本术语集定义了人工智能（AI）与业务自动化生态中的 100 个核心术语，分为六大类：AI 基础、业务与自动化、WhatsApp 与消息触达、客户服务与 CX、数据与分析、平台与技术。每条定义都简洁独立，便于快速查阅。
准确理解 AI 术语，是做出战略性技术决策的基础。AI 智能体、RAG、NLP、线索评分、WhatsApp Business API 与 CSAT 等词，在现代商业讨论中出现得越来越频繁。如果不理解这些说法，技术决策就容易被表面的表述带偏。
术语集目录
- Part 1: AI 基础（20 个术语）
- Part 2: 业务与自动化（20 个术语）
- Part 3: WhatsApp 与消息触达（15 个术语）
- Part 4: 客户服务与 CX 指标（15 个术语）
- Part 5: 数据与分析（10 个术语）
- Part 6: 平台与技术（10 个术语）
Part 1: AI 基础
以下 20 个必备术语，定义了与商业场景相关的核心人工智能概念与 AI 技术。
| 术语 | 定义 | 业务语境 |
|---|---|---|
| AI 智能体 | 一种人工智能系统，能够理解目标、规划步骤、自主决策，并在各业务系统中执行真实动作，无需人工持续监督。 | 客户服务自动化、数字销售智能体、工作流自动化与端到端业务运营。 |
| 人工智能（AI） | 旨在模仿人类认知能力的计算机技术，例如从数据中学习、识别模式、理解语言并做出决策。 | 数据分析、营销个性化、业务自动化，以及数据驱动的数字产品开发。 |
| 机器学习（ML） | AI 的一个分支，使系统无需人工显式重新编程，就能从数据中学习并自动提升准确度。 | 销售预测、商品推荐系统、线索评分、欺诈检测与客户行为分析。 |
| 深度学习 | 机器学习的子集，利用多层神经网络高精度处理图像、音频与文本等复杂数据。 | 人脸识别、大规模情绪分析、文档处理与商品分类自动化。 |
| 自然语言处理（NLP） | 让计算机能够结合语境理解、分析并以文本或语音形式生成人类语言的 AI 技术。 | 聊天机器人、AI 智能体、客户情绪分析、语义检索与工单分类自动化的基础。 |
| 自然语言理解（NLU） | NLP 的组成部分，专注于理解人类文本的含义与意图，超越简单的关键词匹配。 | 让 AI 在客服流程中能够识别同义但不同表述的请求。 |
| 生成式 AI | 一类人工智能，能够基于从训练数据中习得的模式，产出文本、图像、代码或音频等全新内容。 | 营销内容创作、邮件文案自动撰写、方案生成与数字宣传素材制作。 |
| 大语言模型（LLM） | 在海量文本数据集上训练而成，能够理解复杂的人类语言语境并生成自然文本的 AI 模型。 | 商业 AI 智能体、智能聊天机器人、写作助手与客户沟通自动化系统的底座。 |
| 检索增强生成（RAG） | 将 LLM 能力与数据检索系统结合，使 AI 能基于相关且最新的信息来源给出答案。 | AI 客服系统从企业知识库中准确、实时地检索答案。 |
| 提示词 | 提供给 AI 系统、用于生成回复或执行指定任务的指令与提问。 | 在内容创作、数据分析、报告生成或特定客户互动中引导 AI 行为。 |
| 提示词工程 | 设计有效指令的技术，使 AI 系统输出更准确、更切题、更一致的结果。 | 提升 AI 智能体回复质量、优化聊天机器人，以及生成式 AI 的内容创作。 |
| 微调 | 使用领域专用数据集对 AI 模型进行再训练，使其在特定行业更准确的过程。 | 把 AI 适配到电商、医疗、金融或行业专属的企业术语。 |
| 嵌入（Embeddings） | AI 模型用来理解词、词组或文档之间语义关系的文本或数据的数值表示。 | 语义检索、文档分析，以及基于内容相似度的商品推荐系统。 |
| AI 幻觉 | AI 系统生成看似可信、却缺乏有效或事实数据支撑的信息的状态。 | 理解这一风险，对业务 AI 落地中的验证系统与质量管控至关重要。 |
| 自主式 AI | 能够在既定参数范围内，无需人工持续监督即可独立决策并执行动作的 AI 系统。 | 管理销售管道、执行跟进并自动更新 CRM 的 AI 智能体。 |
