從 Tidio 遷移到 Chatlyst 的完整指南
2026年9月7日
作者：Hunter Stone
Tidio 在 live chat 領域確實打下了不錯的基礎。對於經營 Shopify 商店的小型電商來說，它滿足了基本需求：聊天小工具、簡單的自動化流程，以及一個勉強堪用的 AI 機器人 Lyro。這套產品能用 —— 直到它不能用為止。
崩潰點通常以三種形式出現。
價格斷崖來得毫無預警。 Tidio 的 Starter 方案每月 $29。對於一兩個客服人員、處理少量對話的團隊來說，這價格還算合理。但當你需要超越基礎自動化功能時，就會被推升到 Growth 方案 —— 每月 $59。需要企業級功能，例如多管道支援、進階分析或 SLA 追蹤？那就得選 Plus 方案 —— 每月 $749。從 Growth 到 Plus 是 12.7 倍的跳躍。多數 SaaS 工具有價格分級，Tidio 有的則是深不見底的峽谷。
Lyro 在常見問題上的解決率頂多 60%。 剩下 40% 會轉給真人客服，而且往往帶著不完整的上下文資訊。G2 和 Capterra 上的評論者反覆點出同一個問題：Lyro 給出「不相關或錯誤的回覆」。一位評論者提到，他們的機器人推薦了一款已經停產半年的產品。另一位描述了一個無限循環：Lyro 連續三次問同一個資格確認問題，然後放棄。
60% 自動化率在紙面上看起來還行。但實際上，這意味著你的團隊仍然要手動處理每五場對話中的兩場。如果一個客服團隊每週要處理 500 張工單，那就是 200 場需要人工介入的對話。當規模擴大到 2,000 張工單時，你必須為了填補這個缺口而額外聘請客服人員。
Tidio 本質上是個聊天平台。 它的郵件整合很淺層。WhatsApp 和 Facebook Messenger 等社交管道在高階方案裡才能當附加功能使用。如果你的客戶期望用他們偏好的管道聯繫你 —— Zendesk 的數據顯示 73% 的消費者希望在不同管道間切換時不必重複說明問題 —— Tidio 會把你逼進一個「聊天優先」的框架，這讓客服人員和客戶都相當挫折。
還有一個很少在一開始就提到的限制：Tidio 是圍繞電商設計的。如果你經營的是 SaaS 公司、專業服務公司、醫療診所，或任何非零售業務，Tidio 的功能集預設你是在「銷售產品」，而不是「提供服務」。工作流程、範本和 AI 訓練都偏向產品目錄和訂單查詢。
再加上維護負擔。Lyro 需要 2 到 3 小時的初始訓練 —— 設定意圖、對應回覆、配置降級規則。每次產品更新、價格變動或政策修訂，都需要手動更新機器人。沒有持續學習能力。你的團隊變成了機器人的維護小組。
遷移到 Chatlyst 能獲得什麼
Chatlyst 是為了已經超越純聊天工具的團隊而打造的。差異不是漸進式的 —— 而是結構性的。
AI 解決率從 60% 躍升到 95%。 Chatlyst 採用檢索增強生成（RAG）管道，能從知識庫、過往對話和客服人員修正中持續學習。Lyro 是將關鍵字匹配到預寫回覆，Chatlyst 則是理解上下文。當客戶說「我的包裹還沒到，我週五就要出城了」，Chatlyst 會檢查訂單狀態、預估送達時間，並提供「改為門市自取」的選項 —— 而不是一個籠統的「請查看物流追蹤」回覆。
從第一天起就是真正的全渠道。 Chatlyst 將聊天、郵件、WhatsApp、Facebook Messenger 和 SMS 整合到單一收件匣。一位客服人員可以同時處理 WhatsApp 訊息、郵件對話和即時聊天，完全不需要切換分頁。客戶上下文跟著客戶穿越每個管道。無需重複解釋。沒有重複工單。
沒有座位費。 Chatlyst 按照解決量收費，不是按人頭計費。在假日購物季臨時增加十個客服，帳單不會翻倍。一月減少人數也不會被罰款。這種定價模式讓成本與實際使用量掛鉤。
