区域物流场景下的
投诉 NLP 分类 · 让投诉进来就派准

设想一家覆盖 28 个网点的区域物流公司。这类场景的真实卡点常常不是没人处理投诉，而是没人知道该谁处理，具体是四件事：电话、企微、平台、12305 转来的投诉全进同一个工单池，没有类型标签；客服值班要逐条读完才能判断是破损、丢件、延误还是态度问题，再手动转网点或转部门，往往要数小时才落到具体责任人；高峰期误转频繁，一张工单在两三个部门之间来回踢；真正该升级处理的严重投诉，混在普通工单里被淹没，等发现时往往已经超时。

这类场景的落地路径，第一步是先做三件事：和客服主管一起把投诉从「进单 → 分类 → 派单 → 处理 → 回访 → 归档」的完整流程画出来；导出历史工单做人工抽样标注，归纳出真实存在的投诉类型与升级特征；按网点、时段、渠道复盘误转工单都卡在哪。这样会得到清楚的结论：能 AI 化的是「读懂投诉文本、打类型标签、判断严重度」，不能 AI 化的是「定责与赔付决策」。

这一方案按周迭代、分段验收。第一段是 投诉文本分类引擎——把进单文本自动归到破损、丢件、延误、服务态度等类目，并抽取单号、网点、时间等关键要素；第二段是 严重度与升级识别——结合关键词与情绪强度，把疑似群体投诉、监管转办、媒体风险单挑出来打高优标记；第三段是 优先级路由——按类型与严重度自动派到对应网点或部门，回写既有 TMS / WMS 工单系统，值班只复核疑难单；第四段是 投诉看板——按网点、类型、时段切片，主管每天早上十分钟看完趋势。

• 模块 1 · 投诉文本分类引擎（多类目 / 关键要素抽取）
• 模块 2 · 严重度与升级识别（群体投诉 / 监管转办 / 风险单标记）
• 模块 3 · 优先级路由（按类型与严重度派单 · 回写 TMS / WMS 工单）
• 模块 4 · 投诉看板（网点 / 类型 / 时段三维切片）

这类场景里有三个值得提前画好的边界：不让 AI 做定责与赔付判断，这关系到对客户的承诺与成本，AI 只负责分类与优先级；不追求一次分到底，模型给不出高置信类目的工单一律转人工复核，宁可少分也不错分；不按理想类目体系硬切，分类粒度直接对齐现有班组与处理岗，避免「分得很细却没有对应的人接」。这三个取舍，让这一方案能稳定运行，并平稳度过大促期间的投诉高峰。