销售助手-推荐系统

目录

• • Step 0：触发事件（Trigger）
  • Step1
    • step1 定位
• 推荐系统设计
  • 推荐系统架构设计
    • 1 Opportunity 生命周期管理（状态层）
  • 2 Eligibility & Decision（是否触发推荐）
  • 3 Recommendation Strategy（推荐策略选择）
    • 4 Action Execution（动作执行），核心模块：Action Executor

Step 0：触发事件
   ↓
Step 1：是否值得推荐（Gate）
   ↓（通过）
Step 2：推荐什么
   ↓
Step 3：配什么 CTA

Step 0：触发事件（Trigger）

① 用户主动触发（User-Initiated Trigger）
1, 产生比价行为。给推荐系统发个请求，埋个种子
2, 下单了。把1 CANCEL掉

特点
❌ 不需要 Step 1 Gate

② 行为事件触发（Behavior Trigger）

行为	示例
加购未下单	add_to_cart + no purchase
Checkout 放弃	checkout_no_pay
深度咨询后消失	>3 轮对话后 24h 未回复

特点
✅ 必须走 Step 1 Gate
❌ 不一定立刻发消息
常用于「第二天跟进」
③ 系统 / 运营触发（System Trigger）

平台级、批量型触发

典型场景
场景 示例
新品上线 new_product
降价 price_drop
清库存 stock_clearance
节日促销 Black Friday
特点

必须极度克制
必须走 Step 1 Gate
必须有频控 / 白名单

Step1

1️⃣ Step 1 解决的是「资格问题」
这个用户，现在值不值得被销售介入？
这是一个战略判断，不是内容问题。

判断依据：
是否有购买信号
是否明确拒绝
是否刚被打扰过
是否低价值用户
📌 如果资格不通过，你连“推荐什么”都不该想

step1 定位

Step-1 真正解决的 4 类问题
① 解耦 Sales Agent 与 Recommendation
推荐系统不依赖“对方一定正确”
系统可独立演进
② 防止“推荐过度”
高意图用户
已进入 checkout
刚完成转化
这些情况 不应该推荐
③ 支持多源触发（不只是 Sales Agent）

未来 Step-0 可能来自：
行为系统
价格变动
库存变化
人工规则

④ 推荐系统自身的指标优化

Step-1 可以做 AB
可以统计「被 Gate 掉的机会」
优化推荐 ROI

推荐系统设计

推荐系统消息的生命周期：
「Recommendation Opportunity（推荐机会）」
创建 → 观察 → 解决 / 升级为主动推荐

T0   用户对比 A vs B
     ↓
     FSM → COMPARE
     → 发送 opportunity_created

T0+10min
     用户无操作

T0+2h
     用户无操作

T0+24h
     定时任务发现：
     opportunity 未 resolved
     → 触发 timeout
     → 触发推荐

推荐系统架构设计

┌───────────────────────────┐
│ Conversation / FSM Agent │
│ (LangGraph Multi-Agent) │
└─────────────┬─────────────┘
│ 事实事件
▼
┌───────────────────────────┐
│ Event Ingestion Layer │
│ (Kafka / Queue / Webhook) │
└─────────────┬─────────────┘
▼
┌───────────────────────────────────────────┐
│ Recommendation System (核心) │
│ │
│ ┌───────────────┐ ┌──────────────────┐ │
│ │ Opportunity │ │ Scheduler / Timer │ │
│ │ Manager │ │ │ │
│ └───────┬───────┘ └───────┬──────────┘ │
│ │ │ │
│ ▼ ▼ │
│ ┌─────────────────────────────────────┐ │
│ │ Decision Engine (Step-1 / Step-2) │ │
│ └───────────────┬─────────────────────┘ │
│ ▼ │
│ ┌─────────────────────────────────────┐ │
│ │ Action Executor (Step-3 / Step-4) │ │
│ └─────────────────────────────────────┘ │
└───────────────────────────────────────────┘
│
▼
┌───────────────────────────┐
│ WhatsApp / FB Sender │
│ + Tracking / AB Test │
└───────────────────────────┘

1 Opportunity 生命周期管理（状态层）

核心模块：Opportunity Manager
职责 创建 / 更新 / 关闭推荐机会

持久化状态
去重 & 幂等

状态机

CREATED
  ├─ RESOLVED（购买 / 拒绝）
  └─ TIMEOUT（超时未转化）

2 Eligibility & Decision（是否触发推荐）

触发方式

Scheduler 定时扫描

Opportunity 状态变化（TIMEOUT）

职责

这是你前面说的 Step-1 Gate（技术实现）

输入

Opportunity
User Profile（画像）
Frequency / Cooldown
AB Test Bucket

输出

{
  "eligible": true,
  "strategy": "price_sensitive_followup",
  "confidence": 0.78
}

3 Recommendation Strategy（推荐策略选择）

核心模块：Strategy Selector
职责

选商品
选话术策略
选 CTA 类型

输入
Decision Engine 输出
User Preference
Objection Type
输出（中间态）

{
  "product_id": "A",
  "strategy_type": "same_product_discount",
  "cta_type": "ADD_TO_CART",
  "content_variant": "A1"
}

4 Action Execution（动作执行），核心模块：Action Executor

职责

渲染消息模板
发送消息
幂等 & 失败重试
记录发送状态
数据结构

{
  "action_id": "act_001",
  "opportunity_id": "opp_001",
  "channel": "whatsapp",
  "message": "...",
  "sent_at": "T0+24h",
  "status": "SENT"
}