| AI 编排 | 协调与管理多个 AI 系统或模型协作完成复杂任务的机制。 | 管理由多个 AI 智能体协作完成多步骤业务流程的工作流。 |
| 上下文窗口 | LLM 在单次交互中可处理的文本或数据量上限，决定了 AI 能理解多长的对话历史。 | 影响 AI 在客服会话中调取长对话历史的能力。 |
| 推理（Inference） | 把训练好的 AI 模型投入运行，基于新输入生成预测或回复的过程。 | 每当 AI 智能体回应客户咨询时都会实时执行。 |
| 训练数据 | 用于训练 AI 模型的精选数据集，决定系统能力与运行边界。 | 数据质量与相关性直接决定 AI 智能体回答具体业务问题的准确度。 |
| 模型准确率 | 衡量 AI 模型做预测或生成输出时与预期结果吻合程度的指标。 | 评估 AI 智能体在线索判定、情绪分析与工单分类中表现的核心指标。 |
Part 2: 业务与自动化
以下 20 个术语定义了现代 AI 生态中的业务自动化、CRM、销售与营销概念。
| 术语 | 定义 | 业务语境 |
|---|---|---|
| 客户关系管理（CRM） | 企业用于集中管理全部客户互动、存放联系人数据库并统筹销售管线的软件系统。 | 销售与客服的运营底座；AI CRM 在其上叠加自动化与预测分析。 |
| AI CRM | 集成了人工智能的 CRM 系统，可自动完成客户分析、预测购买行为，并向销售团队给出行动建议。 | 自动线索评分、流失预测、营收预测，以及数据驱动的沟通个性化。 |
| 工作流自动化 | 利用数字技术自动化业务流程，使每个环节都无需人工介入即可执行任务。 | 客户入门、线索跟进、工单路由、报告生成与团队协同的自动化。 |
| 销售自动化 | 部署技术以自动化潜客跟进、活动记录、管道更新与方案交付等重复性销售动作。 | 让销售代表摆脱行政事务，专注谈判、关系经营与促成成交。 |
| 营销自动化 | 借助软件自动化邮件活动、受众分群、线索培育与活动分析等营销工作。 | 滴灌活动、基于行为的 内容个性化、营销驱动的线索评分，以及 A/B 测试自动化。 |
| 线索评分 | 依据行为、人口属性与互动情况对潜客进行排名的自动评估方法，用以判断转化潜力。 | 帮助销售团队优先处理高转化潜客，最大化销售效率。 |
| 线索培育 | 通过相关且有节奏的沟通，与尚未就绪的潜客建立关系，并沿销售漏斗加以引导的过程。 | AI 在客户旅程的合适节点推送教育内容、优惠与自动提醒。 |
| 销售漏斗 | 以可视化方式呈现潜客从初次认知到购买决策、再到品牌忠诚所经过的各个阶段。 | AI 自动化漏斗各阶段的沟通与动作，整体提升转化率。 |
| 管道管理 | 监控、管理并优化全部在跟商机，以最大化商业收益的过程。 | AI 更新交易状态、标出高风险商机，并预测成交概率。 |
| 客户旅程 | 从初次认知品牌，到首次购买、复购与长期忠诚的一系列客户体验。 | 理解客户旅程，让企业能在所有触点上自动化相关沟通。 |
| 转化率 | 在全部访客或触达账户中，完成预期动作（购买、注册、联系）的用户比例。 | 评估落地页、营销活动与销售漏斗工作流的关键指标。 |
| 流失率 | 在指定时间段内终止使用某项商品或服务的客户比例。 | AI 预测有流失风险的账户，并在流失发生前主动发出留存沟通。 |
| 客户终身价值（CLV/LTV） | 一位客户在整个与企业关系周期内预计带来的总收入。 | 帮助企业按客户分群制定合理的获客与留存预算。 |
| 年度经常性收入（ARR） | 订阅制业务在一年之内产生的经常性收入总额。 | SaaS 与数字平台企业的增长与收入稳定性核心指标。 |
| 投资回报率（ROI） | 以投资的运营成本为参照、衡量相对收益的盈利性指标。 | 评估 AI 落地与商业软件投资财务回报的主要指标。 |
| 业务流程自动化（BPA） | 借助软件自动化重复且基于规则的业务流程，从而提升运营效率与一致性。 | 发票处理、审批申请、员工入职与后台行政流程。 |
| 智能自动化 | 把 AI 与流程自动化结合，能够处理需要语境推理与决策的复杂工作流。 | 自动化因判断标准多变而无法由标准 RPA 处理的非线性工作流。 |
