Bridging Search and CRM: Productionizing AI Product Research Agents for Customer Re-Engagement
本文介绍了一个已投入生产部署的框架，该框架通过利用人工智能驱动的产品研究智能体（Product Research Agents）整合搜索与 CRM 系统，以识别具有探索意图的用户，并通过 WhatsApp 提供个性化且有据可依的产品推荐，从而显著提升了点击率、用户参与度及下游营收。
原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
在现代购物广阔的数字景观中，存在着一种往往被忽视的隐形摩擦。当顾客在搜索栏中输入一个模糊且具有探索性质的问题，例如“最适合游戏的智能手机”时，系统通常只会返回一个按销量或关键词排序的静态产品列表。这种方法对于特定的请求（例如寻找某个特定的型号）效果很好，但在处理涉及主观需求、用户寻求指导、比较和信任的情况时却显得力不从心。因此，许多购物者会离开应用程序，去咨询外部评论、视频频道或论坛，然后再返回购买。这种旅程是碎片化的，切断了平台与用户之间的联系。为了弥补这一差距，研究人员正越来越多地转向能够像人类专家一样进行推理、搜索和综合信息的人工智能系统。这些系统通常被称为“智能体”（agents），它们不仅仅是检索数据，还能理解意图，从多个来源收集证据，并构建连贯的答案。驱动这项新工作的核心问题是：这样一种智能系统是否可以大规模部署，不仅能回答这些复杂的问题，还能主动接触那些已经流失的客户，通过个性化且值得信赖的建议引导他们回归。
来自印度大型在线零售商 Flipkart 的一个研究团队正是构建并测试了这样一个系统。他们创建了一个框架，将用户提问的搜索引擎与发送消息给用户的客户关系管理工具连接起来。他们的目标是识别出那些表现出困惑或犹豫迹象的购物者——即那些搜索了主观术语但没有点击任何结果的用户——然后通过直接发送到其 WhatsApp 消息应用的、由 AI 生成的有用建议来重新吸引他们。他们构建的系统不是一个单一的程序，而是一个由专门的数字工作者（即智能体）组成的协调团队，每个智能体都有特定的职责。一个智能体负责倾听用户的提问，并弄清楚他们真正的需求，例如预算限制或对特定品牌的偏好。另一个智能体则前往更广泛的网络，寻找专家评论、对比文章和社区讨论，以确定最佳候选对象。第三个智能体会将这些候选对象与零售商自身的内部数据库进行比对，以确保这些商品确实有库存、可配送至用户所在地，并且价格正确且包含适用的折扣。最后，第四个智能体充当严格的编辑，反复检查所有的事实、日期和规格，以确保在向人展示之前，所提供的建议准确无误。
整个过程旨在实现高效和可扩展。该系统并非尝试对每一个搜索查询都运行这种复杂的调研，而是首先过滤数据，仅寻找最有潜力的机会。它寻找特定的模式，例如那些购买力强但未点击任何搜索结果的用户，并将精力集中在这些案例上。一旦识别出高潜力用户，智能体团队就会协同工作，异步地构建一条推荐信息。输出结果是一条简洁、个性化的 WhatsApp 消息，其中包含几款产品建议、它们的价格以及被选中的原因说明。研究人员在真实环境中对该系统进行了为期二十三天的实地测试。在此期间，系统向不同用户发送了大约一万五千条消息，主要侧重于手机领域。结果令人瞩目。这些消息产生的点击率几乎是之前使用传统推荐方法的营销活动的近三倍。更具说服力的是收到消息的用户行为；在许多天里，点击链接的人数甚至高于发送的消息数。这表明用户不仅在阅读消息，还在积极地将其分享给亲朋好友，从而由后者点击链接，有效地将客户转化为了二次分发网络。
这次活动的成功不仅限于点击量，它还转化为实际的经济活动。研究人员追踪了收到消息的用户，发现相当一部分人随后购买了推荐的产品，为公司创造了可观的收入。为了确保系统的可靠性，团队对生成的数千条推荐进行了严格的人工审查。他们根据现实世界的数据，核对了手机的技术规格和发布日期。系统表现出了极高的准确性，超过 9ninety-nine percent（百分之九十九）的规格和发布日期都是正确的。这种高度的事实准确性很大程度上归功于最后的“审查”智能体，它作为一个安全网，在消息发送前捕捉任何不一致或错误。研究人员还比较了组织智能体团队的两种不同方式。他们发现，采用一个中央管理者协调工作者的结构，远优于工人之间仅仅进行任务传递而缺乏监督的结构。这种中心化的方法显著减少了错误，并确保系统遵循所有必要规则，例如仅在用户询问“最新”型号时才包含发布日期。
这项工作证明了人工智能可以超越简单的自动化，成为客户旅程中的主动伙伴。通过将搜索开放网络的能力与零售商内部数据的精准度相结合，并将其封装在值得信赖的沟通渠道中，该系统成功地重新吸引了此前流失的用户。研究表明，当人工智能被用于提供有据可查、可解释且经过事实核查的建议时，它可以恢复购物者与平台之间的联系。研究结果表明，电子商务的未来可能不仅仅在于展示更多的产品，而在于提供更好、更智能的指导，从而尊重用户对上下文和信任的需求。研究人员已经证明，这样的系统是可以被构建、部署并规模化应用，以应对现实世界市场复杂性的。它将碎片化的购物体验转变为一个连贯且高效的旅程。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。