使用coze为连锁服装品牌打造门店智能导购助手 ### 业务背景一线导购的“三座大山”客户是拥有 400 多家门店的快时尚品牌。一线导购每天面临的挑战很典型- **信息记不住**每周上百款新品上市每款的成分、库存、搭配建议都要背新员工培训周期长。- **找货效率低**顾客问“M 码牛仔蓝还有吗”导购得跑去翻系统或仓库微信问一等就是几分钟顾客体验差。- **活动算不清**满减、折扣、会员价叠加规则复杂面对顾客询问导购经常算错引发客诉。管理层希望有一款 AI 工具能嵌入导购日常使用的企业微信做到随叫随到、即时精准。我们评估后决定用 Coze 从零搭建一个“AI 导购助手”。---### 为什么选 Coze而不是自己从头开发当时也对标了 Dify 和其他平台最终选 Coze 主要基于三点1. **与企微无缝打通**Coze 发布到企业微信机器人只需一键配置不用写任何对接代码导购直接在企业微信里就能用。2. **插件生态救了 API 对接**内部商品库存、促销价格都是现成 APICoze 允许我们低成本创建自定义插件配合可视化工作流不用搭后端就能实现实时查询。3. **卡片消息提升体验**导购需要的不是大段文字而是带图片、价格、库存状态的卡片。Coze 的 Bot 支持在回复中直接输出结构化卡片展示商品图、尺码、一键跳转商城这是普通 IM 机器人难以实现的。---### 核心设计意图路由 动态插件 知识兜底我们没有使用“单轮问答”而是搭建了一个包含工作流的智能 Bot核心分四大能力模块。**1. 意图识别与分流**- Bot 首先通过一个“意图分类”节点把导购提问分成查库存、查商品详情、查活动、搭配推荐。- 分类提示词里我们埋入了很多口语化样本比如“这件还有小码吗”、“帮我看看 7742 的折扣”等大幅减少了误判。- 如果意图不明确Bot 会反问澄清而不是瞎猜。**2. 实时库存与商品查询——插件真正发力**- 对于“查库存”和“查商品详情”我们编写了一个自定义插件 ProductAPI对接内部 ERP 和商品中心输入 商品ID或条码 和 门店编码返回实时数据。- 工作流中通过“插件节点”调用拿到 JSON 后先过一道 **代码节点Python**只提取必要字段尺码、颜色、库存量、图片 URL、吊牌价并拼装成卡片需要的数据结构。**这里踩过的坑是原始 API 返回了大量冗余信息直接丢给模型会严重污染后续生成。**- 清洗后的数据通过“生成卡片”节点返回一张带商品主图、尺码库存矩阵、当前售价的富卡片导购一眼看清可直接截图发给顾客。**3. 促销活动计算——让模型做它擅长的事**- “查活动”意图会调取一个独立的“营销政策”知识库每周运营更新同时配合插件获取会员等级和当前时间。工作流将知识库检索到的满减规则、会员折扣文本加上插件返回的原价一起送入一个大模型节点。- 我们在提示词中严格约束“你是计算器必须按照给定规则计算不允许输出任何规则外的金额”并给出计算示例。上线后客诉计算错误的情况几乎为零。- 更关键的是我们利用 Coze 的 **“长期记忆”变量** 记录导购最近 5 次查询的商品品类当导购问活动时能自动结合历史偏好推荐相关折扣商品增加了连带销售机会。**4. 搭配建议——知识库 人工调优**- “搭配推荐”主要依赖一个精心维护的知识库。我们让品牌设计团队整理了上千套“一衣多穿”搭配方案按场景通勤、约会和品类上衣、连衣裙分段。- 为了提升检索准确度知识库分段时我们强制要求每个片段必须包含 场景标签 和 核心单品 作为标题。同时开启“关键词向量混合检索”避免因“法式复古”这种模糊描述检索到“美式复古”的内容。- 回复同样采用卡片呈现多张搭配效果图。这里发现 Coze 的卡片最多支持 3 张图因此我们在代码节点中做了去重和优选逻辑。---### 踩过的坑与关键解法**插件稳定性与超时**- 内部 API 偶发延迟超过 Coze 插件调用的 10 秒限制。我们做了两层优化插件侧加入 Redis 缓存库存数据 30 秒准实时并在代码节点捕获超时返回友好提示“查询人数较多请稍后再试”避免 Bot 崩溃。**知识库“看起来很美”**- 直接将产品详情 PDF 上传检索效果极差因为表格和多栏排版被拆得七零八落。后来我们强制要求内容团队输出纯 Markdown 格式每个单品一个独立片段且必须包含 商品ID。这样导购直接输入商品编码也能精准召回。**卡片消息的适配**- Coze 的卡片字段如果含空值企业微信端可能渲染异常。我们利用代码节点强制做了空值替换例如无图片时放一张品牌 Logo 占位无库存时直接显示“售罄”红色标签体验丝滑。**让运营自己能迭代**- 刚上线时搭配推荐的话术总被导购吐槽“太机械”。我们教会运营人员使用 Coze 的“播客调试”功能直接查看线上日志把不好的回复一键添加为“优化示例”修改话术后重新训练。现在每周由运营自行更新促销知识库和话术包研发只负责插件维护。---### 业务成效上线两个月后- 导购平均查询商品信息的时间从 **3 分钟缩短到 15 秒**顾客现场等待焦虑大幅下降。- 促销活动解释准确率从人工的 82% 提升至 **99.3%**客诉归因于“算错钱”的案例几乎清零。- 搭配推荐卡片被导购主动分享给顾客的次数日均超过 2000 次带动搭配销售占比提升 **5 个百分点**。- 企业微信 Bot 的日活导购达到 97%被一线称为“离不开的电子店长”。---### 几点真实心得1. **Coze 最大价值是“让业务离 AI 更近”**。插件和工作流可以被有技术基础的业务运营掌握他们不再是旁观者而是 Bot 的训导员这比任何算法调优都更可持续。2. **卡片消息是体验放大器**。在电商、零售这种重视觉的场景多花精力设计卡片模板远比优化文字提示词收益更高。3. **插件是命门要做好容灾**。任何外部调用都必须考虑降级方案否则一次超时就可能摧毁用户信任。我们在代码节点中嵌入了大量异常处理逻辑这是工程严谨性的底线。4. **别想一步到位**。先在一个最小场景比如仅查库存跑通闭环再逐渐叠加工时、促销查询等功能。Coze 的迭代很轻量适合“小步快跑”。目前我们正在探索 Coze 的 **“多 Bot 协作”模式**让导购助手与后端的“售后问题诊断 Bot”、“会员画像 Bot”联动未来导购只需输入“帮我看下这位 VIP 的退换货记录”就能由多个 Bot 协同给出综合建议。如果你也打算用 Coze 赋能一线业务不妨从数据最疼、但流程最标准的查询类场景切入先把“替人找信息”这件事做透后续的想象力自然会打开。