纷占了大促投诉的很大一块。定金、尾款、发货时间、尾款半价，这些规则叠加在一起，任何一环变更都可能引发争议。商家能控的部分，是把承诺写清楚、把变更通知到位、把延迟的原因和新的时间点主动说出来。
系统层面，发货延迟可以触发主动关怀：先解释，再给新的时间，必要时给补偿方案。等买家来问再处理，成本会高得多。
大促后的一周，比大促当天更考验售后
启动期的数据只是开始。接下来还有返场、发货高峰、退货高峰，投诉量通常会再抬一次。建议商家在这周做三件事：把最近十天的投诉按“响应、退款、履约”归类，找出占比最高的那一段；给每段设一个时限和升级条件；用真实会话跑一遍，确认 AI 能接住的确实接住了，该转人工的确实转了。
大促的成绩不只看卖了多少，也看售后有没有把订单接住。三条线理顺了，下一次大促才有可复用的底盘。