客户群少的时候，主管大概还能凭感觉判断
谁回复比较快？
谁处理客户问题比较细？
但当企业微信外部群越来越多以后，这种管理方式很快就会失效。
一个员工可能同时服务十几个群。
有的人消息很多，但真正解决的问题并不多；
有的人回复很快，但答案不完整；
还有一些客户问题可能已经在群里等了几个小时，却没人注意到。
立刻智能体旗舰版的 「企微绩效」，就是把这些真实群聊转成可以查看和复盘的服务数据。
不是统计“发了多少消息”，而是看一次服务做得怎么样
企微绩效会对指定考核群里的对话进行议题分段。
例如客户围绕：
这票什么时候开港？
展开了一轮沟通，
系统会把这段交流作为一个议题，再从多个维度进行评价。
目前评分主要看五项：
- 响应时长
- 服务态度
- 回答准确性
- 回答完整性
- 合规
五项权重加起来必须为 100。
其中响应时长根据实际耗时计算；
服务态度、准确性、完整性和合规，则可以根据企业自己的要求补充 AI 评判口径。
也就是说，不同公司可以定义：
什么才算自己认可的一次好服务。
使用前，要先明确“哪些群、哪些员工需要考核”
企微绩效不会默认把所有聊天全部拿来评分。
企业需要先打开：
绩效考核总开关
并选择用于评分的模型。
关闭总开关以后，就不会继续采集、分段和评分，也不会继续为绩效调用 AI。
考核群可以手动添加。
旗舰版也可以选择：
考核全部群。
同时还需要设置被考核员工。
只有加入考核员工列表的成员回复，才会计入对应绩效。
员工人数本身不限。
主管在看板里主要看什么？
绩效看板会按员工汇总几个比较直接的指标。
例如：
质量分
看整体回答质量。
产量
看处理了多少议题，以及这些议题分别属于：
问题、表扬、投诉、建议或其他。
还有：
首次响应时长
以及：
平均响应时长。
主管可以继续下钻查看趋势和具体议题。
这样就不用只看一个总分，而是可以进一步判断：
到底是回复慢，
还是回答不准，
还是完整性经常丢分。
“表扬”不是简单的正面情绪
这里有一个容易误解的地方。
企微绩效里的：
表扬
指的是客户正在进行“表扬”这一类行为。
它不是简单把语气积极的消息都算成表扬。
例如客户只回复：
谢谢。
这种普通客套，并不会因此被统计成一次表扬。
同时，“表扬”属于议题分类，并不直接参与质量分计算。
相关统计从该能力上线以后开始产生，之前的历史消息不会回溯补算。
比分数更实用的，可能是“待办回复”
主管真正担心的，往往不是某个员工少了一两分。
而是：
客户问了问题，但一直没人回。
企微绩效里的 「待办回复」 会把这类长时间无人响应的客户会话单独列出来。
可以按等待时间筛选，例如：
- 超过 30 分钟
- 超过 1 小时
- 超过 3 小时
并可以继续定位到对应原话。
这对客服主管很实用。
因为它把：
“有没有客户正在被遗忘？”
从一个靠人巡群的问题，变成了可以直接查看的待办。
图片和语音，也可以进入质检
货代群里很多问题并不是纯文字。
客户可能发一张截图，
或者直接发一段语音说明异常。
在考核群中，这类图片和语音可以进一步识别为文字，用于：
预览、检索以及质检分析。
相关识别产生的消耗，也会记录到对应报表中。
这样复盘时看到的就不只是纯文字消息，而是更完整的客户沟通过程。
高分回答和低分问题，后面还能继续用
绩效评分本身并不是终点。
高质量议题可以进入：
知识学习
进一步蒸馏成知识库里的标准答案。
而低分、投诉、超时或者未解决的问题，则更适合作为：
员工辅导和知识补充的线索。
于是整个过程可以形成一个闭环：
真实服务 → 绩效评分 → 发现好回答和问题 → 优化知识与服务。
绩效分数不能替主管做最终判断
AI 可以帮助企业处理大量群聊、计算响应时长、按照规则分析回答质量。
但这并不意味着：
有了评分以后，主管就不需要管理团队。
业务复杂度、客户背景、异常原因以及一些特殊场景，仍然可能需要人工结合上下文判断。
更合理的方式是：
让 AI 帮主管找到值得看的地方。
谁长期回复慢？
哪些议题经常低分？
哪些客户正在等待？
哪些回答值得沉淀？
主管再把精力放在这些真正需要关注的问题上。
使用前提
企微绩效目前属于：
旗舰版能力。
它依赖已经接入的企微机器人及对应考核群数据。
套餐降级以后，如果当前考核群数量超过新套餐允许范围，部分群可能被冻结，需要重新裁剪配置。
会话存档和绩效相关数据的使用，也应继续遵循企业微信以及相关法律法规要求，完成必要的授权和告知。
最后
以前主管管理企微客服，常常需要不停地：
巡群。
但群一多，人很难长期做到既看响应速度，又看答案质量，还不错过无人处理的问题。
企微绩效想解决的，不是简单做一个“员工排行榜”。
而是把真实客户服务拆成几个可以被观察的问题：
回得快不快？
答得对不对？
说得够不够完整？
有没有长期没人处理？
哪些回答值得复制？
当这些信息能够从真实群聊里被持续整理出来，
主管才能从“凭感觉管客服”，逐渐变成：
有数据地看问题，再回到具体对话做管理。