電商行業(yè)中，導(dǎo)購扮演著非常重要的角色——既觸達(dá)客戶解答產(chǎn)品疑惑，又能夠通過溝通推廣銷售產(chǎn)品。那么在電商場(chǎng)景中，我們就可以利用智能導(dǎo)購，通過多輪會(huì)話的方式來完成導(dǎo)購流程

一、什么是“智能導(dǎo)購”？

我們?cè)诠渖痰陼r(shí)候，有時(shí)候不知道買哪一款商品，需要找導(dǎo)購人員咨詢。如果遇到一個(gè)好的導(dǎo)購人員，就猶如貼心小閨蜜那么給人信任感，讓人如沐春風(fēng)，放心地買買買。但如果運(yùn)氣不好，碰上一名態(tài)度惡劣，帶著有色眼鏡的導(dǎo)購人員，也足夠敗壞我們一整天的好心情。

這種情況在線上購物時(shí)候也時(shí)不時(shí)發(fā)生，比如遇到一個(gè)回復(fù)賊慢，答非所問的導(dǎo)購客服，也特別讓人抓狂，干脆走人。某位劉姓天王就說過：“今時(shí)今日哩種服務(wù)態(tài)度係唔得噶”。

當(dāng)然，如果是一個(gè)導(dǎo)購機(jī)器人，服務(wù)態(tài)度自不用說，它可以讓每一位顧客享受到公平而溫暖的服務(wù)，也不會(huì)受情緒的影響，不用等待，快速解決顧客的疑慮。

現(xiàn)在線下的導(dǎo)購機(jī)器人有“豹小秘”、“小船”這類比較知名的網(wǎng)紅，他們可以幫忙迎賓、商品推薦、咨詢問答、商品到工行、產(chǎn)品移動(dòng)廣告等；同樣的，線上也有導(dǎo)購機(jī)器人，如有贊商城導(dǎo)購bot、優(yōu)衣庫線上導(dǎo)購員“小優(yōu)”，淘寶的店小蜜，可以幫助顧客挑選商品，解答購買的疑惑。

而我們要聊的場(chǎng)景，其實(shí)是基于線上的電商導(dǎo)購chatbot，如何通過多輪會(huì)話的方式來完成導(dǎo)購流程。這類場(chǎng)景比如在一個(gè)護(hù)膚品的線上店鋪里面，買家不確定哪款護(hù)膚品適合自己，就會(huì)找導(dǎo)購客服咨詢。那在開始之前，我們先來捋一捋電商行業(yè)的導(dǎo)購場(chǎng)景。

二、應(yīng)用場(chǎng)景與價(jià)值

1. 不同行業(yè)導(dǎo)購場(chǎng)景

不同行業(yè)的導(dǎo)購場(chǎng)景，由于品類不同，買家會(huì)咨詢的問題不盡相同。比如買家想購買一雙鞋，會(huì)考慮是不是合腳，是休閑的還是運(yùn)動(dòng)的；而購買一臺(tái)洗衣機(jī)，就會(huì)考慮全自動(dòng)還是半自動(dòng)，滾筒還是波輪。

這里，我們來聊聊三個(gè)比較有代表的行業(yè)場(chǎng)景：美妝、服裝和家電。

（1）美妝行業(yè)

小姐姐們?nèi)粘ＹI護(hù)膚品就應(yīng)該知道，遇到一些新的牌子，有時(shí)候不確定哪一款適合自己。

當(dāng)然也包括像七爺這樣的直男，如果想買一款護(hù)膚品或者化妝品送給女孩子，簡(jiǎn)直是噩夢(mèng)，四處打聽，生怕買錯(cuò)了。

這里有幾種類型的用戶：

第一種不了解自己要什么產(chǎn)品，但知道要解決什么肌膚問題；

反饋情況，尋求推薦：“油性肌膚適合什么產(chǎn)品”

第二種是知道自己要什么產(chǎn)品，但不知道能解決啥問題；

直接尋求推薦：“給我推薦一款口紅，送人的”

第三種是知道自己要什么產(chǎn)品，也知道要解決什么問題，但不確定是否匹配。

a.購買粉底：“皮膚黃，可以買啥粉底”

b.購買口紅：“這款口紅如何選色“（指定商品）

在美妝行業(yè)，其實(shí)有一種職業(yè)叫做BA（Beauty Adviser），也就是美容顧問。

而在線上店鋪中，客服小姐姐就充當(dāng)了這個(gè)角色。針對(duì)買家上面的咨詢，客服會(huì)通過詢問更加詳細(xì)的肌膚問題來做推薦，以下為模擬對(duì)話（分別針對(duì)以上三種情景）：

買家：我的皮膚比較暗黃，沒營(yíng)養(yǎng)，還有斑

買家：目前也在懷孕中，有沒有推薦的護(hù)膚品？

客服：您除了以上的肌膚需求 還有其他需要改善的肌膚困擾嗎？

買家：就這些吧。

客服：根據(jù)您的肌膚狀態(tài)，推薦您購買口碑經(jīng)典套盒**巴拉巴拉**

買家：推薦一款口紅給我唄。

客服：您方不方便透露下您的膚色是偏白皙、偏自然還是偏暗黃的呢？

買家：偏白皙

客服：嗯嗯，為您推薦****。這款口紅受大家熱愛，涂抹唇部是比較清新淡雅顯氣色的哦。

買家：http://item.taobao.com/item.htm?id=*****（發(fā)送商品鏈接，指定商品)

買家：這款粉底液不知道怎么選色

客服：您的肌膚是偏白還是偏黃的呢

買家：臉頰有點(diǎn)暗黃

客服：嗯好滴，您想要用完后的妝效是自然白還是自然呢？

買家：自然點(diǎn)吧

客服：好的，為您推薦:*****

客服：這款的優(yōu)勢(shì)在于**巴拉巴拉**

（2）服裝行業(yè)

