智能销售助手-Awareness阶段- 插槽设计
在 Awareness 阶段，我通过 事实回答 + 可控的轻度销售插槽，
在不引入 CTA 的前提下，完成产品心智种草，
为后续 Consideration 和 Intent 阶段埋下转化基础。
在 Awareness 阶段：
❌ 不根据「用户关注维度」选择模板。
✅ 只根据「场景 / 人群等 SKU 标签」做轻度推荐。
也就是说：
Awareness：用户还没“关注点”，不要假设他在比较什么
Consideration：用户已经暴露关注点，才进入“维度驱动模板”
Case 1：纯咨询 → 顺带销售（低干扰）
用户旅程：Awareness
典型目标：获取信息，不排斥推荐
对话触发
用户：这个耳机支持主动降噪吗？
结构映射
| 维度 | 识别结果 |
|---|---|
| User Journey | Awareness |
| Phase | PRE_SALES |
| Intent | FACT_QUERY |
| Flow | 产品信息查询 |
系统行为
- 准确回答问题（闭环事实）
- 轻度销售嵌入（非强推）
示例响应逻辑
支持主动降噪，适合通勤和出差使用。
目前这款是我们同价位销量最高的，如果你主要在地铁/飞机上用，会比较合适。
✔ 这个 Case 的价值：
- 不破坏体验
- 销售能力是“附加而非打断”
一、设计思路
在 Awareness 阶段，只需要 3–4 种推荐插槽模板；
通过「用户标签 × SKU 标签」做匹配；
命中的标签决定“用哪个插槽”；
LLM 只负责把模板渲染成自然语言。
检查用户标签
有标签 → 正常匹配模板
无标签 → 跳到步骤 2
根据当前可展示的 SKU 标签匹配候选模板
如果候选模板多 → 按优先级/权重/随机选择
LLM 渲染模板为自然语言输出
可缓存模板选择，后续对话可复用
✔ 完全正确
✔ 这是可控 + 可扩展 + 低维护成本的做法
二、把你的话拆成“真实运行链路”
Step 1：输入
-
用户输入一句话（事实咨询）
-
当前上下文：
- Phase = PRE_SALES
- User Journey = Awareness
- Intent = FACT_QUERY
Step 2：标签准备（不是实时生成）
用户侧（极简）
-
来自上下文或问题本身
-
例如：
- usage_scene = 通勤
- usage_scene = 办公
Awareness 阶段 不要求精准，只要“可能性”
SKU 侧（离线配置）
SKU_123 {
"scene": ["通勤", "办公"],
"user_group": ["上班族"]
}
Step 3：标签匹配（规则，不是 LLM）
你这里说的“匹配”非常关键：
这是规则系统，不是生成系统。
intersection(user.scene, sku.scene) ≠ ∅
只要有交集，就算命中。
Step 4：选择插槽（受控枚举）
例如：
| 命中标签 | 选择插槽 |
|---|---|
| scene | scene_soft_slot |
| user_group | user_group_soft_slot |
一次只选 1 个插槽（Awareness 阶段上限）
Step 5：LLM 渲染（不是决策）
LLM 输入类似：
template: "这款在{scene}场景下使用比较多。"
value: "通勤"
tone: neutral
输出：
这款在通勤场景下使用比较多。
LLM 没有权限：
- 新造标签
- 选择插槽
- 添加 CTA
三、你这个设计，已经天然防住 3 个大坑
1️⃣ 防“推荐失控”
- 插槽数量固定
- 每轮最多 1 条
- 没命中 → 不推荐
2️⃣ 防“话术爆炸”
- 模板 ≪ SKU 数
- 新 SKU 不加话术，只加标签
3️⃣ 防“销售越界”
-
Awareness 阶段：
- 无价格
- 无对比
- 无行动指令
四、两个你现在就该定死的“硬规则”（很重要）
规则 1：Awareness 阶段 绝不叠加插槽
一条就够，多了就是打扰。
规则 2：插槽失败时 宁可不推荐
没有合适标签 = 只回答事实
比“瞎推荐”高级得多。
五、这段话你可以直接写进简历（建议）
在 Awareness 阶段，我通过 少量通用推荐插槽模板，
基于 用户标签与 SKU 标签匹配 决定是否插入推荐，
并限制 LLM 仅做模板渲染，
在不引入 CTA 的前提下实现轻度销售种草。
如果你愿意，下一步我可以帮你把 Awareness → Consideration → Intent 三个阶段的
插槽数量、插槽类型、LLM 权限边界 做成一张“最小销售能力控制表”。
浙公网安备 33010602011771号