KC Bot 自動學習。 Chatlyst 的知識中心機器人會即時觀察客服人員的修正行為。當客服人員覆寫 AI 回覆時，KC Bot 會在數小時內更新模型 —— 不需要像重新訓練 Lyro 那樣等上好幾週。在頭 90 天內，多數團隊會看到他們的自動化率從初始的 95% 提升到 97-98%，因為 KC Bot 不斷吸收邊緣案例。
企業級功能內建。 SLA 管理、合規報告、角色權限、稽核日誌和自訂資料保留政策都是標準功能。你不需要選擇 $749 的方案才能獲得基本的營運控制權。
遷移前的準備清單
在動任何設定之前，先審核你現有的資料。這份清單能防止資料遺失，確保遷移過程乾淨順利。
匯出所有 Tidio 資料
從 Tidio 後台匯出所有聊天記錄（CSV 或 JSON 格式）。下載 Lyro 對話日誌 —— 特別是失敗或被升級的部分。這些失敗案例是訓練新 AI 的黃金素材。
整理知識庫與聯絡人資訊
記錄你目前的知識庫文章和分類結構。匯出聯絡人清單，確保自訂欄位和標籤完整保留。截圖你目前使用中的聊天小工具配置和品牌設定。
記錄自動化流程與整合
列出所有活躍中的自動化流程及其觸發條件。確認哪些整合（Shopify、Zapier 等）需要重新連接。通知你的團隊遷移時間表和預期的停機時間。
設定 Chatlyst 工作區
建立你的 Chatlyst 工作區帳號，驗證管理員存取權限。建立一個共享的遷移資料夾，讓所有相關人員都能讀取。
這份審核工作預計需要一個完整的工作日。前期的投入會在遷移完成時回報給你 —— 不會有資料遺失，也不會有工作流程中斷。
十步完成遷移
第一步：匯出所有 Tidio 資料
登入你的 Tidio 後台。進入「對話」頁面，以 CSV 格式匯出聊天記錄。前往「聯絡人」區塊，匯出完整的聯絡人資料庫。對於 Lyro 日誌，進入 AI 聊天機器人分析面板，下載對話資料 —— 特別關注 Lyro 失敗或升級給真人的對話。這些失敗案例是訓練新 AI 的黃金素材。
第二步：審核 Lyro 的自動化流程
打開你在 Tidio 中建立的每個自動化流程。記錄觸發條件、回覆順序和升級規則。對每個流程誠實自問：這真的有用嗎？失敗率高的流程不應該原封不動地遷移 —— 它們是用 Chatlyst 更強大的推理引擎重建的機會。
第三步：設定你的 Chatlyst 工作區
建立你的 Chatlyst 工作區。配置基本設定：公司名稱、時區、語言偏好和通知規則。邀請你的管理團隊。先不要邀請前線客服 —— 先把基礎打穩。
第四步：匯入知識庫和對話資料
將你的 Tidio 知識庫文章上傳到 Chatlyst 的知識中心。匯入工具會自動映射你的分類。接著，匯出你匯出的聊天記錄。Chatlyst 會利用這些對話記錄來訓練 AI，學習你特有的對話模式、語氣和常見問題類型。
第五步：用進階 RAG 配置 AI
這是讓遷移從「平移」變成「升級」的關鍵步驟。Chatlyst 的 RAG 管道會消化你的知識庫、過往對話、產品文件和 FAQ 內容。設定檢索參數：AI 在回覆前應該參考多少資料來源、自動解決與升級之間的信心閾值、語氣指引。用 20-30 個真實客戶問題測試，比較 Chatlyst 的答案和 Lyro 的歷史回覆。改善效果應該一目瞭然。
第六步：連接所有管道
這是你超越 Tidio「聊天優先」模式的機會。連接即時聊天（使用 Chatlyst 小工具）、郵件支援、WhatsApp Business、Facebook Messenger 和任何 SMS 專線。每個管道都匯入統一收件匣。設定各管道的回覆時間預期 —— WhatsApp 可能承諾 5 分鐘內回覆，郵件則是 4 小時 —— 讓 Chatlyst 據此路由。
第七步：設定升級和移交規則
定義什麼情況觸發真人接管。常見規則包括：情緒分數降到中性以下、客戶明確要求真人服務、訂單價值超過某個閾值、或 AI 信心分數低於 85%。配置移交協議，讓真人客服收到完整上下文 —— 對話記錄、客戶資料、訂單數據，以及 AI 升級的理由。
第八步：培訓團隊使用全渠道收件匣