服裝行業(yè)的導(dǎo)購場(chǎng)景相對(duì)美妝來說，買家咨詢問題會(huì)更聚焦。

我們網(wǎng)購衣服的時(shí)候，一般都知道買啥衣服，心里已經(jīng)有了候選了，要求客服幫忙推薦的少之又少。那最擔(dān)心的，主要是尺碼問題。

至于擔(dān)心買家秀和賣家秀的差別太多，那七爺我只能勸你：用臉說話吧（微笑臉）。

買家咨詢尺碼的情況大致相同，都是提供自己的身材情況，比如身高體重，接著詢問對(duì)應(yīng)衣服尺碼。

我身高170，體重65公斤，應(yīng)該穿什么碼呢？

雖然買家的問題不復(fù)雜，但客服要解答這類問題，可一點(diǎn)都不輕松。這類問題有兩個(gè)特點(diǎn)：

• a.需要衡量：即對(duì)買家提供身材信息與尺碼表做對(duì)比，推薦合適的尺碼
• b.衡量條件不同：買家提供的身材信息的標(biāo)準(zhǔn)不同，有可能是身高/體重，也可能提供身高/月齡（嬰兒裝裝），腰圍（褲子），胸圍（內(nèi)衣）等；標(biāo)準(zhǔn)多種多樣，客服做衡量時(shí)就更為復(fù)雜。

典型場(chǎng)景如下：

買家：https://item.taobao.com/item.htm?id=****** (發(fā)送商品鏈接）

買家：這款嬰兒裝，我家孩子得買多大的？

客服：親，咱家寶寶幾個(gè)月大了，身高大概多少呢？

買家：10個(gè)月吧，70公分吧

客服：那建議親購買S碼呢

也正因?yàn)榻獯痣y度高，服裝行業(yè)的客服小姐姐每天需要消耗大量時(shí)間，并且時(shí)常因?yàn)榛貜?fù)不及時(shí)，流失了客戶，且在大促期間尤為顯著。另外，如果買家購買的尺寸不合適，會(huì)造成嚴(yán)重的退貨率，從而影響店鋪的信譽(yù)。

（3）家電行業(yè)

電器行業(yè)的導(dǎo)購也不常見，顧客很少會(huì)找客服推薦，往往已經(jīng)有了心儀的商品。但買家不問，不代表客服就不能推薦。

家電行業(yè)的客單價(jià)普遍比較高，買家也經(jīng)常要貨比三家，猶豫再三。這時(shí)候如何抓住買家核心需求，推薦其最滿意的商品，則是客服提升業(yè)績(jī)的關(guān)鍵。

同時(shí)，家電行業(yè)對(duì)商品功能的要求比較高，買家買空調(diào)、洗衣機(jī)等大家電會(huì)要求尺寸，買吸塵器、風(fēng)扇這些小家電會(huì)看功能。如果導(dǎo)購過程中沒有和買家確認(rèn)關(guān)鍵信息，可能會(huì)導(dǎo)致買家買到商品發(fā)現(xiàn)不合適而申請(qǐng)退貨，這個(gè)結(jié)果是雙方都不愿意看到的。

所以在買家沒有要求推薦情況下做主動(dòng)導(dǎo)購，一方面可以提升轉(zhuǎn)化，另一方面也能夠降低退貨風(fēng)險(xiǎn)。

那在什么場(chǎng)景下做主動(dòng)導(dǎo)購的問題，后面會(huì)討論。這會(huì)兒主要討論具體推薦場(chǎng)景是怎么樣的。家電的品類繁多，每種電器都有自己的特性，買家的關(guān)注點(diǎn)也千差萬別。但每個(gè)品類有自己的關(guān)鍵屬性，比如空調(diào)的匹數(shù)，冰箱的容量等。

【為買家推薦冰箱】

客服：請(qǐng)問您是家庭自用還是出租房屋使用呢？

買家：家庭的

客服：請(qǐng)問您需要多大的呢？200L以下還是500L以下

買家：好的，為您推薦符合您要求的xxxx冰箱。。。

2. 電商行業(yè)引入智能導(dǎo)購的價(jià)值

對(duì)于電商行業(yè)來說，成單永遠(yuǎn)是第一位的事兒。而售前導(dǎo)購客服的業(yè)務(wù)水平參差不齊，有金牌客服的高績(jī)效表現(xiàn)，也有新手或者臨時(shí)工的0成單現(xiàn)象。用金牌客服的有效套路，機(jī)器人將其用在智能導(dǎo)購流程中，是可以有效提升店鋪轉(zhuǎn)化率的。

其次，前面講了，售前客服的工資就是跟業(yè)績(jī)掛鉤。所以，如何通過有效的溝通來引導(dǎo)客戶下單，成為了售前客服業(yè)務(wù)能力強(qiáng)弱的重要衡量標(biāo)準(zhǔn)。

但某些導(dǎo)購問題的解答工作過于繁瑣而重復(fù)，比如服裝行業(yè)的尺碼推薦環(huán)節(jié)。這時(shí)候，如果機(jī)器人能夠把尺碼推薦的工作承擔(dān)下來，是可以幫助客服提升工作效率的。

站在店鋪角度考慮，智能導(dǎo)購機(jī)器人能夠幫助客服提升效率，帶來業(yè)績(jī)的提升；而站在買家的角度，導(dǎo)購可以幫助了解產(chǎn)品的真實(shí)情況，確認(rèn)是否與預(yù)期匹配。

如果沒有導(dǎo)購，很可能顧客買回去才知道不匹配，然后需要申請(qǐng)退換貨。在電商行業(yè)，比如某寶，退換貨比例會(huì)影響店鋪的評(píng)分，從而影響店鋪流量的引入；其次，退換貨也增加了店鋪售后的工作量，所謂”您輕輕一鍵退貨，我重重一錘心肝??！“

最后，一次精準(zhǔn)導(dǎo)購，能夠抓住顧客的核心需求，讓其整個(gè)購買過程都能放心，這在無形之中是可以提高用戶滿意度，甚至增加買家收藏店鋪，長(zhǎng)期光顧的可能性。

現(xiàn)在我們r(jià)eview一下好的導(dǎo)購體驗(yàn)?zāi)軌驇淼膬r(jià)值，主要有以下四方面：

1. 提升轉(zhuǎn)化率
2. 提升客服效率
3. 降低退換貨比例
4. 提升用戶滿意度

三、“智能導(dǎo)購”模型原理

那我們說完場(chǎng)景的東西，接下來就是設(shè)計(jì)chatbot，用機(jī)器人的方式來幫助客服做導(dǎo)購。而設(shè)計(jì)一個(gè)智能導(dǎo)購的chatbot，實(shí)際上是設(shè)計(jì)一個(gè)多輪會(huì)話的任務(wù)型對(duì)話系統(tǒng)，即通過多次交互的上下文來理解買家購買意圖，并完成推薦商品得任務(wù)。

七爺我一直相信一句話：工欲善其事必先利其器。想要設(shè)計(jì)出一個(gè)驚艷實(shí)用的導(dǎo)購bot，就必須先理解什么是多輪會(huì)話，并且用好這個(gè)東東。所以這一章，我們先來聊聊任務(wù)型對(duì)話系統(tǒng)的AI模型是怎么樣的。