| 机器人流程自动化（RPA） | 用软件机器人自动化重复、固定的规则型计算任务，例如跨系统粘贴数据。 | 用于旧系统集成、自动数据录入与重复性的后台流程。 |
| 知识库 | 汇集商品信息、FAQ、标准作业流程与政策制度的结构化存储库，供团队与 AI 查阅。 | AI 智能体准确度的根基：完备的知识库带来更出色的 AI 表现。 |
| 集成（API） | 让不同系统无需人工介入即可共享数据并自动通信的编程接口。 | 把 AI 智能体与 CRM、电商店铺、WhatsApp API、支付网关及业务软件连接起来。 |
Part 3: WhatsApp 与消息触达
以下 15 个术语定义了 WhatsApp Business API 生态与主流消息平台。
| 术语 | 定义 | 业务语境 |
|---|---|---|
| WhatsApp Business API | Meta 官方的沟通解决方案，让企业自动管理客户对话并与企业系统集成。 | 客户服务、交易通知、自动跟进、促销群发，以及 WhatsApp AI 智能体。 |
| WhatsApp Business 应用 | 面向小型企业的移动应用，提供资料页、商品目录与基础自动回复，与 WhatsApp Business API 有所区别。 | 适合对话量较少的小微企业；在迁移到 API 做自动化之前的阶段适用。 |
| 商业解决方案提供商（BSP） | 为 WhatsApp Business API 提供接入与集成服务的官方企业合作伙伴。 | 协助落地实施、号码管理，以及与 CRM、自动化平台的 WhatsApp API 集成。 |
| 模板消息（HSM） | 经 Meta 审核的标准消息格式，在 24 小时对话窗口之外联系客户时必须使用。 | 付款提醒、订单确认、预约提醒、发货进度与促销活动。 |
| 选择加入（Opt-In） | 客户明确同意企业通过 WhatsApp 与其联系的许可，是监管要求的必要前提。 | 为严格遵守 WhatsApp 政策，必须在发送模板消息之前取得。 |
| 对话窗口（24 小时规则） | 客户最后一条消息之后的 24 小时互动时段，期间可自由回复而无需使用模板。 | 理解这条规则，对 WhatsApp 沟通策略与模板使用时机至关重要。 |
| 广播消息 | 通过消息平台向大量接收者名单并发发送的消息。 | 促销活动、新品发布、服务变更通知与批量客户告知。 |
| 聊天机器人 | 基于静态规则或 AI，以文本或语音方式与用户自动对话的软件程序。 | 基础客户支持、FAQ 机器人、商品指引，以及在转交 AI 智能体或人工之前的预审。 |
| 统一收件箱 | 把 WhatsApp、Instagram、邮件、在线聊天等渠道的客户对话汇总到一个屏幕的集中工作区。 | 支持团队无需切换应用即可处理全部沟通，大幅提升运营效率。 |
| Webhook | 一种集成机制，使系统在外部平台发生特定事件时实时收到通知。 | 把 WhatsApp API 与 CRM、通知框架或自动化引擎相连，构建实时工作流。 |
| 会话消息 | 在活跃的 24 小时对话窗口内发送的消息，无需模板并支持自由格式文本。 | 用于客服回复、对话式跟进与灵活的实时沟通。 |
| 绿勾认证 | WhatsApp Business 资料上的官方绿色对勾徽章，表示经 Meta 认证的企业身份。 | 建立客户信任，在 WhatsApp 商业沟通中强化品牌正当性。 |
| 互动消息 | 包含互动按钮、列表选择器或快捷回复的 WhatsApp 消息类型，可简化用户互动。 | 客服服务菜单、商品选择、预约确认与结构化反馈收集。 |
| 已读回执 | 指示消息状态的送达数据：已发送、已送达或已读。 | 帮助支持团队判断是否需要重新发送跟进或提醒。 |
| WhatsApp 电商 | 让企业直接在 WhatsApp 对话中展示商品目录并完成交易的功能。 | 把从发现商品到结账的旅程压缩在同一个沟通平台内完成。 |
Part 4: 客户服务与 CX 指标
以下 15 个术语用于衡量并提升 AI 系统与现代联络中心中的客户服务质量。
| 术语 | 定义 | 业务语境 |
|---|---|---|
