AI 客服 KPI 點計：containment rate、FCR、AHT 同粵語量度陷阱

重點摘要

• Containment rate 只講「有冇轉人」，唔講「搞唔搞得掂」。單獨報會誤導。
• 真正要報嘅係 resolved containment：完成咗任務、又冇轉人嘅比例。
• FCR 嘅分母係「獨特問題數」，唔係「通話數」。兩者可以差 14 個百分點。
• AI 接手簡單電話之後，真人 AHT 會升，但總人手分鐘應該跌。兩個數要一齊報。
• 粵語轉寫出錯，會同時扭曲 intent 分類同情緒判斷，令所有 KPI 一齊偏。

一句話答案

一個 AI 客服專案，最少要報五個數：call volume、containment rate、resolved containment、FCR、total human handle minutes。少過五個，你一定會喺某個角度被自己嘅數字誤導。

其餘嘅指標（AHT、CES、latency p90）係解釋用，唔係成績表。下面逐個講公式同算例。

五個核心指標同公式

呢五個數要放喺同一頁、同一個時間窗。分開放，就會出現「containment 升、投訴升」呢種矛盾。

Containment rate：最容易造高嘅數

Containment rate 係指 AI 由頭到尾處理完、冇轉去真人嘅通話比例。公式係：(AI 接聽 − 轉接 − 主管接手) ÷ AI 接聽 × 100。

算例：10,000 通由 AI 接聽，2,600 通轉接，200 通中途由主管接手。剩返 7,200 通，(7,200 ÷ 10,000) × 100 = 72%（Retell, 2026）。

問題喺 7,200 通裡面。如果其中 900 通係客人自己掛線、未解決，真正搞掂嘅只有 6,300 通，即 63%。

72% 同 63% 相差 9 個百分點。 兩者都可以叫「containment」，但只有後者值得報上去。

為何掛線會被當成成功

傳統 IVR 嘅計法係「冇接到真人」就等於「已處理」。客人喺選單迷路然後掛線，一樣計成功。

AI 時代呢個漏洞更大，因為 AI 可以主動收線。一個設計得差嘅 agent，只要喺客人不耐煩時講「已經幫你記錄，多謝」，就會多一個「contained」通話。

所以 Retell 自己都寫明：containment 一定要配 resolution 一齊睇，仲要睇重複來電同情緒。呢個講法對 vendor 嚟講算坦白，我哋照引。

Resolved containment：唯一值得報上去嘅數

Resolved containment 係 containment 嘅子集，只計「任務已完成」嘅通話。

要計得到，你要為每個 call reason 寫一個成功定義。例如查訂單，成功 = 客人聽到狀態並且確認；改預約，成功 = 系統有新時間而且客人複述正確。

冇成功定義，就冇 resolved containment。呢個係多數團隊卡住嘅位：唔係唔識計，係未定義「搞掂」。

FCR：分母一錯，數字全錯

FCR 係指問題喺第一次接觸就解決、客人唔需要再聯絡嘅比例，英文全寫 first contact resolution。

公式：首次接觸已解決嘅問題 ÷ 獨特問題數 × 100。

算例：三月有 12,000 通來電，其中 2,000 通係舊問題嘅跟進電話。獨特問題 = 10,000。有 1,600 個問題喺七日內要再聯絡，所以首次解決 = 8,400。(8,400 ÷ 10,000) × 100 = 84%。

如果改用通話數做分母，(8,400 ÷ 12,000) × 100 = 70%。同一個月，同一個業務，兩個數差 14 個百分點（Retell, 2026）。

咩數叫好

Retell 引用 SQM Group 嘅基準：以電話後問卷量度、超過 500 間北美客服中心，70% 至 79% 算好，80% 以上算世界級（同上連結，vendor 轉引，2026-10-31 查閱）。

呢個數字有三個前提一定要講清楚：一，用問卷量度；二，北美市場；三，SQM 係商業機構。你如果用品質抽樣或者重複來電窗口去計，唔可以直接同 80% 比。

【獨家觀察】我哋見過最常見嘅錯，係把 vendor 嘅「80% 準確率」同自己嘅「FCR」並列。兩者量度對象完全唔同：一個量度轉寫或 intent 分類，一個量度問題有冇解決。放埋一齊只會得出一個好睇但無意義嘅圖。

AHT：AI 上線之後，真人 AHT 一定會升

AHT 係每通電話嘅平均處理時間，包括通話、候接同事後工作。英文全寫 average handle time。

公式：(總通話時間 + 總候接時間 + 總事後工作時間) ÷ 處理通話數。

算例：1,000 通電話，通話合共 4,500 分鐘，候接 500 分鐘，事後工作 1,000 分鐘。總數 6,000 分鐘，除以 1,000，AHT = 6 分鐘（Retell, 2026）。

