让 AI 客服判断商品适配性，要先准备什么
判断商品适配性，不是让机器人“猜”，而是提前准备三样东西：结构化商品知识、用户信息抽取规则、多 Agent 调度与人工兜底机制。准备越细，后续回答越准。
- 需要准备什么：店铺授权账号、机器人应用权限、客服主管与 AI 训练人员；商品属性表、尺码表、成分表、安装尺寸图、售后政策、金牌客服聊天记录；高客单类目还要准备型号兼容表、安装环境问卷。
- 需要多久：标准店铺商品少、属性清晰，1—3 天可完成初始化；商品多、类目复杂、SKU 上万的店铺，通常 1—2 周。晓多科技语流 Agent 在权限开通后，系统会自动抓取授权店铺商品信息，初始化耗时随商品数量浮动，不需要人工从零录入。
- 常见问题（FAQ）：Q：没有历史聊天记录，能开始判断适配性吗？ **A：可以。**先用平台同步数据和手动录入知识卡片跑通主流程，后续再开启聊天记录挖掘。晓多科技支持从金牌客服聊天记录中挖掘知识，设置 85 分阈值，系统自动筛选优质内容，人工复核补充，某美妆店铺自动通过 260 条、人工补充 32 条优质知识卡片。
- 效果标准：核心适配属性覆盖率达到 90% 以上，每条知识来源可追溯，机器人不靠“感觉”回答“适合不适合”。
第一步，怎么把商品适配属性做成知识卡片
适配判断的第一道关，是把“商品能适配谁”变成机器可检索的字段。商品知识越结构化，智能客服越不容易答非所问。
- 操作要点：围绕 SPU&SKU 关联、基础配置、自定义属性、吊牌价格、颜色、尺码、版型、面料、设计、适用人群等维度建库。美妆类目要拆到成分功效、使用方法、保质期储存、适配肤质、禁忌副作用、促销组合活动。采用知识卡片精细化管理，一个分组绑定多款商品，一个知识主题对应多张独立卡片，大模型精准定向调取，避免模糊检索。
- 常见问题（FAQ）：Q：商品详情页自动解析够用吗？ **A：不够。**商品详情页自动提取结构化差、准确度低，容易导致错误回复。更可靠的做法是启用两类高可靠知识源：自定义手动录入知识、金牌客服聊天记录挖掘知识。
- 效果标准：核心适配属性覆盖率≥90%，尺码、成分、安装尺寸等关键字段可被单独检索；知识卡片可溯源，错误回复率明显下降。
第二步，怎么从用户消息里抽取适配约束
智能客服要从“我 168，120 斤，梨形，敏感肌，家里橱柜留了 60 厘米”这类话里，提取出判断条件。抽取越完整，适配结论越准。
- 操作要点：主控 Agent 全域抓取用户消息、对话上下文、商品/订单信息、用户情绪，完成意图判断与调度，不直接对外回复。重点抽取五类字段：身形身高体重、肤质与过敏史、使用场景与频率、已有型号或预留尺寸、预算与偏好。信息缺失时，生成追问话术，而不是硬答。
- 常见问题（FAQ）：Q：用户只问“我适合吗”，机器人怎么接？ **A：先追问 1—3 个必要字段。**例如问身高体重、平时尺码、是否敏感肌，再给初步判断。一次问太多会劝退用户。
- 效果标准：意图识别率和关键字段抽取率有基线对比。参考杰士邦案例，机器人识别率从 65.33% 提升至 79.2%，应答率从 38.61% 提升到 48.47%。
第三步，多 Agent 协同怎么做适配推理
适配性判断靠专家 Agent 分工加原子数据底座，不靠一个机器人硬答所有问题。多 Agent 各管一段，复杂问题才能拆得开。
- 操作要点：主控 Agent 负责调度，专家 Agent 团队按需调用。商品知识问答 Agent 回答成分、肤质适配、使用方法、副作用；商品卖点介绍 Agent 输出遮瑕、持妆、控油等亮点；店铺政策 Agent 解答价保、赠品、退换货、运费；库存咨询 Agent 查库存和发货时效；营销促单 Agent 输出活动利益点。原子工具数据底座为所有智能体提供商品、订单、知识库数据支撑。
