售后宝CLI × WorkBuddy 使用指南📚
| 适合谁 | 企业管理员、团队负责人、HRBP、客户成功、运营、产品负责人、质检负责人、客服负责人 |
|---|---|
| 环境配置 | WorkBuddy;推荐大模型:GLM-5.2 |
| 看完你会知道 | 把售后分析交给WorkBuddy执行后,售后宝CLI如何提供真实数据,并交付Excel、PPT和Word等可用成果。 |
很多人已经开始把日常任务交给AI助手:整理资料、写总结、做PPT。但只要任务里出现“查一下售后系统里的数据”,AI就很容易停在第一步。
原因很简单:它会组织内容,却看不到你的工单、客户和产品数据。于是,最后还是要由人登录系统、导出文件,再把数据喂给AI。任务看似交出去了,真正费时间的部分仍然留在自己手里。
WorkBuddy接入售后宝CLI后,变化在于:任务不只被理解,还能被完整执行并交付产物。售后宝CLI与skills负责查询真实业务数据,WorkBuddy负责拆解、分析和生成文件。
WorkBuddy一句话入口
+
售后宝CLI + skills真实业务数据
=
Excel / Word / PPT可汇报结论
WorkBuddy负责把任务跑完,售后宝CLI负责让每一步都基于真实售后数据。
售后宝CLI让AI办公Agent真正接上售后业务
售后宝业务系统中沉淀了工单、客户、产品、备件和流程等真实数据。售后宝CLI与skills把这些数据和业务能力开放给AI办公Agent:Agent负责理解问题、拆解任务和组织结果,售后宝负责提供可信数据与业务查询能力。
因此,员工不需要先学习复杂的系统菜单,也不需要把数据导出后再交给AI。用售后业务语言描述目标,就可以直接获得Excel、Word或PPT等可验收成果。
【客户经营】39家客户怎么分层?让数据替你排优先级
| 适用角色 | 客户成功 / 运营 |
|---|---|
| 业务价值 | 服务资源有限,AI告诉管理者哪些客户值得投入、应该怎么投入,让资源分配从经验驱动走向数据驱动。 |
| 你可以这样问 | “把所有客户按价值分层,高价值、中价值、低价值各有什么特征,每个人一句话总结,出一份PPT,要有分层矩阵、各层级画像和运营建议。” |
| 关联能力 | 售后宝CLI · 客户查询、工单查询 |
客户分层最容易陷入两个问题:只看合同金额,或者只看最近有没有工单。真正有用的分层,需要把客户价值、服务活跃度和客户级别放在一起看。
在示例中,WorkBuddy基于39家客户和64条工单完成价值分析,并生成20页PPT。结果包含评分模型、分层统计、客户画像、逐个客户的一句话总结以及运营建议。

▲ WorkBuddy基于客户和工单数据完成价值分层,并在对话中给出分层结果PPT。
更重要的是,报告没有停留在“高、中、低”三个标签上,而是继续回答下一步:哪些客户要重点防流失、哪些客户要推动转正升级、哪些客户适合低成本培育。
从结果里能看到什么?
- 数据分层、客户画像和运营动作被放在同一个交付物中,客户成功团队可以直接把报告转成客户计划。
【绩效盘点】把“月底拉数”变成一次任务交付
| 适用角色 | 管理员 / 团队负责人 / HRBP |
|---|---|
| 业务价值 | 把管理者月底翻工单算绩效的3小时工作压缩到10分钟,数据透明、计算公平。 |
| 你可以这样问 | “帮我把上个月每个人的工单量、响应时长拉出来,排个名,出一份Excel报表,要有排名和环比变化。” |
| 关联能力 | 售后宝CLI · 工单查询 |
对WorkBuddy来说,这不是“写一段绩效总结”,而是一项有明确交付物的任务:查询指定月份的工单、按负责人汇总、计算响应时长、形成排名,再生成Excel。
示例结果中,WorkBuddy在对话里直接给出工单量排名和响应时长排名,同时生成完整报表。它还主动说明环比基准和数据缺口,避免管理者误读数据。