1. 模型概述

就如同訂餐、查天氣這些任務(wù)，用戶的單輪問答往往無法提供滿足任務(wù)完成需要的信息，因此多輪對(duì)話是必須的，bot通過主動(dòng)詢問缺失信息等策略來進(jìn)行信息填充。

先放一張業(yè)內(nèi)通用的任務(wù)型bot的對(duì)話流程圖（已經(jīng)爛大街的一張圖）。其中ASR和TTS屬于語音的范疇，咱這次聊天主要以bot的語義交互為主，這塊就pass吧。

• NLU：將用戶的消息識(shí)別出來，轉(zhuǎn)化為結(jié)構(gòu)化的語義表述（一般slot-value pairs 的方式表示），再把這個(gè)結(jié)構(gòu)化語義傳給DM；
• DM（Dialog Managemment）：簡(jiǎn)單講，就是接收并做推理理解NLU的輸出及其他信息（如上下文），來決定多輪會(huì)話的下一步動(dòng)作。
• NLG：負(fù)責(zé)把DM的輸出（下一步動(dòng)作）轉(zhuǎn)化為自然語言，并反饋給用戶。

下面將對(duì)這三個(gè)模塊做具體說明。

2. NLU模塊

該模塊的輸入是用戶的query，并為DM輸出是結(jié)構(gòu)化的語義表達(dá)，主要目的是讓DM能夠理解用戶的意思。

這個(gè)結(jié)構(gòu)化的語義表示通常被稱作DA（dialogue act）， 由 communicative function 和 slot-value pairs 組成，其中 communicative function 表示 query 的意圖類型 （如：請(qǐng)求推薦、打招呼，否定，感謝等等），而每個(gè) slot-value pair 可以看成槽位內(nèi)容，用來限定意圖的范圍。

舉個(gè)例子：

為了達(dá)到以上效果，NLU需要做三個(gè)事情：【識(shí)別領(lǐng)域domain】→【識(shí)別意圖】→【槽位填充】。

【意圖識(shí)別】（SUC,Spoken Utterance Classification)，是一個(gè)典型的分類問題，即劃分用戶咨詢的是下不下雨還是訂火車票

【槽位填充】即意圖所帶的參數(shù)。換言之，在某個(gè)任務(wù)中，bot需要確認(rèn)的相關(guān)信息（確認(rèn)方式有：反問、歷史記錄、其他API等）。

舉個(gè)簡(jiǎn)單的例子，訂火車票時(shí)，需要確認(rèn)用戶的出發(fā)地、目的地、乘車時(shí)間，最后幫用戶購買完成，這里確認(rèn)的各個(gè)信息，就是所謂的【槽位】。槽位填充可以轉(zhuǎn)化為序列標(biāo)注問題，可以 用基于BI-LSTM等模型進(jìn)行填充。

【識(shí)別領(lǐng)域】，可以理解為意圖的集合，如咨詢氣溫、咨詢是否下雨都屬于天氣這個(gè)domain。

有人會(huì)問：直接識(shí)別意圖不就行了嘛？

這個(gè)問題從技術(shù)角度來說，領(lǐng)域可以約束知識(shí)范圍，提高后續(xù)意圖識(shí)別和槽位填充的搜索效率。而考慮該技術(shù)問題，主要因?yàn)樵谡鎸?shí)的業(yè)務(wù)環(huán)境中，一個(gè)多輪會(huì)話系統(tǒng)需要同時(shí)處理N多任務(wù)，比如導(dǎo)購會(huì)有護(hù)膚品導(dǎo)購，服裝導(dǎo)購，電器導(dǎo)購等。這里需要PM與算法同學(xué)一起做定義呢。

另外，技術(shù)上NLU模塊主要是一個(gè)分類+實(shí)體識(shí)別的問題，所以利用？

該模塊的衡量指標(biāo)比較明確，我們可以看分類的準(zhǔn)確率是否達(dá)標(biāo)，以及檢驗(yàn)槽位填充效果，一般用F1-score來做檢驗(yàn)。

而對(duì)于PM來說，也需要與算法同學(xué)攜手（原諒我抱緊算法大大大腿的強(qiáng)烈意愿），圍繞該模塊所需要達(dá)到的效果而努力，相關(guān)評(píng)價(jià)的指標(biāo)，主要有分類的準(zhǔn)確率、槽位填充的F1-score。

現(xiàn)在，我們以前面咨詢護(hù)膚品粉底液的場(chǎng)景為例，機(jī)器人需要反問買家關(guān)于膚色、妝效的信息，整個(gè)對(duì)話設(shè)計(jì)如下：

用戶query：“推薦一款粉底液”

domain定義：護(hù)膚品推薦，skin-care

意圖定義：粉底液推薦，liquid foundation

槽位定義

槽位一：膚色，skin-colour

槽位二：妝效，Makeup effect

3. Dialog Management（對(duì)話管理模塊）

按照“前人”的定義，DM控制著人機(jī)對(duì)話的過程（發(fā)展方向），根據(jù)對(duì)話歷史（上下文信息），決定此刻系統(tǒng)對(duì)人的反應(yīng)。

上面的高深玄學(xué)解釋了對(duì)話管理的定義，說白了有兩個(gè)作用：

1. 記住用戶在多輪對(duì)話中扯到哪里了，即對(duì)話狀態(tài)維護(hù)（dialog state tracking，DST)；
2. 按照對(duì)話狀態(tài)決定如何繼續(xù)和用戶扯淡，即生成決策系統(tǒng)（dialog policy）。

可見，DM算是一個(gè)多輪會(huì)話核心的軍事戰(zhàn)略基地，每個(gè)任務(wù)的走向都由其決策，來決定下一步的走向。

接下來我們先介紹兩個(gè)模塊（DST和DPL）的定義，然后用一個(gè)對(duì)話舉例，大概就能明白這是個(gè)神馬玩意兒了。

DST模塊

每個(gè)模塊都屬于對(duì)話管理系統(tǒng)的一部分，自然都有輸入和輸出。DST模塊的輸出是當(dāng)前對(duì)話狀態(tài)，可以理解為槽位填充情況，以告訴后面的“人”現(xiàn)在扯到哪里了。輸入就很多了，包括:

1. 用戶當(dāng)前的動(dòng)作：此刻用戶說了啥
2. 之前的對(duì)話狀態(tài)（填槽狀態(tài)）：前面用戶都說了啥
3. 之前的系統(tǒng)動(dòng)作：前面機(jī)器人是如何回應(yīng)的

