Amtrak：以 Julie 擴大旅行自助服務
Amtrak 使用 Julie 覆蓋電話和網站入口，先承接重複出現的旅行諮詢，再讓客服團隊處理需要人工判斷的個案。
旅客提出旅行問題
旅客查詢班次、票價、列車狀態、預訂或訂票。
Julie 識別服務任務
Julie 解析語音或文字請求，並識別相應服務任務。
助手回答或引導流程
助手給出簡潔回覆，或把旅客導入相應的訂票流程。
例外交給客服團隊
超出既定流程的問題繼續交給客服團隊。
實施前：旅客查詢 → 人工回答 → 人工處理例外 實施後：旅客查詢 → Julie 理解 → 自助處理或升級 → 人工處理例外
- 從答案可靠的高頻問題開始。
- 將訂票和服務資料視為工作流的一部分。
- 保留可衡量的自動化轉人工路徑。
查看過程與完整證據
9 節正文保留背景、客戶、定位、渠道、結果、可複製性與下一步
案例速覽
Amtrak 推出語音應用 Julie，用於處理班次、票價、列車狀態、預訂和訂票諮詢。美國交通部簡報稱，該計劃約在 2000 年啟動，當時 Amtrak 每天接到超過 84,000 通旅客來電，並需要理解涉及 46 個州、500 多個目的地的表達。
同一份政府簡報與 2021 年 Verint 訪談都將 Julie 描述為電話和網站服務。美國交通部資料報告電話量，Verint 則報告 Amtrak 電子商務經理訪談中的網站助手指標；這些數字對應不同階段和渠道。
背景與約束
最初的約束不只是來電量。Julie 需要理解自然口語中的請求，再以自動語音給出回覆；美國交通部稱，該應用後來擴展為 Amtrak 網站聊天機械人和短訊服務。
早期設計問題是受控覆蓋：減少重複旅行諮詢對人工的壓力，而不假設所有旅客請求都能自動解決。因此，系統聚焦於簡潔回覆和訂票協助，而不是試圖取代整個客服營運。
目標客戶畫像
Julie 服務的是需要旅行資訊、列車狀態、預訂或訂票入口，而且不想等待人工客服的旅客。
GTM 問題
實際問題是把可預測的旅行諮詢從總體來電負荷中分離出來，使客服能力能集中處理不適合簡潔自動回覆的工作。
定位
美國交通部將 Julie 描述為接收自然語言電話請求、篩選可能輸入並返回自動回覆；Verint 將網站助手描述為提供答案和交易協助，包括把使用者導入 Amtrak 訂票工具。
由此形成的模式是：自動化處理重複資訊和交易入口，人工保留未解決或非標準個案。 邊界比介面本身更重要：它將助手限制在可以提供簡潔、最新回覆的任務中。
渠道
Julie 先透過電話運作，之後擴展到 Amtrak 網站和短訊。Verint 稱其網站部署的目標是服務日訪問量超過 375,000 的網站。
在這些服務入口複用助手，可在旅客原本就會求助的地方提供自助服務。渠道擴展也具有營運意義：同一套知識可處理語音、網站和短訊請求，而不必為每個渠道分別建立首輪服務流程。
結果與證據
美國交通部報告 Julie 每年接聽約 2,000 萬通電話，日均約 55,000 通，高峰期約 95,000 通；該系統獨立處理約 25% 的所有電話。Verint 訪談中，Amtrak 電子商務經理稱網站助手每天回答約 10,000 個查詢，不必要的客服中心轉人工電話減少 20%，且「適當」回覆率超過 90%；該定義是首次提問時得到足夠的回覆。
Verint 還稱，Julie 資料被用於識別網站內容、功能、介面和產品建議方面的問題，把客服互動轉化為改進整體客戶旅程的回饋迴路。
證據支持大規模自助服務能力及服務改進回饋迴路。應將這些指標理解為服務營運指標，而不是完整 ROI 結論：它們說明 Julie 承接了多少工作，以及互動資料如何用於改進內容和介面。
可複製性
可複製性 · 中
適用條件
- 查詢和交易流程可連接到可靠、最新的資料。
- 客戶可在主要服務入口使用自助服務。
- 高風險和複雜問題有清晰的人工升級路徑。
- 團隊能持續評估自助完成、轉人工和服務品質。
不可照搬
- 鐵路時刻、票務和營運系統的複雜度不能直接套用到其他業務。
- 公開來源未完整披露 Julie 的技術架構、查詢分布或成本結構。
風險
- 即時班次或票務資料錯誤會直接影響旅客決策。
- 自助服務指標提升不等於整體滿意度或收入提升。
- 高峰期需求可能超出既有自助流程的覆蓋範圍。
行動引導
來源
- Artificial Intelligence and Machine Learning for TransportationU.S. Department of Transportation, ITS Joint Program Office · 2026-08-17
- All Aboard - A Q&A with Allen Sebrell, AmtrakVerint · 2026-08-17