| 客户满意度评分（CSAT） | 衡量客户对服务或商品满意程度的指标，通常通过互动后的简短问卷评估。 | AI 在互动结束后自动发送 CSAT 问卷，实时监控服务质量。 |
| 净推荐值（NPS） | 在 0 至 10 的量表上衡量客户向他人推荐品牌可能性的忠诚度指标。 | AI 定期自动发起 NPS 调查并分析趋势，捕捉客户忠诚度的变化。 |
| 客户费力度（CES） | 评估客户获取支持或解决服务咨询难易程度的指标。 | 较低的 CES（摩擦极小）与忠诚度高度相关；AI 通过即时回复与直接解决改善 CES。 |
| 平均处理时长（AHT） | 从开启对话到最终关闭，解决一次客户互动所需的平均时间。 | AI 通过即时解决标准问题并为人工坐席准备好上下文，大幅压缩 AHT。 |
| 一次解决率（FCR） | 无需升级或后续跟进、在首次互动中就成功解决客户问题的比例。 | 高 FCR 体现服务效能；AI 通过即时提供完整准确的信息提升 FCR。 |
| 服务级别协议（SLA） | 服务提供方与客户之间约定的服务标准，涵盖质量基准、响应时间与可用性保障。 | AI 帮助企业在非工作时段与业务高峰期也能稳定达成响应时间 SLA。 |
| 升级处理 | 因复杂度或同理心需求，把客户对话或请求从 AI 系统转交人工坐席的过程。 | 设计良好的升级路径，确保客户在关键节点获得恰当的支援。 |
| 工单路由 | 依据主题、专业能力或工作量，把客户咨询或投诉分配给合适坐席或团队的过程。 | AI 自动路由确保每张工单都由最合适的专家在最短时间内处理。 |
| 全渠道客户服务 | 在所有已整合的沟通渠道上提供连贯一致体验的客服方式。 | 由于数据集中，客户从 WhatsApp 转到邮件时不必重复说明背景。 |
| 自助服务 | 客户无需人工介入即可自行解决请求或找到答案的能力。 | AI 智能体与聊天机器人的基础；出色的自助服务能减少需要人工处理的工单量。 |
| 情绪分析 | 分析客户对话文本中的情绪基调与态度，将情绪归类为正面、负面或中性的 AI 技术。 | 及早发现不满、优先处理情绪激烈的工单，并实时洞察服务质量。 |
| 客户留存 | 在反复发生的商业周期中留住现有客户的组织能力。 | AI 通过主动跟进、沟通个性化与流失信号早期识别提升留存。 |
| 主动式支持 | 在客户主动联系之前，企业就识别并解决客户问题的支持策略。 | AI 在投诉发生之前就发出预防性通知、状态更新与解决方案。 |
| 坐席辅助 | 在对话中为人工坐席实时提供回复建议、相关数据与客户上下文的 AI 技术。 | 在保留人工同理心的同时，加快坐席响应速度并提升准确度。 |
| 联络中心 AI | 在客户联络中心部署 AI，以自动化互动、分析绩效并提升客户体验。 | 在现代联络中心整合 AI 智能体、智能路由、对话分析与坐席辅助。 |
Part 5: 数据与分析
以下 10 个关键术语属于支撑 AI 驱动决策的数据与分析生态。
| 术语 | 定义 | 业务语境 |
|---|---|---|
| 预测分析 | 利用历史数据与 AI 模型预测未来事件或客户行为。 | 预测线索转化概率、在流失发生前预警，以及需求预测。 |
| 客户分群 | 依据共同特征、行为或需求对客户分组，以展开针对性沟通的过程。 | AI 基于实时行为执行自动化的动态分群，让营销活动个性化。 |
| 数据管道 | 在企业各系统之间收集、转换并传输数据的一系列自动化流程。 | AI 基础设施的根基：确保 AI 智能体所需数据始终可访问、准确且最新。 |
| 实时分析 | 在传入遥测数据到达的瞬间完成的数据分析，绕过批量处理的延迟。 | 监控 AI 智能体表现、发现对话异常，并实时调优营销策略。 |
| A/B 测试 | 比较两个版本（A 与 B）以判断哪一个表现更优的实验方法。 | 依据实时数据优化跟进消息、邮件标题、AI 对话流程与促销优惠。 |
| 仪表盘分析 | 在集中工作区中展示关键业务指标与 KPI 的可视化呈现。 | 监控 AI 智能体的实时表现、对话量、转化率与客户满意度。 |
| 群组分析 | 在指定时间范围内比较具有特定特征的客户子集行为的分析框架。 | 理解留存模式、流失时点与转化高峰节点。 |