該模塊可以利用深度學(xué)習(xí)來實(shí)現(xiàn)，比如基于基于RNN和LSTM的序列跟蹤模型。當(dāng)然，模型的效果無法保證的情況下，利用規(guī)則也是可以work的，并且人為把控性更強(qiáng)。

DPL模塊

DPL是接DST的輸出（對(duì)話狀態(tài)）作為輸入，當(dāng)知道了當(dāng)前對(duì)話到哪里了，就得想法子回復(fù)用戶，這時(shí)候就靠DPL中預(yù)設(shè)的對(duì)話策略，選擇響應(yīng)系統(tǒng)動(dòng)作作為輸出。

這里的系統(tǒng)動(dòng)作一般有問詢、確認(rèn)和回復(fù)三種。問詢的目的是了解必要槽位確實(shí)的信息；確實(shí)是為了解決容錯(cuò)性問題，填槽之前向用戶再次確認(rèn)；回答則是最終恢復(fù)，意味著任務(wù)和有限狀態(tài)自動(dòng)機(jī)工作的結(jié)束。

還是以NLU模塊講到的推薦粉底液例子，講下DM模塊是怎么work的。

【聊天內(nèi)容】

用戶：你好啊

機(jī)器人：您好，請(qǐng)問有什么可以幫到您?

用戶：幫我推薦一款粉底液吧

機(jī)器人：好的，請(qǐng)問您的膚色如何？

用戶：偏黑一點(diǎn)

機(jī)器人：嗯好滴，您想要用完后的妝效是自然白還是自然呢？

用戶：自然白吧

【NLU識(shí)別結(jié)果】

【對(duì)話初始狀態(tài)】

當(dāng)在第3輪進(jìn)入到recommend的任務(wù)型會(huì)話中，DM就開始填槽并回應(yīng)的過程。

初始狀態(tài)：

【第一輪對(duì)話狀態(tài)】

【第二輪對(duì)話狀態(tài)】

當(dāng)然，DM在工作中也會(huì)有很多異常情況處理，比如用戶主動(dòng)切換場(chǎng)景、對(duì)話時(shí)存在多槽位值、用戶表達(dá)否定、NLU識(shí)別錯(cuò)誤、槽位依賴、API填槽等情況。

這些情況不只是算法的工作，產(chǎn)品也需要根據(jù)實(shí)際業(yè)務(wù)情況來決定處理方式。本節(jié)只講述任務(wù)型會(huì)話模型的原理，關(guān)于如何結(jié)合業(yè)務(wù)和算法設(shè)計(jì)對(duì)話產(chǎn)品，將在下一節(jié)展開。

4. NLG模塊

NLG負(fù)責(zé)把上述DM的輸出【系統(tǒng)動(dòng)作】轉(zhuǎn)化為自然語言，以回復(fù)用戶。這里的回復(fù)話術(shù)一般有澄清話術(shù)、引導(dǎo)用戶、詢問、定義確認(rèn)、結(jié)束語等。

同時(shí)，目前基于生成模型的NLG尚未十分成熟，而基于業(yè)務(wù)（如電商）的任務(wù)型會(huì)話需要嚴(yán)謹(jǐn)?shù)幕貜?fù)，避免出錯(cuò)影響用戶滿意度，所以廣泛采用的還是傳統(tǒng)基于模板、樹或其他規(guī)則的方式，如下表則是根據(jù)規(guī)則定義NLG的示例。

好啦，一頓吹水猛如虎，多輪會(huì)話理解不再苦。當(dāng)然，產(chǎn)品經(jīng)理除了知道模型原理外，要做的事情還有很多。接下來，我們就來聊聊智能導(dǎo)購的對(duì)話機(jī)器人要如何設(shè)計(jì)了。

四、智能導(dǎo)購產(chǎn)品設(shè)計(jì)（以美妝行業(yè)為例）

我們?cè)诘诙K算是梳理了美妝客服的實(shí)際業(yè)務(wù)場(chǎng)景，包括用戶類型，對(duì)話內(nèi)容等，但這只是開始，接下來，AI產(chǎn)品需要用chatbot的解決方案，幫助客服提效增收。

做產(chǎn)品這個(gè)行當(dāng)，始終要記得，自己做的玩意兒是給誰用的。而做TOB的，更應(yīng)該了解自己的客戶，并結(jié)合其業(yè)務(wù)場(chǎng)景去定義自己的產(chǎn)品。

一般使用智能客服的客戶有兩類：

（1）大頭客戶，每年要耗掉大量人力成本在客服團(tuán)隊(duì)，如美的電商每年就要招聘幾百名客服去做售前咨詢。他們希望能利用智能機(jī)器人減少自己的人工成本，而且往往這類客戶都傾向于私有化部署，價(jià)格賊貴，因此愿意投入專項(xiàng)人力去配合。

這種情況下，如果設(shè)計(jì)一個(gè)導(dǎo)購機(jī)器人能夠在不影響績(jī)效的情況下幫助減少大量人力投入，那無論需要前期冷啟動(dòng)的數(shù)據(jù)收集，還是后續(xù)迭代所需要的數(shù)據(jù)標(biāo)注訓(xùn)練，客戶都愿意安排人員與供應(yīng)商的數(shù)據(jù)團(tuán)隊(duì)一起整合，即使需要幾個(gè)月的時(shí)間的維護(hù)時(shí)間。

現(xiàn)在電商市場(chǎng)上也可以看到，幾個(gè)平臺(tái)（天貓、京東、拼多多等）的大商家在自己的團(tuán)隊(duì)專門設(shè)定了【機(jī)器人訓(xùn)練師】的崗位，就是專門為了維護(hù)機(jī)器人，為店鋪客服提升效率。

（2）但另一類是小型客戶，他們希望機(jī)器人也能夠幫他們減少人工成本，最好還能創(chuàng)收，但是不能太貴。（此時(shí)讓我想到一個(gè)場(chǎng)景。。。）

男朋友：今天想要吃啥

女朋友：隨便

男朋友：隨便是啥嘛

女朋友：就是好吃的，環(huán)境好的，服務(wù)好的，但不要太貴

好吧，說到底，這類客戶適合使用saas型客服機(jī)器人，非私有化部署的。

但還有另一個(gè)問題，他們很可能也沒有專項(xiàng)訓(xùn)練師，來維護(hù)一個(gè)機(jī)器人。如果讓客服主管或者運(yùn)營(yíng)人員來做這個(gè)事，那就真的很異想天開了，畢竟電商的忙碌可不是996那么簡(jiǎn)單。

