美联航用Cresta做实时客服洞察：某类联系量砍半、坐席处理时长改善15%、响应提速50%

一句话结论

这是美联航（United Airlines）客服管理团队出镜的客户证言视频，3 分钟里给出了三个可对齐的硬数字：某类政策咨询的联系量下降 50%——因为客户在触达坐席前就能自己看明白该怎么做；坐席平均处理时长改善 15%，连带客户响应时间提速 50%；支撑这些变化的是 Cresta 实时对话分析把”客户之声”从轶事变成可量化的数据流。对正在做客服 AI 选型的团队，这条视频的价值是给出了一条已被大型航司验证的落地顺序：先做实时洞察闭环，再做自助分流，最后做坐席辅助——而不是一上来就上 AI 客服机器人。

转型前：客户之声靠轶事，实时事件抓不住

美联航客服团队在视频里对自己的起点毫不讳言。他们的使命是”为未来 10 到 20 年重塑客户支持体验”，而客服中心被他们视为全公司唯一能系统性听到客户声音的地方——这个定位决定了它不只是成本中心，而是政策与产品的输入口。

但在上 Cresta 之前，团队面临两个具体断点：其一，接近实时的客户反馈”基本都是轶事式的”（anecdotal），无法量化，也就无法支撑决策；其二，航班延误这类实时事件发生时，团队无法快速从海量对话里提炼出”客户此刻到底在问什么、需要什么”，导致政策响应慢半拍。用受访者的话说：“我们没办法快速拿到信息、理解客户需求，然后做出对客户和美联航都有利的快速政策决策。“

洞察到行动：50% 联系量下降是怎么来的

团队把这套落地称为”insights-to-action（洞察到行动）“计划，并总结了 Cresta 带来的三个能力增量：第一，能便捷地触达客户洞察与真实需求；第二，能更好理解实时事件、知道该做什么帮客户渡过；第三，能基于客户和坐席的对话内容反哺产品改进。

最亮眼的数字来自政策类咨询：某一联系类型的联系量下降了 50%。机制并不神秘——团队通过对话分析发现，大量客户打进电话只是想确认”某项政策下我该怎么办”，于是把这类信息前置到自助渠道，客户”自己看到该做什么、自己就能做决定，不需要再找坐席”。这正是”用 AI 先消灭不该发生的对话”的典型打法：不是把人工对话自动化，而是让对话根本不发生。

坐席辅助四件套：15% 处理时长改善的构成

在人工坐席侧，美联航部署了 Cresta agent assist 的四项能力：提示（hints）、自动摘要（auto summarization）、知识库辅助（knowledge base assist）、建议回复（suggested responses）。受访者的表述很实在：“打字更少、语法更好、给客户的回复更一致。”

量化结果是处理时长改善 15%，客户响应时间改善 50%——响应提速幅度大于处理时长降幅，说明坐席在对话中的”卡壳时间”（查政策、想措辞）被压缩得最狠。同时团队强调了一个结构性变化：基础交易被自助分流后，留给人工坐席的咨询在变复杂，这恰好验证了”自动化抬高了人工工作的价值密度”这一行业共识。管理者的目标也随之改变——“让坐席 100% 专注于解决复杂任务，因为客户真正记住的是你让他感受到什么、他的问题有没有被解决”。

可复用的三点操作依据

**第一，先量化再决策。**美联航明确把”停止靠假设做决策”列为最大转变——上线前先用对话分析把客户联系原因摸清，再决定自助分流和自动化边界。对任何计划上客服 AI 的团队，这是第一块基石：没有联系原因分布，就没有分流依据。

**第二，自助分流优先于坐席替代。**50% 联系量下降来自政策信息前置，而非 AI 机器人替代人工——这个顺序让风险最小、收益最快，也避免了一上来就用 AI 对话机器人承接情绪化咨询的坑。

**第三，坐席辅助用”四件套”验收。**评估 agent assist 类产品时，可直接对照这四项能力清单（提示/自动摘要/知识库辅助/建议回复）和两个指标（处理时长、响应时间），向供应商索要同行业基准。受访者最后强调”对话式 AI 是真的，不是烟雾弹”——但前提是按”洞察→分流→辅助”的顺序落地。

原文信息

• 原视频标题：How United Airlines Uses AI to Elevate Customer Experience at Scale
• 频道：Cresta
• 讲者：美联航客户服务管理团队（客户证言形式）
• 发布日期：2026-04-14
• 视频时长：3 分 9 秒