| 热力图 | 用颜色深浅突出显示活动或用户交互高发区域的数据可视化。 | 分析网站哪些板块或聊天流程的客户参与度最高或最低。 |
| 归因模型 | 判定客户旅程中各个触点对最终转化贡献程度的框架。 | 识别哪些渠道（WhatsApp、Instagram、邮件）在驱动销售，以优化营销投入。 |
| 数据增强 | 把外部数据源并入既有客户档案，以获得全面的运营洞察。 | 用企业属性、职位或行业标签完善线索档案，实现针对性触达。 |
Part 6: 平台与技术
以下是评估与落地企业 AI 平台所必需的 10 个技术术语。
| 术语 | 定义 | 业务语境 |
|---|---|---|
| 无代码 AI 平台 | 无需编写自定义代码，即可通过可视化界面完成系统配置的 AI 开发平台。 | 让非技术背景的业务团队独立构建与管理 AI 智能体。 |
| 多智能体系统 | 多个 AI 智能体同时协作以解决复杂多步骤工作流的架构框架。 | 销售 AI 智能体与客服、CRM AI 智能体协同，实现统一的客户关怀。 |
| SaaS（软件即服务） | 用户通过订阅计费模式经由互联网访问应用的云软件交付模型。 | 现代 AI 智能体平台多采用 SaaS 模式，无需本地硬件即可轻松上手。 |
| API（应用程序编程接口） | 让不同系统以编程方式共享数据与功能的软件接口。 | 把 AI 智能体与 WhatsApp API、CRM、电商店铺及软件栈接入同一生态。 |
| 中间件 | 在不同应用之间充当通信桥梁、促进数据互操作的软件。 | 帮助缺乏标准 API 的旧系统与 AI 智能体完成集成。 |
| 云计算 | 以按需付费方式经由互联网交付服务器、存储、数据库与软件等计算服务。 | 现代 AI 智能体平台的根基：无需实体基础设施投入即可即时扩展。 |
| 可用性与技术 SLA | 系统无中断运行的时间比例，通常以 99.9% 可用率等指标表示。 | 对业务型 AI 智能体至关重要：停机会中断客户服务，直接影响营收与声誉。 |
| 加密 | 把数据转换为需要解密密钥才能读取的格式，以防止未经授权的访问。 | 保护 AI 智能体所处理的客户对话数据与敏感商业情报。 |
| 基于角色的访问控制（RBAC） | 依据组织内用户授权角色限制系统访问的安全框架。 | 确保 AI 平台内只有获得授权的员工才能访问敏感客户记录。 |
| 可扩展性 | 随着数据量或计算复杂度增长，系统能在性能不下降的前提下高效扩容的能力。 | 具备扩展性的 AI 智能体在流量高峰（如限时秒杀）下也不会延迟或故障。 |
如何使用本术语集
本术语集有多种实用用途：
- 快速查阅：在战略研讨中遇到陌生术语时，用目录直接跳转到相关章节。
- 团队上手：分享给新同事或非技术利益相关方，在讨论 AI 战略之前先建立基础共识。
- 厂商评估：在评估 AI 平台供应商时，把这些术语当作核对清单，验证其功能主张。
- 实施规划：撰写 AI 路线图里程碑时参考技术术语，确保架构梳理完整无缺。
理解企业 AI 术语，是数字化转型时代一项关键投资。这些术语并非单纯的技术黑话，它们左右着重要的商业决策：从挑选合适的 AI 平台，到设计高效的客户服务运营。
厘清 AI 智能体与聊天机器人、NLP 与 NLU、传统 CRM 与 AI CRM 之间的差异，能让组织做出精准的技术投入，把商业回报做到最大化。
Cekat.ai 这样的平台，把本术语集中的许多概念（AI 智能体、印尼语 NLP、WhatsApp Business API、CRM 自动化、全渠道）整合进一个专为成长型企业需求打造的系统。
用 Cekat.ai 为你的业务部署 AI
了解业务 AI 术语之后，逻辑上的下一步就是顺畅落地。Cekat.ai 让企业能够在单一平台内，构建与 WhatsApp、CRM、全渠道收件箱以及销售自动化原生集成的 AI 智能体。
- 由官方 WhatsApp Business API 连接驱动的原生 AI 智能体。
- 无需专职软件工程师即可部署的无代码架构。
- 理解本地商业语境的印尼语 NLP。
- 预约平台演示：cekat.ai
成功的数字化转型源于准确的理解。本术语集是你的第一步；选择正确的平台去执行，则是下一步。
发表回复