為何 AI 上線後真人 AHT 會升

AI 通常先接走短、重複嘅電話：查訂單、改預約、查餘額。剩返俾真人嘅，本來就係長、難嘅個案。

算例：原本 3,000 通簡單電話各 3 分鐘，7,000 通複雜電話各 8 分鐘，合共 65,000 分鐘，AHT 6.5 分鐘。AI 接走 3,000 通簡單電話之後，真人做 56,000 分鐘、7,000 通，AHT 升到 8.0 分鐘。但總人手分鐘跌咗 14%。

所以 AHT 升唔等於退步。 要一齊報 total human handle minutes，否則管理層會以為團隊變差。

基準數字

SQM Group 2024 年嘅北美基準：參與中心嘅平均 AHT 係 697 秒，大約 11.6 分鐘，包括通話同事後工作，按年升 18%（Retell 轉引 SQM, 2026）。

同一個基準亦顯示：1 至 3 分鐘嘅通話，FCR 比 5 至 10 分鐘嘅高 3%；15 分鐘左右嘅通話，FCR 比 5 至 10 分鐘嘅低 5%。所以「壓低 AHT」本身唔係目標。

CES：問一句就夠

CES 係客人覺得件事有幾易做嘅分數，英文全寫 customer effort score。通常喺互動結束後問一條問題。

兩種算法：一，1 至 7 分直接平均；二，計「覺得容易」嘅百分比，例如 5、6、7 分算容易。

同一個數據，平均法得出 5.4，百分比法得出 80%。Salesforce 公開嘅目標係平均 5.5、百分比 80%，所以平均法唔達標、百分比法達標（Retell, 2026）。

呢個例子說明：先寫死算法，再比較。 中途轉算法，趨勢就冇意義。

CEB 嘅研究亦講得好白：高努力互動嘅客人，96% 會變得更唔忠誠；低努力嘅只有 9%（Qualtrics 轉引 CEB，經 Retell 引用，2026-10-31 查閱）。

五個粵語量度陷阱

上面五個公式，全部建基於一個假設：你分得清邊通電話講咩、客人咩情緒。粵語會令呢個假設失效。

① 同音字令欄位錯

「四」同「死」、「十」同「拾」、「九」同「狗」。訂單號、金額、地址最容易中。

結果：intent 分類正確，但 entity 錯。KPI 睇落正常，實際送錯貨。

② 中英夾雜令 intent classifier 失效

我想 cancel 張 order，but 唔好退錢。呢句有兩個動作、一個否定條件。

如果 classifier 用英文語料訓練，佢會捉到 cancel，漏咗「唔好退錢」。結果係分類「正確」，處理「錯誤」。測試方法見中英夾雜實戰。

③ 省略主語令意圖模糊

廣東話常講「幫我搞返」、「睇下點」、「唔係咁樣喎」。冇受詞、冇動詞。

人類靠上文補，模型唔一定。呢類句子如果被標成「其他」，就會靜靜落入失敗類，拉低 FCR 但冇人知原因。

④ 轉寫書面化令情緒失真

ASR 傾向輸出書面語。「你咁樣做好唔得喎」可能變成「你這樣做不行」。

書面化之後，語氣詞（喎、囉、啦、咩）消失，情緒模型就讀唔到不滿。情緒 KPI 會偏低，直至真人接手時爆煲。

⑤ 長者語速令 VAD 誤判

長者講嘢有較長停頓。如果靜音門檻設得太短，AI 會以為客人講完，中途插話。

客人被插話，情緒轉差，但系統記錄係「AI 正常運作」。呢個係典型嘅量度盲點，長者友善介面有設計做法。

補救方法：雙軌標註

抽 100 通通話，人手標註兩樣：意圖（正確／錯誤）、情緒（平穩／不滿／憤怒）。再同比較系統標註。

兩者一致率低過 85%，就唔好信任何自動 KPI。呢個 85% 係我哋建議嘅內部門檻，唔係行業標準。呢個標註步驟亦係我哋做語音 Agent 測試嘅第一步。

儀表板：十四張圖太多，八張夠

Retell 嘅模板用五行十四張圖（Retell, 2026）。完整係好，但多數團隊一星期後就唔再睇。

我哋建議先上八張：

• 第一行：call volume、containment rate、resolved containment。
• 第二行：FCR、total human handle minutes、human AHT。
• 第三行：轉接原因分佈、情緒分佈。

