公司股份回购 - 公司于2026年1月30日执行了股份回购操作 [1] - 此次回购耗资7.37万港元 [1] - 此次回购涉及1.74万股股份 [1]

| 第一章節 | | | | | | | | | --- | --- | --- | --- | --- | --- | --- | --- | | 1. 股份分類 | 普通股 | 股份類別 不適用 | | | 於香港聯交所上市 | 是 | | | 證券代號 (如上市) | 02167 | 說明 | | | | | | | A. 已發行股份或庫存股份變動 | | | | | | | | | | | 已發行股份（不包括庫存股份）變動 | | | 庫存股份變動 | | 已發行股份總數 | | | 事件 | 已發行股份（不包括庫存股份）數 目 | | 佔有關事件前的現有已發 行股份（不包括庫存股 份）數目百分比 (註3) | 庫存股份數目 | 每股發行/出售價 (註4) | | | 於下列日期開始時的結存(註1) | 2026年1月28日 | | 173,489,800 | | 510,600 | | 174,000,400 | | 1). 購回股份 (股份被持作庫存股份) | | | -17,400 | 0.01003 % | 17,400 HKD | 4.236 | | | 變動日期 | 2026年1月30日 ...

行业背景与核心矛盾 - 软件行业市场进入存量阶段，新销售线索变少成为普遍共识，企业关注点从获取更多线索转向如何充分转化现有线索[1] - 软件公司售前客服人员大部分时间被日常咨询接待与留资登记等低价值工作占据，用于与客户深入沟通、推进邀约与转化的时间被大幅挤压[1] - 行业开始思考将占用大量时间但价值不高的环节交给AI，但多数企业在决策时犹豫不决[1] 企业对AI售前接待的三大顾虑 - 担忧留资率下滑：在存量市场下线索稀缺，即使留资率仅下降1-2个百分点，结果也会被放大，导致管理者倾向于维持现状[4] - 顾虑客户体验：客户对“机器人客服”存在刻板印象，如回答模板化、语气生硬、无法理解业务场景，担心客户意识到是AI后会退出对话[5] - 责任与决策成本压力：AI介入售前接待被视为直接影响业务指标的决策，一旦效果不如预期，责任归属、回滚及团队继续尝试的意愿都成为现实问题，管理者在缺乏确定性时倾向于观望[6] AI售前解决方案的关键能力 - 规模化与专业度：AI具备高并发承接能力，能保证秒级响应，避免因客服响应时间超过10秒导致的客户流失率直线上升[9][10] - 专业咨询能力：基于大模型的AI实现了从死记知识库到“千人千面”专业咨询的跨越，能精准识别客户意图与背景，动态生成个性化回复，无论是高管ROI分析还是技术专家接口参数问题都能承接[11] - 极致拟人化交互设计：通过视觉与语感模拟（如使用企业客服头像、关闭流式输出模拟人工打字停顿、设定口语化表达与短句输出），曾有访客在交流17轮后才发现对方是AI[12] AI提升留资与转化的关键技巧 - 情境共鸣与利益驱动：利用IP识别建立地域亲近感，并在引导留资时以利益驱动方式（如“文件较大，系统内无法发送”）顺势获取联系方式[13] - 超时挽留机制：针对长时间未回复的访客，系统自动触发温和话术挽留，将流失边缘的对话重新拉回互动轨道[13] - 形成闭环链路：通过从意图识别到自然留资的闭环，AI不仅承接大量咨询工作，更在沟通氛围上创造让用户愿意停留和转化的自然情境[14] 实施效果与成本效益 - 一家财务信息化领域头部企业使用ZENAVA承担售前接待后，留资率不仅未下降，反而有所提升[8] - 人工座席得以从基础工作中解放，专注于线索邀约与转化[8] - 按该岗位综合成本1万元/月计算，一个岗位一年能为企业节省超12万元用人成本[8] 成功实施的关键建议 - 避免简单套用通用配置：不同企业的客户类型、沟通习惯和决策节奏存在明显差异，对话路径、引导方式和话术策略需根据具体场景做针对性调整[16] - 围绕业务目标进行细粒度优化：关键并非套用技巧，而是结合场景进行优化与验证[16] - 建议通过POC接入真实数据与流量，在实际环境中观察效果并不断微调策略，让AI真正融入业务[16]

