美妆类目的大促曲线比多数类目陡：平时咨询平稳，预热开始抬头，开卖当晚顶到平时的几倍。人手按平时配，峰值接不住；按峰值配，平时又养不起。这篇复盘这类店铺在大促与夜间高峰的常见承接方式。
这类店铺的日常
先看画像：天猫店一家、抖音小店两家，客服四名，白班两人、晚班两人。平时每天的咨询量稳定，问题集中在色号推荐、成分、生产批次与赠品上；大促一来节奏完全不同，预售开定金、尾款开付、现货开卖，每个节点都会带来一轮高峰。
平时这些问题两名客服就能接住，大促一来，四名客服全员上阵也常常排队。临时补位的兼职到位后，培训往往来不及，口径问题比人手问题更早暴露：同一个活动，两个人能答出两个说法。
大促当天的咨询，相当一部分是活动规则：满减和优惠券能不能叠加、赠品什么时候发、预售定金能不能退、价保怎么申请。答案店里都有，但架不住一条条手打。晚间的峰值时段，恰好也是班次薄、人容易疲劳的时间。
卡在哪几件事上
- 活动规则反复被问：同一套规则一天回答几十遍，人工说多了还容易说错。
- 夜间咨询接不住：晚上没人应答，买家等到第二天，节奏就断了。
- 高意向和普通问题混在队列里：问库存、问发货时间的准客户，和随口问一句的会话排在一条线上。
- 活动节点多，问题跟着节点走：定金期问尾款时间，尾款期问发货时间，收货后又回来问赠品和价保，一轮活动要接三轮咨询。
- 临时客服口径不一：大促临时加的兼职对细则不熟，回复不一致，还要人工补救。
怎么用零九AI 处理
先把活动规则写进知识库。按「问题，答案」两列整理成 CSV 导入，或者打开自动学习，从近 90 天的历史会话里提炼。多数商家两种一起用：先把满减叠加、赠品、预售这些活动规则导进去，其余交给自动学习，具体步骤见帮助中心的教程。
再让 AI 先值守高峰与夜间。高频问题自动应答，首响中位数 3 秒，夜间同样在线；价格议价、赔付承诺、投诉差评、发票合同这四类默认不自动回答，自动转人工并附上上下文。每条自动回复都标注依据，人工随时可以覆盖。多平台的会话进同一个工作台，大促时不用来回切后台，这一点在多平台聚合接待里展开得比较细。
AI 与人工的分工在大促期间尤其重要：凡是需要判断金额、承诺，或者需要安抚情绪的，都留给人工；纯粹查规则、查物流、查色号的，交回给 AI。这样排队时间更短，答复也不容易前后矛盾。
然后是转人工的边界。高意向、超时未回的会话优先给人；重要消息预警把投诉倾向与高意向的会话单独提醒出来。人工队列里留下的是需要判断的部分，而不是所有会话。
还有大促前的例行检查：知识库更新、话术分组、配额盘点。配额按买家发来的消息条数计，AI 与客服回复不计；达到 90% 会提醒，超出按加油包单价折算，不会突然停服。大促期间可以只开一段时间的加油包，不必整年升档，档位差异见套餐价格。
落地过程
安装约 1 分钟，登录授权店铺约 2 分钟，合计约 3 分钟即可开始接待；知识库整理一般半天内完成，有历史会话的店可以让自动学习先跑起来。初次大促前，建议把转人工与应答规则试运行 3–7 天，用真实咨询验证口径，再正式启用。此后每次大促前做一轮知识库与配额检查就够了。
改善的方向
机制上的变化有三点：高峰与夜间的常规咨询先由 AI 承接，人工时间集中在需要判断的部分；活动规则只维护一份，客服口径与 AI 口径保持一致；大促结束后回看答不上来的条目，补进知识库，为下一个节点做准备。排班上，峰值时段不必再按平时的倍数硬堆人；把高频问题回看一遍，下一轮峰值来的时候，知识库和话术都能直接用。
适合什么样的店铺
- 大促节奏明显，618、双 11 等节点有明确的销售波峰。
- 活动规则复杂，叠加、赠品、预售问题反复被问。
- 夜间咨询占比高，或客服排班到不了凌晨的店铺。