首页商品推荐为热销商品，千人一面，CTR 月均仅 2% 偏低。并且搜索、购物车、商详、支付结果和订单详情等 5 个核心链路页面月均有千万 PV 流量，但是未充分挖掘利用。

通过 AI 技术实现上述页面商品个性化推荐，上线 30 天内将首页推荐 CTR 提升至 4% 以上，提升 GMV。

1. 数据埋点与采集：梳理推荐所需的用户行为数据（曝光、浏览、点击、加购、下单、支付等），协同前后端完成埋点方案设计与实施，确保行为数据准确上报。
2. 推荐策略设计：设计多条召回链路权重，包括协同过滤召回、搜索需求召回、语义理解召回、短期兴趣召回、新召回和热门召回等策略，以及兜底机制。
3. 效果验证：通过 A/B 测试对各场景分流验证推荐效果，持续监控 CTR、CVR 等核心指标。
4. 上线迭代与优化：灰度上线，通过数据看板持续跟踪推荐效果，结合业务反馈调整推荐权重，推动算法模型持续优化。

上线 30 天内推荐 CTR 达到 4.1%，并经过 5 轮迭代 CTR 稳定达到 5%，GMV 提升 8%。

通过企业微信接待咨询，日均咨询量持续增长，人均接待超 300 人。人工阶段超负荷，首次响应时长超过 10 分钟，且非工作时间（19:00–10:00）无法回复。使用企业微信客服机器人语义理解差，转人工率达 60%，未转人工满意度仅 30%，且需要维护大量同义问题。

降低首次响应时长至 30s 以内，未转满意度提升至 70% 以上。

1. 需求分析：通过调研和数据分析方式分析业务现状和问题，确定需求目标。
2. 方案设计：调研客服团队整理对话场景，完成知识库 FAQ、RAG 切片检索策略及 Prompt 的详细设计。
3. 测试集构建与选型：基于场景标注评测集，进行向量模型和对话大模型评测与选型。
4. 开发与调优：跟进知识库问答及企微接口开发，基于评测集反复调优 Prompt、检索和兜底策略。
5. 测试上线与运营：完成安全合规审查与验收测试，经灰度测试后全量上线，并建立收集 badcase 持续改进的运营机制。

首次响应时长从 10 分钟降低至 10 秒内，未转人工满意度从 30% 提升至 80%。

随着回收业务增长，每天新入库数百本图书，每天需要 2 人进行人工分类。并且由于图书分类多达上百个，部分冷门或跨领域书籍员工不熟悉，人工分类分类准确率仅 80%，且培训成本高、新人上手慢。

使用大模型实现图书自动分类，减少人工分类人力投入，将分类准确率从 80% 提升至 90%+。

1. 需求分析：分析实现价值，并测试模型效果和成本，确认需求可行且 ROI 高。
2. 测试集构建：按照分类和热门程度构建上千条高质量测试集数据，用于评估提示词和模型效果。
3. 提示词设计：应用"角色设定+任务+要求+输出格式"框架设计 Prompt 和兜底策略。
4. 模型选型与评测：结合业务场景对比文心一言、Kimi 等大模型的价格与效果表现，通过自动化评测任务确定模型。
5. 上线与迭代：上线后定期统计新入库分类准确率，收集分类错误的 badcase，持续优化提示词和分类体系。

实现图书自动分类无需人工分类，分类耗时从 1 天减少至 半小时，准确率提升至 95%。

目标用户为 24-50 岁、偏爱阅读或收藏纸质书的中低收入人群，新书价格高、二手书缺少品质保障，用户购买决策成本高。

从 0 到 1 搭建二手书小程序商城，为用户提供便捷的购买体验，实现用户规模化增长与商业变现。

1. 用户调研：通过问卷、访谈等方式对 100+ 目标用户进行深度调研，梳理买书和卖书场景下的核心痛点与需求优先级。
2. 市场与竞品分析：调研多抓鱼、漫游鲸、闲鱼等竞品，分析各平台的商业模式、用户体验和定价策略，明确以「品质保障+高性价比」为核心差异化定位。
3. 产品设计：完成小程序商城前台核心模块设计，包括商品浏览与详情、购物车、搜索、支付、订单管理、评价体系等，注重用户购买决策链路的流畅性。
4. 数据埋点与运营迭代：搭建覆盖用户行为全链路的数据埋点体系，持续监控转化漏斗（浏览 → 加购 → 下单 → 支付），基于数据分析和用户反馈驱动产品迭代优化。