智能销售助手设计--痛点难点

目录

• 定位
• 产品设计
• 问题：不同的用户的顾虑点（Objection ），需用用不同的内容回答
  • • 情况 A：Objection = RISK
    • 情况 B：Objection = FIT
    • 情况 C：Objection = VALUE
• 如何识别Objection
• 识别Objection技术方案 规则系统（Rule Engine）+分类模型（Classifier）+LLM 分析（兜底）
  • 分类器
• 技术设计

定位

这是一个 面向中国跨境卖家的 AI 销售 SaaS，
通过 接管 WhatsApp / Facebook 私聊场景，
用 AI 提升独立站流量的询盘转化率和客单价。

产品设计

销售策略不是“回答”，而是推进：

• 降低风险
• 引导使用场景
  -推向下一个用户旅程节点

常见海外购买心理标签，购买决策的核心顾虑点，或者说阻碍成交的心理因素（Objection ），

类别	示例
Risk Aversion	怕被骗 / 怕退不了
Social Proof	别人用过吗
Price Sensitivity	有没有优惠
Convenience	物流 / 售后
Authority	专业度

问题：不同的用户的顾虑点（Objection ），需用用不同的内容回答

Is it waterproof?

情况 A：Objection = RISK

• 担心产品质量
• 怕虚假宣传

👉 应对：

• 社会证明
• 使用场景
• 真实案例

---

情况 B：Objection = FIT

• 不确定是否适合自己的使用场景

👉 应对：

• 追问使用环境
• 明确适用范围

---

情况 C：Objection = VALUE

• 觉得“是不是噱头”

👉 应对：

• 对比竞品
• 强调差异点

如何识别Objection

多信号融合（不是一句话）

• 关键词（reviews / legit / warranty）
• 历史对话轨迹
• 当前 Stage
• 行为信号（是否点过价格页）

{
  "intent": "PRODUCT_QUESTION",
  "stage": "INTEREST",
  "objection": "RISK",
  "confidence": 0.78
}

识别Objection技术方案 规则系统（Rule Engine）+分类模型（Classifier）+LLM 分析（兜底）

非常确定的规则 > 稳定的分类模型 > 灵活但不稳定的 LLM

规则负责“我很确定的少数情况”，
分类模型负责“我大概知道的大多数情况”。

如果你只用规则，系统一定会出现两种灾难：
覆盖率极低
规则指数级膨胀且不可维护

if rule.confidence >= 0.85 and not rule.is_negated:
    use(rule)
elif classifier.confidence >= 0.7:
    use(classifier)
else:
    use(llm)

为了，降低规则的误判，规则加上语境限制，并且句子有否定词降权
如：“This is NOT a scam, right?”

规则实现
{
  "pattern": "scam",
  "conditions": {
    "intent": ["PRODUCT_QUESTION", "PURCHASE_INTENT"],
    "negation": false
  },
  "objection": "TRUST",
  "base_confidence": 0.7
}

分类器

输出不是“标签”，而是“概率分布”

分类模型输出的是：

{
  "PRICE": 0.62,
  "DELIVERY": 0.21,
  "RISK": 0.10,
  "NONE": 0.07
}

你用的是：

最大值 = PRICE
confidence = 0.62

技术设计

Intent 解决“用户在做什么”，
Stage 定位“用户走到哪一步” （处于旅程哪一步）
Objection 解释“为什么还没成交”。（用户的顾虑是什么）