如果你现在还认为"投诉必须转人工"，那你大概率已经落后了。 一家月活6亿的网约车平台，已经实现了AI对投诉场景的独立接管。而且Agent仅上线两个月，独立接待 率已经超过65%，独立建立工单准确率更是达到95%以上。 在这个被普遍认为"最容易失控、最不敢试错"的场景里，AI不但没有制造风险，反而成了稳定器。 那么，他们是如何在客诉场景把Agent应用得这么好的呢？下面我们一起来拆解一下。 首先，为什么要用AI来处理客诉？ 作为国内头部网约车平台，其月活跃用户规模达到6亿，如此高频的使用场景下，每天仅围绕司机服 务、物品遗失等问题，就会产生大量投诉与反馈咨询。 这些问题完全依赖人工客服来承接，意味着平台必须长期维持一支规模庞大的客服团队，不仅人力成本 高，调度与管理压力也非常大。 与此同时，平台客服的工作时间为早9点至晚6点，而用户打车却是24小时不间断的。大量投诉发生在非 工作时间，只能以留言方式留存，等客服上班后再处理，直接影响用户的服务体验与情绪感受。 除此之外，这一平台的客服场景还存在一个现实问题。 由于采用的是聚合型打车模式，该平台本身并不提供运力，而是由多家网约车公司共同承接订单。这意 味着，在处理 ...

企业落地Agent的核心挑战与解决方案 - 许多企业在初次落地Agent时，未能对业务场景进行有效拆分，这直接导致Agent后续能力无法成立[1][2] - 如果业务场景模糊，Agent在面对真实用户和问题时只会泛泛而谈，无法抓住重点并解决客户诉求[2] - 清晰的场景边界是Agent知识运用、流程流转和逻辑判断的依据，是其快速、准确、流畅解决问题的前提[2] 业务场景拆解的五个核心维度 - **用户身份**：需明确Agent的对话对象，例如消费者、服务商、经销商或企业内部团队，不同用户对Agent的期待完全不同[3] - **交互渠道**：必须明确用户从哪个渠道进入，如电话、小程序、App或官网，这决定了Agent能获取的用户信息量和可调用的能力[5] - **用户意图**：推动对话的关键是用户当下的真实意图，例如咨询产品规格、处理保修或退换货，意图是连接知识与流程的索引点[6] - **用户情绪**：在客服场景中，用户情绪是重要变量，例如情绪激动可能使咨询演变为客诉，需要完全不同的处理路径和升级机制[8] - **结构化迭代**：场景拆解的价值在于将混乱的业务问题转化为可持续迭代的结构，使单个场景的知识边界明确，优化路径更清晰[9] 有效场景拆解带来的根本性转变 - 知识被模块化，用户意图与知识点之间建立精准映射，使Agent告别模糊搜索，实现响应快、准、稳[10] - 任务实现闭环，在定义的边界内，每个指令都指向明确动作，如查订单、建工单，使对话能深入业务解决真实问题[10] - 运维变得“举重若轻”，模块化架构使Agent可理解、可交接、可迭代，为未来规模化业务扩张夯实数字地基[10] - Agent的生命力在于在清晰场景下提供“确定性”，这种清晰架构是支撑其从实验室走向复杂生产环境并持续运行的关键[10]

天润云(02167)发布公告，于2026年1月28日该公司斥资2.26万港元回购5000股，回购价格为每股4.51港 元。 ...

公司股份回购行动 - 公司于2026年1月28日执行了股份回购，斥资总额为2.26万港元 [1] - 此次回购涉及5000股股份，回购价格为每股4.51港元 [1]

格隆汇1月28日丨天润云(02167.HK)公告，1月28日耗资2.3万港元回购5000股。 ...

股份数据 - 2026年1月27日已发行股份（不含库存）173,494,800，库存505,600，总数174,000,400[3] - 2026年1月28日购回股份5,000，每股4.51港元，总额22,550港元[3][9] - 2026年1月28日结束时，已发行（不含库存）173,489,800，库存510,600，总数174,000,400[3] - 公司可根据购回授权购回股份总数17,363,300[9] - 根据购回授权已购回股份143,200，占比0.0825%[9] 时间相关 - 购回授权决议通过日期为2025年5月28日[9] - 股份购回后新股发行等暂停期截至2026年2月28日[9]

天润云(02167)公布，2026年1月27日耗资约6.6万港元回购1.54万股股份。 ...