好了，講完這兩類客戶的基本情況之后，假如給大頭客戶設(shè)計(jì)一個(gè)多輪會(huì)話的導(dǎo)購機(jī)器人，可以由甲方人員配合乙方訓(xùn)練師，先初始化配上意圖、詞槽、推薦商品，再利用數(shù)據(jù)標(biāo)注的方式進(jìn)行會(huì)話迭代，最終訓(xùn)練好一個(gè)符合甲方的導(dǎo)購bot。而產(chǎn)品經(jīng)理只需要將訓(xùn)練師的流程平臺(tái)化，讓其快速地配置以及可以高效地迭代即可。

當(dāng)然，如果希望最終效果明顯，這期間需要雙方投入N天的人力來做維護(hù)。當(dāng)然，多輪會(huì)話平臺(tái)的設(shè)計(jì)其實(shí)大部分機(jī)器人友商都已經(jīng)有成熟的方案，比如各種botframework，這次就不講了。

而上面的流程在大部分電商商家那里是不適用的（說到底，窮~）今天要講的，是如何為這一類”不適用“的電商商家（上述）設(shè)計(jì)適用的導(dǎo)購機(jī)器人。換個(gè)說法，產(chǎn)品經(jīng)理要解決的問題，就是如何讓客戶更高效維護(hù)機(jī)器人，并達(dá)到客服提效增收的效果。

1. 意圖&詞槽組件化

既然客戶不想投入那么多人力（錢）維護(hù)，那我們沒錢有沒錢的過日子方法。

首先我們要整理清楚，創(chuàng)建一個(gè)導(dǎo)購bot需要做哪些事情：整理意圖 → 設(shè)計(jì)詞槽 → 設(shè)置商品推薦 → 迭代模型。其中，設(shè)置商品推薦這個(gè)環(huán)節(jié)，一定是店鋪根據(jù)實(shí)際情況設(shè)置，也就不可避免需要客戶自己維護(hù)。

那我們來看下其他幾個(gè)環(huán)節(jié)，我們可以如何提升客戶維護(hù)效率。

如果在創(chuàng)建意圖及設(shè)計(jì)詞槽的時(shí)候，讓客戶自己來確定哪些意圖可以進(jìn)入導(dǎo)購場(chǎng)景，可能的結(jié)果：

【吃了懵逼果型】

維護(hù)人員：小明 身份：店鋪運(yùn)營(yíng) 職責(zé)：店鋪商品運(yùn)營(yíng) 店鋪?zhàn)稍兦闆r了解程度：低

乙方：小明同學(xué)，麻煩整理下導(dǎo)購的意圖，也就是你們店買家咨詢最多的導(dǎo)購問題

小明：什么？意圖是什么？導(dǎo)購問題是什么？我平時(shí)哪知道買家咨詢什么??？我是誰？我在哪里？我要干什么？

乙方：。。。

【喝了雞湯型】

維護(hù)人員：小紅 身份：客服主管 職責(zé)：管理客服，關(guān)注買家 店鋪?zhàn)稍兦闆r了解：高

乙方：小紅大哥，求求你，麻煩整理下導(dǎo)購的意圖，也就是你們店買家咨詢最多的導(dǎo)購問題

小紅：沒問題~我整理了很多情況都可以進(jìn)入導(dǎo)購，比如問價(jià)格、問優(yōu)惠、問尺寸、問活動(dòng)。

乙方：這么多問題都直接給買家推薦，合適嗎？

小紅：怎么不合適？哦，對(duì)了，還有問包郵的，說不定也可以！反正只要能賺到錢，啥情況都可以做營(yíng)銷！

乙方：。。。

【好吃懶惰型】

維護(hù)人員：小綠 身份：主管助理 職責(zé)：對(duì)接第三方各種軟件 店鋪?zhàn)稍兦闆r了解：高

乙方：爸爸~麻煩整理下導(dǎo)購的意圖，也就是你們店買家咨詢最多的導(dǎo)購問題，我跪下了！

小綠：哎呀，我不知道哪里屬于導(dǎo)購啊，而且還要加那么多問法，太麻煩了。叫爸爸也沒用

乙方：。。。

為了讓運(yùn)營(yíng)交付同學(xué)不至于到處叫“爸爸”，讓客戶更舒服愉悅地從0到1構(gòu)建導(dǎo)購bot，產(chǎn)品經(jīng)理有責(zé)任來解決這件事！這么光榮的任務(wù)，就是由面向?qū)ο蟮念惤M件實(shí)現(xiàn)！

七爺之前讀計(jì)算機(jī)專業(yè)的時(shí)候，自從學(xué)了面向?qū)ο笳Z言，寫程序就賊舒服。這其中很重要的一個(gè)點(diǎn)，在于引入了【類】的概念。

類的定義是：一組具有相同屬性和行為的對(duì)象的抽象。在寫程序時(shí)候，需要這些屬性就繼承這個(gè)類。而很多時(shí)候，為了更方便寫程序，我們會(huì)繼承類之后，進(jìn)一步封裝成可直接使用的組件，比如登錄的通用程序組件。（不必懵逼，請(qǐng)偉大表情出場(chǎng)?。?/p>

大家小時(shí)候玩過的四驅(qū)賽車（沒玩過？不管！七爺玩過就好！），在一開始只是各種零件的設(shè)計(jì)圖（類），比如輪胎設(shè)計(jì)圖、車蓋設(shè)計(jì)圖等等；接著根據(jù)每個(gè)部件的設(shè)計(jì)圖，廠商制造了各種各樣的零配件（組件）：輪胎、車改、馬達(dá)等等；最后選擇合適的配件，就可以組裝成最威風(fēng)的“音速戰(zhàn)神”了！

那我們是不是可以利用這個(gè)思路，將導(dǎo)購bot組件化，客戶只需要選擇配件，組裝起來就可以了？??！

七同學(xué)有了這個(gè)想法之后，也跟算法大大溝通過，在模型構(gòu)建之前的數(shù)據(jù)集合構(gòu)建，無論什么方式都沒問題，一句話：越快冷啟動(dòng)越好。所以接下來要思考的是，電商按照什么標(biāo)準(zhǔn)來抽象出導(dǎo)購bot的組件？最明顯的是按照行業(yè)劃分：服裝、鞋業(yè)、家電、食品。。。但以行業(yè)特征來抽象存在兩個(gè)問題：