▲ WorkBuddy调用售后宝CLI后生成工单量与响应时长排名,并提供完整Excel文件。
这类“先交结论、再交文件”的方式非常适合管理场景:负责人可以先快速看摘要,再打开报表查看明细和计算口径。
从结果里能看到什么?
- AI不仅完成汇总,还会提示环比基准、未分配工单等口径问题,让结果更适合真实管理使用。
【产品复盘】从报修排行到主动排查,一份Word报告说清楚
| 适用角色 | 产品负责人 / 质检负责人 |
|---|---|
| 业务价值 | 自动识别高频报修产品、集中故障与排查优先级,为质量整改和主动服务提供依据。 |
| 你可以这样问 | “查一下最近几个月哪款产品寄修报修最多,集中在什么故障上,出一份Word报告,要有故障排行、故障分布和主动排查建议。” |
| 关联能力 | 售后宝CLI · 产品查询、工单查询、PaaS查询 |
如果只看报修总量,容易把“卖得多所以报修多”和“质量异常导致报修多”混在一起。产品复盘需要同时看到产品排行、典型故障、故障描述质量和后续动作。
WorkBuddy在示例中分析了近5个月64条工单,其中48条属于报修或维修,并生成Word报告。对话先给出产品报修排行,报告再补充故障类型分布、产品×故障交叉表和主动排查建议。

▲ 生成的Word报告包含产品排行、典型故障、数据质量提醒和主动排查建议。
示例结果还指出未填写产品、缺少故障描述等数据质量问题。对管理者而言,这很重要:AI不仅分析现有数据,也会告诉你哪些基础数据正在影响判断。
从结果里能看到什么?
- 一份报告同时服务产品、质量和售后团队:看问题、定优先级、补数据、安排排查。
【SLA体检】达成率、超时明细和原因分类一次交付
| 适用角色 | 管理员 / 客服负责人 / 运营 |
|---|---|
| 业务价值 | 实时发现履约瓶颈、规避违约风险,也能用数据证明服务价值并推动持续改进。 |
| 你可以这样问 | “帮我统计一下上个月工单SLA达成率,哪些单子超了、超了多少、什么原因,出一份Excel,要有达成率、超时明细和原因分类。” |
| 关联能力 | 售后宝CLI · 工单查询、工单状态统计 |
SLA报告不能只有一个达成率。管理者还要知道超时工单集中在哪些客户、哪些工单类型,以及到底是派单响应延迟、计划时间问题,还是其他原因。
示例中,WorkBuddy对11条工单完成SLA分析:7条达成、4条超时,达成率63.6%。它同时生成4个工作表的Excel,包含总览、超时工单明细、超时原因和达标工单明细。

▲ WorkBuddy生成SLA分析Excel:左侧是结论和超时明细,右侧是可继续筛选的工作表。
当超时集中在特定客户或工单类型时,负责人可以快速判断是资源配置、流程规则还是服务承诺需要调整,而不是等到月底才发现风险。
从结果里能看到什么?
- 从一个达成率指标,扩展到客户、工单类型、超时原因和明细,SLA真正变成可管理的过程。
任务真正跑完,AI办公才有价值
WorkBuddy的优势是把一个需求当成完整任务来执行;售后宝CLI的价值,是让任务执行过程中能访问真实的售后业务数据。两者结合后,员工不再需要在“AI对话”和“售后系统导数”之间来回接力。
你交出去的是一句业务需求,拿回来的是有数据、有结论、有文件的完整成果。
售后宝CLI带来的,不只是“少做几张表”
- 把重复工作交出去:查询、汇总、计算和生成文件可以在同一任务中完成。
- 把数据口径说清楚:AI会在结果中提示时间基准、未分配数据和数据质量问题。
- 把结论和明细一起交付:先看摘要,再打开Excel、PPT或Word继续核对和编辑。
- 把报告变成动作:绩效复盘、客户运营、质量排查和SLA整改都有明确下一步。
把售后分析交给WorkBuddy,把真实数据交给售后宝CLI。
让AI办公Agent不只会写报告,更能读懂真实售后业务。
| 内容边界: 本文展示的是完成售后宝CLI连接后,在AI办公Agent中的业务使用效果,不包含安装、授权配置和常见问题说明。相关内容请查看本专题的其他帮助文档。 |
|---|