ARTICLE DETAIL

资讯详情

深耕网站建设、视觉设计与SEO优化的一线实战洞察。

个人微信二次开发如何实现智能售前咨询?微信机器人与商品知识库结合实践

个人微信二次开发如何实现智能售前咨询?微信机器人与商品知识库结合实践 售前知识库最常见的错误结构是一个产品一段介绍文本。用户问具体规格时机器人答不准根因是知识没有按商品属性结构化。这篇讲商品知识库该怎么设计才能支撑精准售前问答。一、商品知识的三层结构第一层是SPU层产品系列品牌、系列名、产品定位。回答你们家有哪些类型的XX产品这类问题。第二层是SKU层具体可售单元颜色、尺码、容量等规格组合每个组合有独立价格和库存。回答M码黑色的多少钱64G版本有货吗这类精确问题。第三层是属性层规格参数材质、重量、保修期、兼容性等技术参数。回答这个支持Type-C吗能洗吗这类参数问题。三层结构的意义用户的问题粒度不同检索要命中对应层级。问有什么耳机查SPU层问这款耳机有白色吗查SKU层问这款耳机续航多久查属性层。二、多规格匹配——售前最高频的精确问题我要一件M码黑色的T恤——这句话包含两个规格约束尺码M、颜色黑。知识库要支持多属性组合筛选返回满足全部约束的SKU及其库存。实现上SKU表按规格维度建索引尺码一个索引、颜色一个索引查询时多索引交集。命中唯一SKU返回价格库存命中多个同款不同批次列出让用户选零命中说明无此规格主动推荐最接近的替代款。三、商品对比——决策期用户的典型需求决策期用户常问A和B有什么区别。对比能力要求知识库能按同一维度并排呈现两个SKU的属性差异而不是把两段产品介绍拼在一起。对比结果要讲差异不讲共性——两个产品都有的属性如都支持蓝牙不用列只列不同的价格差、续航差、材质差并给出选择建议追求续航选A预算有限选B。三层结构对照层级回答的问题数据示例SPU层有哪些产品产品系列/定位SKU层某规格有没有/多少钱颜色×尺码组合属性层某参数是多少材质/续航/保修三层知识库实现class ProductKB: def search(self, question, wxid): # 判断问题粒度路由到对应层 if asks_for_catalog(question): return self.query_spu(question) # 系列层 if has_spec_constraints(question): return self.query_sku(question) # SKU层 return self.query_attribute(question) # 属性层 def query_sku(self, question): 多规格组合匹配 specs extract_specs(question) # 例{size: M, color: 黑色} sku db.query_sql( SELECT s.* FROM skus s JOIN sku_specs z1 ON s.idz1.sku_id AND z1.dimsize AND z1.value? JOIN sku_specs z2 ON s.idz2.sku_id AND z2.dimcolor AND z2.value? WHERE s.spu_id? AND s.stock 0, [specs.get(size), specs.get(color), specs.get(spu_id)]) if sku: return f{sku[name]}价格{sku[price]}元 f库存{sku[stock]}件 # 零命中→推荐最接近规格 alt self.nearest_sku(specs) return f您要的规格暂时缺货{alt[spec_desc]} f有货需要看看吗 def compare(self, sku_a, sku_b): 对比只讲差异 attrs_a db.query(attributes, sku_idsku_a) attrs_b db.query(attributes, sku_idsku_b) diffs [] for k in attrs_a: if attrs_a[k] ! attrs_b[k]: diffs.append(f{k}{attrs_a[k]} vs {attrs_b[k]}) advice self.compare_advice(attrs_a, attrs_b) return 区别主要在\n \n.join(diffs) \ f\n\n建议{advice} # 知识库同步ERP变更→三层更新 def sync_product_change(spu_id): 单个产品变更时增量刷新三层数据 refresh_spu(spu_id) refresh_skus(spu_id) refresh_attributes(spu_id) rebuild_vectors(spu_id) # 重建向量索引落地建议商品知识库的建设顺序先搭三层结构哪怕数据少结构先对再做SKU多规格匹配售前最高频场景商品对比放第三步决策期功能需要属性数据完整。数据同步用增量刷新——产品价格库存变动频繁全量重建向量索引来不及。SPU/SKU/属性三层的字段划分参考 Eyun 开发文档 中商品相关的接口数据结构平台开通见 Eyun 官网。
返回列表