1. 顆粒度太粗：有些商家比如家電的華帝、方太旗艦店只賣廚房電器，沒有空調(diào)、洗衣機(jī)這類商品，如果抽象出家電行業(yè)的空調(diào)導(dǎo)購組件，對(duì)于華帝、方太、老板電器來說，是不適用的。
2. 無法兼容多個(gè)行業(yè)：如果一個(gè)店鋪售賣多個(gè)行業(yè)的商品，比如某大型鞋類品牌旗艦店，既賣鞋子又賣箱包還賣衣服，按照行業(yè)劃分應(yīng)該屬于服裝、鞋類及箱包。如果要為該店鋪提供導(dǎo)購bot，需要同時(shí)選擇三個(gè)行業(yè)的組件，從信息架構(gòu)來看，會(huì)顯得數(shù)據(jù)異常雜亂；從系統(tǒng)架構(gòu)來看，開發(fā)同學(xué)也需要處理更多異常情況；而站在客戶角度，就像是擺了一堆互不相關(guān)的貨品，讓客戶自個(gè)兒去撈，那還不如不要給~

后面七爺看著每天的交互記錄，再做了不同行業(yè)的客戶調(diào)研，決定用品類來做標(biāo)準(zhǔn)。也就是說，關(guān)于空調(diào)、熱水器、鞋子、衣服、包包各種品類，我都抽象出可隨時(shí)調(diào)用的組件。這樣，不管你賣的是單廚房電器，還是多個(gè)行業(yè)的東西，只需要找品類即可。

在具體設(shè)計(jì)過程中，我們會(huì)先定義好不同品類的導(dǎo)購意圖，比如推薦護(hù)膚品的意圖【SKIN_CARE】，可以有各類問法：

給我推薦一款護(hù)膚品

我臉偏干，有什么合適的護(hù)膚品

我是懷孕媽媽，有哪些適合我的護(hù)膚品

……

關(guān)于如何確定不同品類的導(dǎo)購場(chǎng)景，就需要通過這個(gè)行業(yè)大量數(shù)據(jù)聚類分析，以及產(chǎn)品做業(yè)務(wù)的調(diào)研，具體實(shí)施過程會(huì)很痛苦，但做出來了就會(huì)很舒服了。所以做B端產(chǎn)品，頭部玩家很重要，產(chǎn)品經(jīng)理也很重要！

設(shè)計(jì)好導(dǎo)購意圖組件之后，我們還需要關(guān)注客戶選擇的問題，畢竟不是所有品類都需要做導(dǎo)購。所以，我們可以利用店鋪數(shù)據(jù)分析，推薦店鋪?zhàn)稍冏疃嗟膶?dǎo)購問題，客戶甚至無需思考，“機(jī)械般”照著系統(tǒng)推薦配置就可以了。

同理，在配置詞槽時(shí)候，與botframework的預(yù)置詞典一樣，以組件形式提供導(dǎo)購詞典：當(dāng)選擇了【SKIN_CARE】意圖之后，系統(tǒng)自動(dòng)推薦相關(guān)詞槽，客戶被安排得明明白白，正所謂“索然無味，絲毫沒有挑戰(zhàn)性”。

當(dāng)然，如果客戶認(rèn)為推薦的意圖不喜歡，強(qiáng)烈要他覺得的才是最好的，也提供了自定義意圖，讓他做配置bot的小天才！

最后，當(dāng)導(dǎo)購bot冷啟動(dòng)完成之后，客戶需要日常做數(shù)據(jù)標(biāo)注，不斷優(yōu)化模型，這塊工作量同樣不可避免，但可利用更高效的標(biāo)注模塊來完成。這塊的功能設(shè)計(jì)其實(shí)已經(jīng)爛大街了，就不在這里闡述了。

2. 組裝并進(jìn)化bot

好了，從維護(hù)提效角度做的產(chǎn)品設(shè)計(jì)已經(jīng)完成，但不要忘記設(shè)計(jì)一個(gè)導(dǎo)購bot的核心意義，是為客服提效增收，也給買家尚佳的用戶體驗(yàn)。

從這個(gè)角度來考慮如何構(gòu)建一個(gè)bot，產(chǎn)品經(jīng)理需要回答四個(gè)問題：

1. 如何讓買家進(jìn)入導(dǎo)購場(chǎng)景
2. 如何讓買家順利走到最后
3. 如何推薦給買家最合適的
4. 如何迭代該多輪對(duì)話

接下來，讓我們一一來看~

（1）如何讓買家進(jìn)入導(dǎo)購bot

這個(gè)問題其實(shí)可以做分解，分為bot被動(dòng)觸發(fā)及主動(dòng)引導(dǎo)。

被動(dòng)觸發(fā)的話，要考慮買家咨詢最多的導(dǎo)購場(chǎng)景，這里用到上述提到的推薦意圖即可解決，不再贅述。（雖然已經(jīng)贅述了好多。。。）

主動(dòng)觸發(fā)這塊，timing是最重要的因素。回到客服工作場(chǎng)景中，他們?cè)诟I家咨詢過程中，也會(huì)在不同timing進(jìn)行導(dǎo)購push，提升咨詢轉(zhuǎn)化。七爺總結(jié)了一下客服會(huì)做push的timing，這里列舉幾個(gè)主要的節(jié)點(diǎn)：

• 買家進(jìn)店咨詢
• 買家咨詢結(jié)束n分鐘未下單
• 買家下單了未付款
• 買家取消訂單/系統(tǒng)自動(dòng)取消訂單
• 買家咨詢后第二天
• 等等

當(dāng)然，有些timing并不適合做導(dǎo)購，比如買家下單未付款或者取消訂單，說明買家已經(jīng)有意向商品，無須再做商品導(dǎo)購。

最后，七爺抽絲剝繭，左思右想，決定了在買家進(jìn)店的timing推薦導(dǎo)購，只要進(jìn)來咨詢的買家，都會(huì)第一時(shí)間看到，這樣能保證覆蓋全部咨詢買家，不會(huì)遺漏。只有觸達(dá)率上去了，轉(zhuǎn)化量才有保證。

效果如下圖，買家如果有興趣可直接點(diǎn)擊問題，進(jìn)入導(dǎo)購場(chǎng)景。

特別地，在客服下班之后，當(dāng)夜間機(jī)器人無法識(shí)別咨詢消息，買家得不到答案，又長(zhǎng)時(shí)間沒有人工介入，那么購買的意向則會(huì)大大降低。利用進(jìn)店的問題卡片（上圖），機(jī)器人直接引導(dǎo)買家進(jìn)行導(dǎo)購，減少上述識(shí)別失敗的可能性，并且也可以提升夜間無人的轉(zhuǎn)化率。

