陈树

项目

三个从0到1落地的AI系统,覆盖增长系统、插件化架构、可控决策系统

AI产品经理 + Agent工程师

AI即时探需系统

客户画像驱动 → 差异化探需 → 转人工

用户画像Agent构建客户分层+偏好画像,AI销售回复Agent按客户类型差异化探需,只处理探需节点,完成后转人工

业务建模

基于20万+历史聊天数据,深度访谈20+一线销售,构建完整的客户画像体系。客户画像包含两个维度:SABCD五级客户分层(基于消费能力与意向等级自动分级)+用户偏好画像(手机款式偏好、是否自用、购买用途等),形成精准的客户理解。将销冠经验沉淀为标准化销售SOP,嵌入Agent Prompt。

客户画像:SABCD分层 + 偏好画像(款式/用途等)关键词+意向语句自动分级销冠经验→标准化销售SOP

AI落地

双Agent即时回复架构:用户画像Agent实时构建客户分层与偏好画像,AI销售回复Agent根据客户类型匹配差异化探需策略——单品配件客户侧重配件关联推荐、单品手机客户侧重场景化探需、多手机高价值客户侧重尊享体验与增值服务。系统只处理探需节点,探需完成或触发关键节点自动转人工销售。

双Agent架构:用户画像Agent + AI销售回复Agent三类客户差异化探需策略只做探需,完成/关键节点→转人工

系统设计

设计完整A/B测试框架与数据飞轮:分层抽样分析「成交 vs 流失」客户数据,归因分析结果反哺Prompt优化。形成「数据采集→洞察分析→模型迭代→A/B验证」的完整闭环。转人工边界机制:探需完成信号检测+关键节点触发规则,确保AI在合适时机退出。

A/B测试框架(实验组/对照组各300样本)数据飞轮:采集→洞察→Prompt→验证转人工边界机制:探需完成检测+关键节点触发

架构流程

架构图渲染中...

量化结果

提升10-15%
销售业绩
提升100%(20% vs 10%)
A→S转化率
缩短约60%
新人培训周期
200人团队 / 20万+客户
服务规模
AI产品经理 + 架构设计

基于MCP的插件化服务架构

从服务拆解 → MCP插件化 → 自动化编排

将复杂人工服务流程重构为可编排的AI插件体系

业务建模

深入客服场景,拆解跑腿、接送机、机票预订等复杂服务流程,定义自动化边界与权益引擎。根据客户等级智能匹配对应服务权益,确保高净值客户的差异化体验。质检Agent自动检查AI客服回答准确度,持续保障服务质量。

复杂服务流程拆解与自动化边界定义分层权益引擎:按客户等级匹配服务质检Agent:自动保障回答质量

AI落地

自研MCP架构,将跑腿、接送机、机票查询分别封装为独立MCP插件,实现多能力解耦与动态编排。集成RAG系统与长文本压缩,确保复杂上下文下的响应质量。多模型策略(GPT、Gemini等)按场景智能调度。

自研MCP插件:跑腿/接送机/机票查询多能力解耦+动态编排RAG+长文本压缩上下文优化

系统设计

设计MCP多能力提供者架构,各插件独立开发、独立部署、独立迭代。上下文工程优化(RAG检索增强 + 长文本压缩)确保复杂场景下LLM输入质量。质检Agent形成服务质量监控闭环,保障AI客服回答准确性。

MCP插件独立开发/部署/迭代上下文工程:RAG+压缩保证输入质量质检Agent服务质量监控闭环

架构流程

架构图渲染中...

量化结果

17→10人
团队规模
约40万+
年省成本
5-10分钟→1分钟
响应速度
50%→80%
客户满意度
王牌项目AI产品经理 + Agent工程师 + 全栈开发

AI跟进策略推荐系统

非即时跟进建议 → 三维评分 → 18宫格路由 → 评测闭环

非即时的销售跟进策略推荐系统,两阶段混合架构:LLM负责生成、Python路由层把控决策,确保核心逻辑100%可控

业务建模

非即时的销售跟进策略推荐系统——为销售提供下一步跟进建议,而非直接回复客户。设计V/T/O三维客户评分模型:消费能力(Value)、购机意向(Tendency)、下单意向(Order),量化客户价值等级。定义S1-S6六种会话状态与C1-C3三种销售阶段的18宫格路由决策矩阵,每种组合对应差异化跟进策略。设计「七剑」销售策略体系(探需/增信/逼单/塑品/种草/挖需),每策略含独立Prompt工程设计。

V/T/O三维评分模型量化客户价值18宫格路由决策矩阵(S1-S6 × C1-C3)七剑策略体系:探需/增信/逼单/塑品/种草/挖需

AI落地

两阶段混合架构:Stage 1 LLM判别会话状态与销售阶段,Stage 2 LLM生成跟进话术序列,中间由Python路由层把控关键决策,确保核心逻辑100%可控。多层级安全策略:低分客户自动过滤避免无效骚扰、高分才开放逼单策略防止过度推销、库存不足自动降级转探需。

两阶段LLM架构:意图识别→任务生成Python路由层:关键决策100%可控多层级安全策略:过滤+安全锁+降级

系统设计

后处理管线:任务互斥去重、过量塑品自动转增信、触达时段智能分配。自研评测体系:评测师人工多维评分(6维度:逻辑正确性/业务贴合度/内容质量/多轮一致性/共情度/功能完整度)+能力树自动化评测(JSON标准答案对比)。触达闭环:短期序列(3-5次密集触达)→长期培育池(SCRM季度触达),覆盖客户全生命周期。

后处理管线:去重+平衡+时段分配评测体系:人工6维评分+自动化能力树评测触达闭环:短期序列→长期培育池

架构流程

架构图渲染中...

量化结果

90-95%
评测准确率
30%→80%
销售采纳率
人工6维+自动化
评测维度
短期序列+长期培育
触达策略