自动选"最近活跃"：27% 选错人。要求提供邮箱：2%。

客户查询返回 3 条”张三”记录。系统自动选了最近活跃的那条，处理了 $200 退款。实际客户是第二近的匹配。$200 退给了错误的人。

按任何启发式规则自动选择——近期活跃度、订单数、消费金额、地理位置——都是猜测。只有客户本人能确认身份。

数据

500 次多匹配查询：

自动选择导致 27% 的错误客户操作。6 个月内 1,000 个案例中：85 笔错误退款（$12,000）、120 次错误的账户修改、65 次隐私泄露。切换到基于标识符的方式后：2% 的错误率。

消歧流程

查询返回多条匹配时：

1. 要求提供额外标识符 — 邮箱、电话、订单号、账号
2. 如果第一个标识符不可用 — 要求替代（邮编、电话后四位、订单号）
3. 如果没有标识符能解决 — 升级到人工（2% 的案例）

永远不要自动选择。永远不要向客户展示所有匹配记录（暴露其他人的数据）。永远不要联系所有匹配结果（隐私侵犯）。

为什么启发式规则失败

任何启发式组合都比不上客户提供的标识符。自动化只是在猜测上增加了复杂度，没有实现身份验证。

隐私考量

• 展示所有匹配 向来电者显示其他客户的信息——隐私侵犯
• 给所有匹配发邮件 联系了与支持案例无关的人——隐私侵犯
• 自动选错客户 向来电者展示他们的详情——隐私侵犯

基于标识符的方式避免了这三种情况：客户提供自己的数据，系统匹配，不暴露其他客户的数据。

速度 vs 安全

要求标识符需要约 10 秒。选错客户的善后需要几分钟到几小时。10 秒的提问在每 1,000 个案例中防止了 $12,000 的错误退款、120 次错误修改和 65 次隐私事件。速度和安全两个约束同时满足。

一句话总结： 永远不要从多条匹配中自动选择——要求客户提供邮箱、电话或订单号，把选错客户的操作从 27% 降到 2%，每 1,000 个案例防止 $12,000 的错误退款。