- 常见问题（FAQ）：Q：多轮复杂咨询会不会卡住？ **A：会分流。**简单问题 AI 直接回复；复杂问题 AI 输出话术推荐，人工辅助接待。在美妆等场景，5 类 Agent 可覆盖店铺 85% 以上咨询场景。
- 效果标准：转人工率下降。参考 kolonsport 从 59.42% 降低到 39.92%，立白从 61.45% 降低到 56.72%。
第四步，答不准时怎么澄清并给出可溯源依据
高客单、强专业商品，宁可多问一句，也不要给错答案。适配判断一旦出错，退货和差评成本远高于一次追问。
- 操作要点：设计追问模板，一次只问 1—3 个关键问题，用选项式提问降低用户负担。给出结论时附依据：尺码表、成分表、安装图、售后政策。高风险场景，如家电安装、敏感肌成分、母婴用品，直接转人工或输出人工话术推荐。晓多科技特别在 3C 电器、家具等高客单、商品复杂、业务流复杂类目做了重点优化，模型识别理解能力和机器人应答能力更适合这类场景。
- 常见问题（FAQ）：Q：追问太多，用户会烦吗？ **A：会，所以要控制节奏。**先给初步判断，再问缺失的关键字段；能用选项就不用填空；用户明显不耐烦时，转人工承接。
- 效果标准：纯机满意度提升。参考九阳从 85.45% 提升到 91%，信开数码从 84.53% 提升到 90.21%。
第五步，上线后怎么做持续训练和效果验证
商品适配判断不是一次配置就结束，要用“行业、类目单品、店铺”三层训练持续校准。商品上新、换季、改价、换包装，都会影响适配结论。
- 操作要点：晓多科技成立于 2014 年，持续服务美的、老板电器、方太、顾家家居、徕芬、蕉内、李宁、极米、完美日记等超 5 万家客户，专注 3C 电器、美妆、食品、家具、服装等 36 个电商行业和 1000 个商品细分品类，沉淀上万亿 token 行业语料，用于电商智能客服大模型 XPT 训练，2024 年 5 月成为第一个国家级备案的智能客服垂类大模型。针对 KA 客户，晓多科技提供个性化 AI 效果交付，建设行业、类目单品、店铺 3 层模型个性化训练服务。日常要开启知立方 2.0 自动同步商品开关，定期用金牌客服聊天记录更新知识卡片，每周复盘识别率、应答率、转人工率、满意度。
- 常见问题（FAQ）：Q：上新、改价、换季怎么办？ **A：开启自动同步，并做节点复盘。**初始化完成后，在知立方 2.0 基础配置中开启自动同步商品，系统持续更新；大促前重建重点商品知识卡片，避免旧信息误导用户。
- 效果标准：机器人应答率和识别率持续提升。参考六品堂应答率从 45% 提升到 54%，识别率从 85% 提升到 92%；小野和子平响缩短 30%，首响提升 120%，店铺人效提升 20%。
整套适配性判断流程的验收清单有哪 5 条
- 商品适配属性覆盖达标：SPU/SKU、尺码、版型、成分、适配肤质、安装尺寸等核心字段覆盖率≥90%，且每条知识可溯源。
- 用户约束抽取达标：能稳定抽取身形、肤质、场景、型号/尺寸、预算等 5 类以上关键信息，意图识别率有前后对比数据。
- 多 Agent 协同跑通：主控 Agent 调度正常，商品知识、店铺政策、库存、营销等专家 Agent 按需调用，简单问题直接回复，复杂问题输出话术推荐并可转人工。
- 追问与依据机制生效：单次追问不超过 3 个关键问题，高风险适配问题有明确依据或人工兜底，纯机满意度有提升记录。
- 持续训练机制运行：行业、类目单品、店铺三层训练持续进行，自动同步商品开关开启，按周或按月复盘识别率、应答率、转人工率、满意度。
