Lang.ai

Lang.ai

Lang.ai (part of Capacity) · 行銷

Lang.ai 是給客服團隊使用的分析平台。它會自動標記、分流並轉派每一段對話,之後再用自然語言查詢這些資料。

Lang.ai 的介面預覽

關於 Lang.ai

About

Lang.ai 是什麼

Lang.ai 是一套客服數據分析軟體,把客服對話讀成有結構的資料。公司在 2018 年於舊金山成立,靠自動標記打出名號:模型先翻過歷史工單,判斷客人真正在談什麼,再把這些標籤貼到新進的對話上。

只要管過客服信箱,就知道它要解決什麼。工單堆著一個主旨和一大段自由文字,想知道哪裡出問題,只能一篇一篇讀。Lang.ai 把這段閱讀換成分類。客服主管因此能看到退款問題本週漲了三成,而且不必打開任何一張工單。

把它放進候選名單前,有兩個限製要先弄清楚。它賣給有實際工單量的企業,不對個人開放,也沒有自助註冊或公開價格。Capacity 在 2026 年 4 月收購 Lang.ai,官網現在直接導向 Capacity,新客戶談的是 Capacity,而不是一家獨立的供應商。

開始使用

  1. 先與 Capacity 聯絡,說明你的工單量、使用的客服系統,以及想用這些資料做哪些決定。
  2. 用管理員 API 權杖連接 Zendesk;如果用的是其他系統,就先規劃 API 介接。
  3. 把歷史對話以 CSV 上傳,建立專案,讓模型抽出意圖與特徵。
  4. 檢查產生的標籤,依團隊慣用的概念分組,看不懂的就重新命名。
  5. 先在沙箱模式開啟即時標記,確認結果後再對正式工單啟用。

產品資訊

快速了解 Lang.ai 的定價、支援平台與效能。

免費方案否
付費方案Custom quote
平台Web
開發者Lang.ai (part of Capacity)
類別行銷
發布日期Jan 2018
最近更新Apr 2026
網站訪問量721
網站全球排名5.3M
API 提供狀態是

適合對象

這項工具最適合的使用者、任務與情境。

使用者

  • 客服營運主管:每月處理數千張工單的團隊訊號最清楚,因為標記品質取決於歷史資料夠不夠多。
  • CX 分析人員:需要解釋接觸量為什麼變動,又不想整箱工單讀一遍的人。
  • Zendesk 管理員:原生應用程式直接把標籤、優先順序與轉派規則放進他們原本就在管的工具裡。
  • 大型客服組織:業務帶頭的導入流程與 API,適合有採購與介接需求的企業,不適合個人使用者。

任務

  • 自動工單分流:進來的對話依主題貼上標籤,客服還沒打開,佇列就已經排好。
  • 工單路由:標籤驅動依專長指派,讓問題更快落到能解決的人手上。
  • 客戶心聲報告:重複出現的抱怨會依標籤與量能浮出來,產品團隊拿到的是具體線索。
  • 臨時資料提問:代理式分析直接回答上一季哪些帳務問題變多,不必寫 SQL。

情境

  • 退款政策一改,佇列瞬間爆量:各標籤的量能在幾小時內看到尖峰,不必等週報。
  • 旺季支援:臨時客服收到的是真的處理得來的工單,忙季的升級案件因此變少。
  • 上線後追蹤:新功能推出後,抱怨標籤出現得夠早,還來得及修。

主要功能

用自家歷史工單長出標籤

專案從一份歷史對話的 CSV 開始。模型自己抽出意圖與第二層特徵,再提出一組標籤讓你檢查、改名。不必動員人工標註,也不必從零寫一套分類架構,這是團隊能在幾天內、而不是幾個月內,得到可用分類器的關鍵。

AI 自動標記工單,即時進行

專案上線後,AI 自動標記工單會處理進來的對話。在 Zendesk 裡,觸發器把每張新工單送進專案,回傳的標籤再寫回工單。沙箱開關讓你正式啟用前先看輸出結果,這就是安全試辦與一團混亂的差別。

自動工單分流與工單路由

標籤餵給你客服系統原本就支援的規則。優先順序會調整,工單會送到具備對應專長的客服手上,內部備註則摘要客人要什麼。自動工單分流與工單路由吃的是同一套分類,規則設定一次就够。

可以追問的代理式分析

較新的一層是代理式分析:代理讀取結構化與非結構化的 CX 資料,用自然語言回答問題。不必為每個問題做一張儀表板,主管問一句「上個月取消原因有什麼變化」,就能拿到附帶數字的書面答案。

給自訂流程用的 REST API

所有分類結果都能透過 HTTP 取得。你把文字連同專案 ID 送到分析端點,取回標籤與意圖;也可以連同中繼資料儲存文件,之後再拿來做報表。如果你的技術堆疊有 CRM、資料倉儲或內部工具,API 就是把對話分析送進去的那條路。

依標籤與中繼資料看量能

存下來的文件會保留你送出的中繼資料,儀表板因此能依方案、地區或產品線拆解量能。到這裡,CX 分析不再只是一串標籤,而是開始顯示趨勢:哪些主題在長、哪些在退,哪一個這一季該有人負責。

優缺點

優點

  • 標記從你手上已有的資料開始,第一個有用結果出現前,不必先做人工標註專案。
  • Zendesk 介接是原生的,還附沙箱模式,試辦的風險因此很低。
  • 只要模型有足够的對話資料,分類可以涵蓋多種語言。
  • REST API 會回傳標籤與意圖,分類結果因此能驅動客服系統以外的工作流程。
  • 代理式分析用自然語言回答問題,讓資料到決定的距離縮短。

缺點

  • 沒有公開價格,也沒有自助試用,評估一定從業務對話與報價開始。
  • 2026 年 4 月被 Capacity 收購後,獨立產品正在收尾,現在進場的人接手的是 Capacity 的平台與發展路線。
  • 每月只有幾百張工單的小團隊,資料量撐不起可靠的標籤,價值因此偏向高量能的營運單位。
  • 不是 Zendesk 的系統都要靠 API 介接,這通常意味著在看到第一個結果前,得先投入工程時間。

常見問題

它讀客服對話,轉成標籤與意圖。這些標籤驅動分流、轉派與報表,代理式分析那一層則讓你直接對資料提問。