當(dāng)買家與機(jī)器人聊天時(shí)，有可能會(huì)問天問地，所以我們需要確定哪些買家意圖能夠進(jìn)入導(dǎo)購場(chǎng)景，也就是模塊三中聊到的domain和intent。

當(dāng)然，我們不能夠拍腦袋來設(shè)計(jì)各種導(dǎo)購場(chǎng)景，千萬不能【我要我覺得】

A.什么時(shí)候觸發(fā)：不同業(yè)務(wù)場(chǎng)景不同

B.domain、intent確定，語料構(gòu)建

（2）如何讓買家順利走到最后

①【詞槽設(shè)計(jì)策略】

關(guān)于如何設(shè)計(jì)詞槽，其實(shí)有個(gè)矛盾點(diǎn)：就是機(jī)器人要的信息太多，用戶會(huì)反感；要得少了，關(guān)鍵問題沒確定好，就容易讓用戶下錯(cuò)單導(dǎo)致退貨，影響退貨率。

所以我們會(huì)根據(jù)每個(gè)品類，推薦最關(guān)鍵的信息詞槽，一般兩到三輪的交互是最合適的。如果商家有特定信息，可配置自定義詞槽。舉個(gè)洗衣機(jī)的例子：

user：推薦一款洗衣機(jī)

bot：請(qǐng)問您需要多大容量的洗衣機(jī)呢

user：1

bot：請(qǐng)問您需要全自動(dòng)的還是滾筒的呢？(回復(fù)序號(hào)即可,1：全自動(dòng)、2：滾筒、)

user：全自動(dòng)

bot：親，根據(jù)您對(duì)洗衣機(jī)的購買需求：6.5公斤容量+全自動(dòng)模式，為您推薦我們最受歡迎的洗衣機(jī)哦xxxxxxx

②【動(dòng)態(tài)策略】

有時(shí)候bot在交互時(shí)，DM（對(duì)話管理）需要按照買家不同反饋采取不同的行為。說個(gè)簡(jiǎn)單的例子，很多家長(zhǎng)會(huì)去網(wǎng)上書店給小學(xué)階段的孩子購買讀物，機(jī)器人會(huì)根據(jù)不同年齡段給出不同的讀物推薦。

第一個(gè)是二年級(jí)孩子的讀物推薦

user：給我推薦一本小學(xué)課外書

bot：好的。請(qǐng)問您的孩子讀幾年級(jí)呢？

user：二年級(jí)

bot：這里有一款二年級(jí)的童話故事書，熱銷xxxx

第二個(gè)是六年級(jí)孩子的讀物推薦

user：給我推薦一本小學(xué)課外書

bot：好的。請(qǐng)問您的孩子讀幾年級(jí)呢？

user：我家小孩是六年級(jí)的

bot：好的，適合六年級(jí)小朋友的圖書有：文學(xué)類、歷史類、科學(xué)類，請(qǐng)問需要哪一種呢

user：科學(xué)類吧

bot：適合六年級(jí)小朋友的科學(xué)類圖書有：xxxx

在功能設(shè)計(jì)上面，如果涉及該類場(chǎng)景，可以考慮利用動(dòng)態(tài)策略，即【槽位依賴】方式，解決本輪槽位值填充影響下一輪策略的問題，具體策略可以是直接給出回復(fù)或者進(jìn)行下一輪不同的槽位填充，亦或者進(jìn)入其他導(dǎo)購意圖。采用哪種策略，需要按照實(shí)際業(yè)務(wù)場(chǎng)景需求，確定產(chǎn)品的能力范圍。

③【記憶策略】

基于前面說到的輪次過多問題繼續(xù)討論，很多買家可能在之前交互中已經(jīng)交代過槽位信息，若機(jī)器人再問同樣的問題，會(huì)顯得很**（咦，罵人果然不好）。

user：推薦一款粉底液

bot：請(qǐng)問您的膚色如何呢？

user：偏黃

bot：好的，為您推薦xxxx

user：謝謝。再給我來個(gè)口紅

bot：請(qǐng)問您的膚色如何呢？（NO!!!so stupid!!!）

bot：根據(jù)您偏黃的膚色，為您推薦xxxx口紅。。

所以一個(gè)有記憶的機(jī)器人，就顯得賊彌足可貴。要做到這一點(diǎn)，簡(jiǎn)單的方式，在配置slot時(shí)，可以讓客戶選擇是否采用其他導(dǎo)購意圖的相同slot，以達(dá)到“記憶”的目的。

當(dāng)然，我們還可以利用商家的會(huì)員信息，直接調(diào)用api填充詞槽。不過由于商家的開發(fā)資源有限，考慮ROI的問題，很少會(huì)為了多輪會(huì)話導(dǎo)購去做api接口。這種方式屬于說起來好聽，實(shí)際沒啥用武之地的功能，但在不同群體、不同場(chǎng)景下，這種方式還是有一定價(jià)值的。

④【多意圖交叉策略】

關(guān)于多意圖的場(chǎng)景，我們可以看下面的例子：

user：我是孕婦，可以幫我推薦一款適合我的產(chǎn)品嗎？

bot：我們店內(nèi)有不同步驟的產(chǎn)品，您是需要哪個(gè)步驟的呢？

bot：?1.潔面 2.水 3.眼部產(chǎn)品 4.精華 5.乳液/面霜 6.防曬 7.底妝 9.唇部產(chǎn)品

user：精華和乳液有什么不同

bot：精華是xxx，乳液是xxxx

user：那我要精華、水、潔面

bot：好的哦，根據(jù)您的情況，給您推薦xxxx

當(dāng)機(jī)器人進(jìn)入導(dǎo)購意圖時(shí)，此時(shí)買家可能會(huì)突然cue到其他問題。這時(shí)候bot維護(hù)的不只是一個(gè)意圖了，則時(shí)候買家如果又回到了上一個(gè)意圖（如例子中的護(hù)膚品導(dǎo)購意圖），bot也需要能夠接上，否則用戶體驗(yàn)極其討厭。

從業(yè)務(wù)角度看，客戶需要考慮每個(gè)導(dǎo)購意圖在跳出后多少輪之后還能再次進(jìn)入該意圖，或者永久有效。

基于業(yè)務(wù)來考慮技術(shù)角度，相當(dāng)于有一個(gè)堆棧維護(hù)所有被激活的意圖。如果是新的意圖，則入棧；如果是老的意圖，只要被觸發(fā)就隨時(shí)繼續(xù)交互。某個(gè)意圖交互完成了，就出棧。最終實(shí)現(xiàn)多意圖交叉的目的。