邀請你的前線客服人員。帶他們走一遍統一收件匣介面。展示來自不同管道的對話如何出現在同一個時間線上。示範 AI 建議面板 —— Chatlyst 會起草回覆，客服可以編輯、核准或覆寫。培訓他們使用內部備註、標籤和指派規則。多數客服在 60 分鐘的培訓後就能上手。
第九步：平行運行一週
在網站上同時保留 Tidio 和 Chatlyst。將 70% 的流量導向 Chatlyst，30% 保留在 Tidio。每天監控解決率、回覆時間和客戶滿意度分數。這段平行運行期能抓出邊緣案例，也讓團隊建立信心。記錄任何異常情況，並據此調整 Chatlyst 的配置。
第十步：完全切換與持續優化
當平行運行的數據驗證了 Chatlyst 的表現後，移除 Tidio 小工具。將所有流量導向 Chatlyst。在第一個月內，每週檢視 AI 解決儀表板。KC Bot 會標示出它不確定的對話 —— 檢視這些對話並提供修正。你的自動化率會逐週提升。
從 Lyro 升級到 Chatlyst AI
Lyro 運作在規則框架之上，搭配有限的 NLP 能力。它將用戶輸入匹配到預定義的意圖，然後提供範本回覆。這種架構解釋了為什麼它頂多達到 60% 解決率 —— 任何偏離訓練腳本的問題都會讓流程崩潰。
Chatlyst 的 AI 使用現代 RAG 架構。當客戶提出問題時，系統會從多個來源檢索相關資訊 —— 你的知識庫、過往類似對話、產品文件和 FAQ —— 然後即時生成上下文相關的回覆。它不依賴預寫腳本。
來看一個實際例子。客戶訊息：「我改變主意不想要藍色的了，如果還沒出貨的話可以換黑色的嗎？」
Lyro 可能的回覆：「請聯繫我們的客服團隊處理訂單變更。」這是一場升級。客戶現在得等真人客服。
Chatlyst 的回覆：「我可以幫您處理。您的訂單 #48291 還在處理中，我可以幫您把藍色 M 號外套換成黑色的。這個變更會讓出貨延遲約 12 小時。請問要繼續嗎？」這是一場解決。不需要真人介入。
Lyro 和 Chatlyst 之間 35 個百分點的差距，談的不是漸進改善。而是根本不同的 AI 支援方法論。
超越聊天：擴展到 WhatsApp、郵件與 Messenger
Tidio 自稱全渠道，但實際上限制頗多。WhatsApp 整合需要 Plus 方案。郵件支援是次要功能。SMS 不是原生功能。對於想在客戶真正使用的管道上與他們見面的團隊來說，這造成了摩擦。
Chatlyst 對待每個管道都是一等公民。這開啟了什麼可能性：
WhatsApp Business API
連接你的認證 WhatsApp Business 帳號。客戶可以主動發起對話、查詢訂單狀態、接收主動出貨更新 —— 全部在你客服人員已經使用的統一收件匣內完成。常見場景的範本訊息（送達確認、預約提醒）都已預先建好且可自訂。
帶 AI 摘要的郵件支援
郵件工單和聊天對話進入同一個佇列。Chatlyst 的 AI 會讀取完整對話串，理解來回往復的上下文，然後起草引用先前交流的回覆。再也不會出現「如我先前郵件所述」這種來自沒看過先前郵件的客服人員的回覆。
Facebook Messenger 與 Instagram
社交支援管道直接連接。在 Instagram 上私訊你頁面詢問產品的客戶，會收到與即時聊天相同 AI 驅動品質的回覆。對話記錄會跨管道同步。
用於緊急通訊的 SMS
高優先級警報 —— 詐騙通知、送達異常、預約變更 —— 直接傳到客戶手機。SMS 回覆會回流到統一收件匣供追蹤。
結果是單一真相來源。你的客服人員不需要檢查五個不同平台。你的客戶在不同管道間切換時不需要重複說明。你的分析反映的是真實對話量，不是破碎的、按管道分開的報告。
團隊培訓：適應全渠道工作空間
遷移最大的障礙不是技術 —— 是變革管理。在 Tidio 以聊天為中心的介面中工作了好幾個月的客服人員，需要適應一個五個管道的對話出現在同一個動態消息中的工作空間。
