尺码问题怎么让客服少答错？先把「推荐」和「告知」分开

一句话结论： 尺码问题之所以容易被客服答错，根源是「告知客观参数」和「推荐买哪个码」这两件性质完全不同的事，被当成同一类问题在处理——前者是查询，答案固定，可以放心交给自动回复；后者是判断，一旦推荐错了买家大概率要退换货，凡是遇到身高体重卡在两个尺码之间、或者尺码表本身存在重叠区间的情况，就必须转人工，或者靠商家自己写死的明确规则来处理，不能让系统临场自由发挥。在服装、鞋类、母婴用品这些带尺码属性的类目里，「尺码规格」一直是买家售前咨询中的高频场景之一。

证据等级：经验总结。本文方法论来自金销智服协助商家处理客服咨询过程中沉淀的实践归纳，不是数据统计或政策依据，不代表行业整体，也不构成对回复结果的承诺。来源见文末。

为什么「尺码问题」看着是一类，其实是两类

"尺码问题"在客服聊天记录里几乎天天出现，只要店铺卖的是有尺码属性的商品，这个问题基本都躲不掉——不管是服装、鞋类还是母婴用品，尺码相关的提问始终是售前咨询里绕不开的一类。

但"尺码问题"这个说法本身有点粗——买家嘴里问出来的话，实际指向两种完全不同的诉求：

• 一种是查客观参数："这件衣服衣长多少""这双鞋内长多少""胸围是多少"。答案就写在商品的尺码表里，是一个固定值，谁来答、答几次，结果都应该一样。
• 一种是要建议该选哪个码："我这个身材穿 S 还是 M""偏瘦选大一码还是小一码"。这类问题的答案不只取决于商品，还取决于买家自己没说全的信息（版型偏好、具体部位尺寸），本质上是一次判断，不是一次查询。

后面能不能放心自动回答，分界线就在这里。

「告知参数」和「推荐尺码」，答错的代价不是一个量级

把这两类问题放在一起比，除了都叫"尺码问题"，几乎没有共同点：

这张表最关键的一行是"答错的后果"。告知参数答错了，买家顶多再确认一遍；推荐尺码答错了，买家真的会因为码不对申请退换货，客服后续还要处理售后——这已经不是"回复得快不快"的问题，是"回复得对不对会不会引发额外成本"的问题。这也是为什么这两类问题不能用同一套标准去决定能不能自动化。

怎么划这条线：哪些能自动答，哪些必须转人工

"告知参数"这一半基本没有争议，答案就是商品尺码表里写的数字，能沉淀成固定问答直接复用。真正需要划线的是"推荐尺码"这一半，可以按买家给出的信息分三种情况处理：

1. 买家给了明确数值，且这个数值清清楚楚落在某一个尺码的区间里，不挨着相邻尺码的边界。 这种情况答案是确定的，可以按商品尺码表里写好的规则直接给出结论。
2. 买家给了明确数值，但这个数值正好落在两个尺码都能覆盖的重叠区间里，或者卡在边界值上。 这是最容易出错的一档——如果没有一条写死的处理规则，系统很容易在两个答案之间随意选一个，选错了就是一次退换货。这类情况必须有商家自己确认过的明确规则兜底（比如"数值落在重叠区间统一建议偏大的那一档，并提示买家自己核对细节"），没有规则的就应该转人工，不能让系统自由发挥给一个结论。
3. 买家没给出具体数值，只用"偏瘦""正常体型"这类模糊说法。 这种情况下不管前面两条规则多明确都用不上，正确的处理方式是先反问买家要具体的身高体重或部位尺寸，而不是拿一句模糊描述去凑一个具体的尺码结论。

这三档背后是同一个原则：能不能自动答，看的不是"问得难不难"，而是"信息是不是已经明确、规则是不是已经写清楚"。信息不全或规则没定，就不该让自动回复替商家做决定。

需要说清楚的边界

⚠️ 尺码推荐本质上是一道有退换货后果的判断题，不是一道查询题——这一点是这篇文章最需要说清楚的地方，也是最容易被商家忽略的地方。具体拆开有三点：

• 告知客观参数（衣长、胸围、鞋内长这类）是查询，答案固定，可以放心沉淀成自动回复；推荐买哪个码是判断，答案跟买家自己的身材、版型偏好绑在一起，不能和查询类问题用同一个标准对待。
• 重叠区间、身高体重卡在边界值这类情况，必须留给人工，或者靠商家自己明确写好的规则来处理，不能让系统临场自由发挥去猜一个结论。 这是整篇文章里最不能妥协的一条——一旦在这类情况上自动给出结论，答错的概率和答错的代价都会明显上升。
• 这套划线方法不改变一个事实：尺码推荐答错，责任最终要落在给出这个建议的一方身上。 自动回复只能在信息明确、规则清楚的范围内工作，超出这个范围就应该交还给人工，而不是靠系统"尽力猜一个大概"。

常见问题

买家自己把身高体重报出来了，是不是就可以直接让系统给建议？

不一定，要看这个数值落在尺码表的哪个位置——清楚落在某一档区间、不挨边界，可以按规则直接给结论；正好落在两个尺码都能覆盖的重叠区间，就不该直接给结论，需要按商家定好的规则处理，或转人工。

重叠区间那么少见，是不是可以先不管，出了问题再说？

不建议。重叠区间恰恰是最容易出错、代价又最高的一类情况——服饰、鞋类、儿童用品的尺码表几乎都存在相邻档位重叠，不提前定好规则，出错只是时间问题。

儿童用品（比如书包、儿童安全座椅）的尺码是不是比成人服饰更难处理？

确实更容易踩坑。儿童尺码常同时涉及年龄、身高、体重多个维度，档位重叠比成人服饰更常见，规则需要定得更细，不能直接套用一套简单标准。

尺码表这种东西经常跟着款式、季节换，自动回复会不会跟着过期？

会，这也是需要商家主动维护的部分。尺码信息该多久检查一次、由谁维护，可以看另一篇《商品知识该多久更新一次？按变化速度分三档，不要按时间》，尺码表通常属于"随款式批次变化"的那一档，不适合配置一次就不再检查。

这件事能不能自动做

客服在尺码问题上反复做的重复劳动，主要集中在"告知客观参数"这一半——同一款商品的衣长、胸围、鞋内长翻来覆去被问，每次都要客服现查详情页再手打一遍，答案从来没变过。金销智服的商品问答沉淀做的就是这一段：把被反复问到、答案客观稳定的尺码参数类问题从日常回复里识别出来，汇总给运营确认，整理成能反复复用的商品问答，减少这一半的重复劳动。

需要说清楚它不做什么：它不做"推荐买哪个码"这类判断——涉及买家自身信息和退换货后果，不是沉淀几条问答就能替商家做决定的事；重叠区间、边界值的处理规则也需要商家自己定好，工具不会替你决定"卡在中间该推大还是推小"；它同样不承诺沉淀后退换货会减少多少。

已经答错的尺码问题怎么发现、发现之后怎么改，是另外两件事——想批量核查客服有没有在尺码问题上给出不合适的答案，可以用会话抽检去回溯聊天记录；具体答错之后该怎么定位原因、怎么改，见《AI 客服答错了怎么改？三种错因对应三种改法》。

想了解具体怎么做的，见商品问答沉淀应用页，批量核查已发生的对话可以看会话抽检应用页。

来源

• 金销智服协助商家处理客服咨询过程中沉淀的排查方法（内部产品实践总结，非公开出版物，整理于 2026-08-25）