⑤【異常策略】

當(dāng)然，基于bot的完整性，以及擁有足夠的資源協(xié)調(diào)，我們還可以處理一些異常情況，保證bot的智能。

異常1：NLU識(shí)別錯(cuò)誤&ASR識(shí)別不準(zhǔn)

這種情況往往不可控，萬一前面模塊提供一個(gè)亂七八糟的輸入給到DM，DM也無可奈何。此時(shí)除了優(yōu)化ASR和NLU的模型外，可設(shè)置為非必要填充slot，這樣在導(dǎo)購意圖交互時(shí)，如果該slot的填充出現(xiàn)問題，就直接跳過，進(jìn)入下一個(gè)slot填充action或者給出推薦，保證交互的流暢性。

異常2：用戶表示否定

很明顯，我們經(jīng)常在后臺(tái)看到買家在做槽位填充時(shí)，不直接給答案，而是否定了其中的部分選項(xiàng)，這時(shí)候建議是采取其他選項(xiàng)作為slot值。

再者，當(dāng)bot給出了推薦商品，買家表達(dá)“換一個(gè)”“不要這個(gè)”的時(shí)候，bot可以提供第二個(gè)備選商品；當(dāng)然，bot也可以兜底回復(fù)，然后由人工做其他推送。畢竟對(duì)客服來說，這時(shí)候bot已經(jīng)幫忙收集了大部分信息，客服只需要結(jié)合買家信息做推薦，效率上也提升了不少。

（3）如何讓買家愿意下單

當(dāng)買家已經(jīng)走到導(dǎo)購意圖的最后，收到bot的推薦商品，這個(gè)過程主要為了提升轉(zhuǎn)化率，可以有兩個(gè)策略：

①【熱門商品策略】

我們產(chǎn)品會(huì)推薦店鋪熱門的商品，商家也傾向于此種方式，一方面是由于買家對(duì)熱賣商品有更高購買意愿，另一方面熱門商品占店鋪業(yè)績(jī)的大頭，對(duì)于店鋪銷售的貢獻(xiàn)值更大。

同時(shí)，由于電商的sku經(jīng)常需要更新，所以若商品已經(jīng)下架或者有同類型的熱門商品上架，系統(tǒng)最好有相應(yīng)預(yù)警機(jī)制，提醒商家進(jìn)行及時(shí)更新。

②【話術(shù)策略】

話術(shù)的設(shè)置其實(shí)屬于運(yùn)營(yíng)范圍，但為啥要拎出來講呢？從數(shù)據(jù)反饋中可以看出，買家對(duì)于收到不同話術(shù)的體驗(yàn)是不同的，往往功能設(shè)計(jì)得再好，話術(shù)不行，頁會(huì)讓買家放棄下單。這里簡(jiǎn)單列舉話術(shù)設(shè)置的三點(diǎn)小建議，也是我們運(yùn)營(yíng)同學(xué)在跟客戶交付時(shí)的部分策略，早已歷經(jīng)N個(gè)買家的風(fēng)霜考驗(yàn)，屹立不倒。

a 讓買家相信推薦的專業(yè)性：在推薦話術(shù)中加入買家的槽位值，如之前提到的例子：

親，根據(jù)您對(duì)洗衣機(jī)的購買需求：6.5公斤容量+全自動(dòng)模式，為您推薦我們最受歡迎的洗衣機(jī)哦xxxxxxx

b 讓買家相信客服的重視性：在推薦話術(shù)中加入買家、客服昵稱

親愛的【某某買家】，根據(jù)您對(duì)洗衣機(jī)的購買需求：6.5公斤容量+全自動(dòng)模式，【某某客服】千挑萬選，為您推薦我們最受歡迎的洗衣機(jī)哦xxxxxxx

c 讓買家相信商品的可靠性：追加過往商品的好評(píng)圖片

親愛的【某某買家】，根據(jù)您對(duì)洗衣機(jī)的購買需求：6.5公斤容量+全自動(dòng)模式，【某某客服】千挑萬選，為您推薦我們最受歡迎的洗衣機(jī)哦xxxxxxx。

這款商品很多買家都說好哦，有圖為證，絕不吹牛哦！【圖片】

d 如何迭代該多輪對(duì)話

綜上所述，我們已經(jīng)完成一個(gè)導(dǎo)購bot的冷啟動(dòng)工作。接著就是上線并且做迭代，關(guān)于多輪會(huì)話的迭代，最重要的就是：數(shù)據(jù)！數(shù)據(jù)！數(shù)據(jù)！

③【語料標(biāo)注】

意圖和slot值都需要語料完善，但一般采用系統(tǒng)推薦的則不需要商家做數(shù)據(jù)維護(hù)。整一套語料標(biāo)注體系在市面上已經(jīng)挺成熟，幾乎每個(gè)做AI的公司都有自己的系統(tǒng)，在此我就不嗶嗶了。

④【對(duì)話輪次優(yōu)化】

我們?cè)谧鋈罩緯r(shí)候，會(huì)用漏斗圖的形式，記錄多少買家進(jìn)入導(dǎo)購意圖，多少買家走完了交互流程，以針對(duì)性確定整條路徑的優(yōu)化點(diǎn)。比如進(jìn)入導(dǎo)購的買家特別少，可以分析是該意圖本身觸發(fā)少，或者是語料標(biāo)注不夠；同樣很多買家可能走了一輪slot就退出了，可以分析是否是輪數(shù)的問題，從而減少設(shè)計(jì)輪數(shù)。

⑤【推薦話術(shù)】

那最后也會(huì)對(duì)每個(gè)意圖的轉(zhuǎn)化數(shù)據(jù)做分析，除了語料、倫茨等影響轉(zhuǎn)化的因素之外，話術(shù)及商品推薦的擇優(yōu)同樣非常關(guān)鍵，所以若商家有些商品推薦轉(zhuǎn)化高，有些商品推薦轉(zhuǎn)化低，我們會(huì)把轉(zhuǎn)化高對(duì)應(yīng)話術(shù)等內(nèi)容作為優(yōu)化建議，推送給商家，從而更有效地提高導(dǎo)購地轉(zhuǎn)化。

本文由 @steseven 原創(chuàng)發(fā)布于人人都是產(chǎn)品經(jīng)理，未經(jīng)作者許可，禁止轉(zhuǎn)載。

題圖來自Unsplash，基于CC0協(xié)議。