從一場 60 分鐘的團體培訓開始。涵蓋基礎：導航、管道標示、指派規則和內部溝通工具。然後進入實際操作練習。給每位客服人員三場模擬對話 —— 一場聊天、一封郵件、一則 WhatsApp —— 讓他們使用 Chatlyst 的 AI 建議來解決每場對話。
培訓重點：
- AI 起草回覆，但客服人員控制最終輸出品質。品質保證始終由人類把關。
- 內部備註和標籤幫助交接班時的隊友快速掌握上下文。
- 統一時間線顯示客戶的完整歷史，不論管道為何。善用這個功能。
- 升級觸發器是安全網，不是失敗。在情況需要時果斷升級。
多數客服人員在三天內達到完整生產力。表現較吃力的通常只需要額外指導如何使用 AI 建議面板 —— 教他們如何編輯 AI 草稿，而不是從頭寫起。
在上線一週後安排一場後續培訓。回答問題、分享早期採用者的最佳實踐、一起檢視 AI 準確度儀表板。透明建立信任。
平行運行策略
對於高對話量的團隊，平行運行是不可妥協的步驟。以下是在不混淆客戶的前提下執行的方法。
在網站上同時部署兩個小工具一週。使用地理分割 —— A 地區的訪客看到 Chatlyst，B 地區看到 Tidio。或者按流量來源分割 —— 自然流量使用 Chatlyst，付費流量保留在 Tidio。避免對同一位用戶顯示兩個小工具。
每天追蹤這些指標：
- AI 解決率（目標：第 3 天前達到 90%+）
- 平均回覆時間（Chatlyst 應該在 48 小時內超越 Tidio）
- 客戶滿意度分數（CSAT）
- 升級率和升級原因
- 每場對話的客服處理時間
如果到第 5 天，Chatlyst 的解決率維持在 90% 以上，且 CSAT 達到或超越 Tidio，你就準備好完全切換了。如果沒有，找出差距所在 —— 通常是一篇需要更新的知識庫文章，或一個需要調校的管道配置。
成本比較：Tidio vs Chatlyst
來看看一支 10 人客服團隊、每月處理 2,000 張工單的真實數字。
Tidio Growth 每月 $59，給你基礎自動化和聊天功能。但有了 2,000 張工單，你可能需要 Plus 方案 —— 每月 $749 —— 才能獲得多管道支援、進階分析和更高的對話上限。如果 Tidio 推出座位費（他們正朝用量計費的方向發展），還要額外加價。年度成本：最低 $8,988，實際上可能更高。
Chatlyst 的定價按解決量擴展，不是按人頭計費。對於 2,000 張工單，95% 由 AI 解決，你實際需要人工處理的工單數降到 100 張。你為 Chatlyst 交付的解決付費，不是為監控它的客服人員付費。這個規模的多數團隊，與 Tidio Plus 相比可節省 40-60% 的年度成本。而且沒有價格斷崖 —— 增加更多管道或客服人員不會觸發方案跳級。
Tidio 的隱藏成本是手動工作。Lyro 無法處理的每週 200 張工單需要真人客服。以平均每張工單 8 分鐘的處理時間計算，這相當於每週 27 小時的人工。Chatlyst 的 95% 解決率將這個數字砍到 5 小時。省下的 22 小時可以轉化為有意義的人力成本降低，或投入更高價值的工作。
遷移後：KC Bot 的持續改進
遷移日不是終點線 —— 它是起跑線。Chatlyst 的 KC Bot 確保你的 AI 在無需手動重新訓練的情況下持續改善。
KC Bot 監控每場客服人員修正 AI 的對話。它提取修正內容，更新檢索模型，並用歷史對話測試改善效果。在 24 到 48 小時內，更新後的模型會更準確地處理類似問題。
在遷移後的第一個月，每週安排 15 分鐘檢視 KC Bot 的學習報告。它會呈現三件事：
- AI 從未見過的新問題（將這些加入你的知識庫）
- 修正模式（如果三位客服覆寫了同一個回覆，KC Bot 會標示出來進行更深入的分析）
- 信心趨勢（自動化率在頭一個月應該每週提升 1-2%）
到第 90 天，多數團隊在沒有任何手動重新訓練的情況下達到 97-98% 的解決率。相比之下，Tidio 每次產品更新、政策變更或季節性促銷都需要數小時的手動機器人配置。