第三行係解釋用。前兩行係成績。每次只改一個變數，睇兩星期。

記錄同保留：KPI 嘅原材料

所有 KPI 都來自通話記錄。記錄留幾久、留啲乜，直接決定你日後可唔可以重算。

私隱專員公署嘅人工智能指引建議：披露用途、設人為監督、只收集有需要嘅資料（PCPD, 2024）。《個人資料（私隱）條例》亦要求告知收集目的同保留期（第 486 章）。

落到實務，三條線要寫死：

• 錄音保留期。 例如 90 日。過期自動刪，唔靠人手。
• 轉寫文字保留期。 可以長過錄音，但要同錄音分開講清楚。
• 敏感欄位。 身份證號碼、完整電話、PIN 唔應該入轉寫。呢點同身份核實設計直接相關。

保留期唔止係合規問題，亦係量度問題。如果你每季換一次保留政策，季度比較就會斷。

三個造數陷阱

1. 提早收線。 AI 主動講「已經幫你記錄」然後結束。containment 升，重複來電同時升。
2. 真人自評解決。 真人喺系統 tick「已解決」，但客人三日後再打。要接合 AI 同真人紀錄才捉得到。
3. 只揀易做嘅電話。 把難個案全部轉去真人，AI 嘅數字自然靚。要按 call reason 分佈核對。

第三個最常見，亦最難察覺。做法係每月抽一日，比較 AI 同真人嘅 call reason 分佈。差異大過兩成，就代表分流有偏。

三十日基線採樣法

第一個月唔好設目標，只設基線。抽樣量係建議值，可以按通話量調整。

• 第 1 至 7 日：全量記錄，唔改任何嘢。
• 第 8 至 14 日：抽 100 通人手標註，計一致率。
• 第 15 至 21 日：按 call reason 分組，計 resolved containment。
• 第 22 至 30 日：只改一個最弱嘅 call reason，再比較。

三十日後你會有兩樣嘢：一組可信嘅基線，同一個已知有效嘅改動。呢個比任何 benchmark 都有用。

咩情況下唔應該用 AI 客服 KPI 做決策

• 通話量少過每月 300 通。比率嘅噪音大過訊號。
• 未有人手標註過任何一通電話。你唔知系統準唔準。
• 業務本身季節性極強。同一個月比較冇意義，要同年同月比。
• 管理層只想睇一個數。一個數一定會被優化，然後失真。

呢啲情況，先用每通話成本同投訴率做決策，比較實在。

常見問題

Containment 同 deflection 有咩分別？

Containment 講「通話喺邊度結束」，deflection 講「聯絡有冇被移離真人」。兩者都唔講「有冇解決」。所以兩個都唔可以單獨用。

FCR 應該用幾日窗口？

跟 call reason 定。查狀態可以短，要調查嘅個案可以長。重點係全程固定同一個窗口，唔好中途改。

AI 嘅 AHT 要唔要計？

要，但要分開報。AI 嘅通話時長（平均同 p90）同真人 AHT 係兩個唔同嘅數，唔應該混合成一個平均。

幾時應該放棄某個 call reason？

連續四星期 resolved containment 低過 50%，而人手標註顯示唔係量度問題，就應該轉返俾真人。處置規則見升級規則。

資料來源

• Retell AI — Call Containment: How to Measure and Improve It（vendor 自述文件，2026-10-31 查閱）
• Retell AI — First Contact Resolution (FCR): Definition（vendor 自述，內文轉引 SQM Group 基準，2026-10-31 查閱）
• Retell AI — AHT Meaning: Average Handle Time Formula（vendor 自述，內文轉引 SQM Group 2024 數據，2026-10-31 查閱）
• Retell AI — Customer Effort Score (CES): Definition, Formula（vendor 自述，內文轉引 CEB／Qualtrics／Salesforce，2026-10-31 查閱）
• Retell AI — Call Center Dashboard Template for Voice Agent KPIs（vendor 自述文件，2026-10-31 查閱）
• 港嘢相關主題：通話 Speech Analytics、AI 客服 Agent 語音指南、廣東話 ASR 準確度實測

關於港嘢

港嘢（Canto-Gen）係香港粵語語音 AI 平台。我哋睇 KPI 嘅習慣係：先問「呢個數點樣可以造假」，再問「幾多算好」。

如果你嘅儀表板已經有十幾個數但冇人睇，歡迎聯絡我們。我哋會先幫你砍到八個，再跑一次三十日基線。

本文由港嘢內容團隊編輯，資料引用日期為 2026-10-31。