投诉处理是客服环节里最考验说话技巧的场景，一句话说得不对，客户情绪可能直接升级。把用户画像信息注入到大模型的提示词里，AI就能根据客户的身份、历史行为和情绪状态调整回复策略，而不是千篇一律地甩模板。这篇文章以有道云AI为例，详细讲讲如何设计一套用于投诉处理的用户画像提示词。
一、为什么要用用户画像提示词来处理投诉
直接把客户的投诉内容丢给大模型，得到的回复往往是正确但冰冷的。比如客户说"你们这个会员扣费太坑了"，没有画像信息的模型只会输出一段标准解释，而如果提示词里包含了这位客户的信息，比如"该客户为三年老会员，月均消费较高，近两个月已有两次扣费争议"，模型就能生成带有挽留意识、主动提供补偿方案的回复，处理效果完全不同。
用户画像的本质是给模型补充上下文。大语言模型在生成回复时高度依赖上下文信息，画像维度越精准，模型对客户诉求的判断就越准确。对于投诉场景来说，画像至少要覆盖三类信息：身份属性（会员等级、消费水平）、行为属性（投诉历史、使用频率）、情绪属性（当前语气激烈程度、是否有扩散风险）。这三类信息组合起来，才能让模型判断出这是一次普通咨询升级，还是一次有流失风险的高价值客户危机。
在有道云AI上落地时，通常的做法是把画像字段通过变量注入到系统提示词中，再叠加投诉处理的规则约束，形成一条完整的Prompt链路。这样做的好处是画像数据可以由业务系统动态填充，同一套提示词模板就能服务不同客户。
二、用户画像提示词的完整模板设计
一份可用于投诉处理的画像提示词，建议按"角色定义、画像注入、处理规则、输出格式"四段式来写。下面是一个可以直接参考的模板：
# 角色定义
你是有道云客服团队的资深投诉处理专员，擅长在安抚客户情绪的同时解决问题。
# 客户画像
- 会员等级：{vip_level}
- 注册时长：{register_days}天
- 近90天消费：{recent_spend}元
- 历史投诉次数：{complaint_count}次
- 本次投诉内容：{complaint_text}
- 情绪判定：{emotion_level}（轻度不满/明显愤怒/激烈冲突）
# 处理规则
1. 情绪为明显愤怒及以上时，第一段必须先致歉，禁止直接解释规则
2. 历史投诉超过2次的客户，需主动提及我们将为其升级专项跟进
3. 高消费客户可提供的补偿上限为订单金额的30%
4. 禁止承诺无法兑现的退款时限，统一表述为"1-3个工作日内答复"
# 输出格式
按"共情安抚-问题确认-解决方案-后续承诺"四段输出，总字数控制在200字以内。这个模板里最关键的是处理规则部分。规则必须写得具体可执行，比如"补偿上限为订单金额的30%"这种带数字的约束，比"酌情给予补偿"这种模糊表述可靠得多。大模型对模糊指令的执行有随机性，而明确的边界值能显著提升输出的一致性。
另外要注意画像字段的命名规范。建议全部用小写加下划线的英文命名变量，比如vip_level、complaint_text，这样在对接业务系统做字段映射时不容易出错。如果有道云AI的工作流支持变量替换节点，直接把这些占位符配置成输入参数即可。
三、分级响应策略与情绪安抚话术设计
投诉处理不能一套话术走天下，画像提示词的核心价值就在于实现分级响应。根据情绪判定字段，可以把回复策略分成三档：轻度不满时以事实解释为主，明显愤怒时先安抚再解释，激烈冲突时立即升级人工并给出明确的处理时限。
针对愤怒情绪的客户，提示词中可以内置一些安抚话术的生成原则。比如要求模型在回复中体现"我理解您的感受"类共情表达，但避免连续使用超过一次，否则会显得敷衍。再比如要求模型复述客户的核心诉求，这一招在实际客服场景中非常有效，客户发现自己的问题被准确理解后，情绪会明显缓和。
下面是一个针对高价值客户激烈投诉的提示词片段：
当前客户情绪判定为"激烈冲突"，且近90天消费超过500元。 处理要求： 1. 第一句话必须包含致歉和对客户长期支持的感谢 2. 明确告知已为其开通优先处理通道，处理时限不超过24小时 3. 提供两个可选方案让客户选择，而不是单方面给出一个方案 4. 结尾附上专属客服的联系方式
让客户在两个方案中做选择，是投诉谈判里常用的技巧，写进提示词后模型的输出会自然带上这种协商感，而不是单方面通知，客户的接受度会高很多。
四、落地时的常见问题与优化建议
实际落地中最常见的问题是画像数据不全。很多团队的客户数据散落在CRM、订单系统和客服工单系统里，画像字段拼不齐。建议先从最容易获取的三四个字段做起，比如会员等级、投诉次数、投诉内容，跑通流程后再逐步丰富画像维度，不要一开始就追求大而全。
第二个常见问题是模型输出不稳定，同样的投诉有时回复得好有时很差。排查方向主要有两个：一是检查处理规则之间有没有冲突，比如一条规则要求快速给出方案，另一条要求先安抚情绪，模型就会在两种策略之间摇摆；二是检查输出格式的约束是否够严格，可以在提示词末尾追加"严格按照以上格式输出，不要添加额外说明"这类强化语句。
最后建议建立一套复盘机制。每周抽取AI处理的投诉工单做人工抽检，把回复不佳的案例整理出来，分析是画像信息缺失还是规则写得不够细，再反哺到提示词迭代里。提示词优化是一个持续过程，通常迭代三到四轮后，投诉处理的一次解决率会有明显提升，客户的负面情绪升级率也会下降。
总的来说，有道云AI处理客户投诉的能力上限，取决于喂给它的画像质量和规则精度。把画像字段设计好，把分级规则写清楚，再配合持续的案例复盘，一套稳定可用的AI投诉处理体系就能搭建起来。