PRODUCT + TECHNOLOGY ROADMAP
海妈家三大 AI Demo 落地蓝图
一张图看懂场景价值、业务流程、产品分期和技术路线。首版坚持规则优先、人工确认、可追溯留痕，再用真实数据逐步提升自动化程度。
总体建设原则
三个 Demo 共用一套“数据接入—AI 分析—业务确认—结果回写—评估复盘”基础架构，避免每个场景重复建设。
输入
校验与调度
理解与生成
责任节点
回写与留痕
本地可演示
用模拟数据打通页面和核心规则，用于客户方案沟通、业务评审和确认业务口径。
单部门试点
先通过 CSV、AI 表格或授权接口导入数据，AI 只生成建议，人工确认后处理。
跨系统闭环
连接平台客服、ERP/WMS、商家经营数据、钉钉与招聘台账，形成通知和回写。
Demo 1｜海妈家多平台智能客服与售后风险助手
目标是先统一问题入口、风险口径和人工接管机制，而不是一开始就追求“机器人全自动回复”。
场景价值
多平台集中看
把淘宝/天猫/抖音等来源的咨询和售后工单映射成统一字段，减少切换和遗漏。
风险问题先处理
将质量、批量同款、高负面情绪、平台介入和超时工单自动提升优先级。
回复有依据
回复前检索尺码、材质、物流、活动和售后政策，降低口径不一致。
业务流程图
输入字段与最终返回
输入字段
平台、店铺、会话/工单号、订单号、SKU、商品名称、客户文本、图片 OCR、订单状态、物流状态、已沟通次数、当前责任人。
最终返回
问题类型、情绪等级、风险分数与理由、需补充信息、知识依据、回复草稿、是否转人工、建议负责人、SLA 截止时间、处理结果。
分支逻辑与异常兜底
| 条件 | 系统动作 | 人工责任 |
|---|---|---|
| 普通尺码/材质咨询，知识命中 | 生成带来源的回复草稿 | 客服确认后发送 |
| 退货、退款、补偿、质量投诉 | 自动高亮风险、禁止直接发送、建议升级 | 有权限人员核实订单和政策 |
| 订单/SKU 不完整 | 返回需补充字段，不猜测 | 请客户或内部人员补全信息 |
| 模型或知识库不可用 | 回退标准话术，创建人工工单 | 在 SLA 内接管，不对外暴露系统错误 |
产品落地路线
第 1 阶段：统一工单台账
完成平台、订单、SKU、问题、风险、责任人、SLA 和处理结果字段标准化。
第 2 阶段：AI 分类和回复草稿
上线意图识别、情绪识别、知识检索、标准草稿和人工审核。
第 3 阶段：风险联动与质量追溯
对同 SKU/批次/问题聚合，向运营、仓储或质量负责人发送处理任务。
技术落地路线
Demo 2｜海妈家 AI 商品运营与爆款决策助手
用多指标识别“值得加码”、“需要优化”和“应该止损”的 SKU，不用单一销量论英雄。
场景价值
潜力款早发现
新品量小时综合看点击、加购、转化、评价与退货，找到值得继续测试的款。
风险款早止损
识别“卖得多但退得多”、“流量高但不转化”、“毛利不足”等假繁荣。
动作可追踪
把主图、价格、搜索词、投放、补货与清仓建议转成责任人和截止时间。
业务流程图
输入字段与最终返回
输入字段
平台、店铺、SPU/SKU、款式、季节、上架天数、曝光、点击、加购、订单、销售额、成本、广告花费、退货率、好评率、库存、在途、交期。
最终返回
商品分层、潜力分、利润分、风险分、核心证据、主要短板、建议动作、建议责任人、复盘日期、需要人工补充的数据。
分支逻辑与异常兜底
| 条件 | 系统动作 | 人工决策 |
|---|---|---|
| 点击、加购、转化持续上升，利润安全 | 标记潜力款，给出小步加码建议 | 运营确认资源位和预算 |
| 转化高但退货率/售后风险高 | 禁止直接加码，转质量与尺码分析 | 核实版型、尺码说明和批次 |
| 流量足但点击低 | 生成主图/标题/价格带诊断任务 | 选择一项变量开展 A/B 测试 |
| 数据天数不足或样本太小 | 标记“观察中”，不给确定性结论 | 设置最小测试周期和复盘日 |
产品落地路线
第 1 阶段：SKU 健康看板
用透明规则完成潜力、利润、退货、库存四类评分与商品分层。
第 2 阶段：建议到任务
将 AI 建议变成主图优化、搜索词、投放、尺码说明、补货与清仓任务。
第 3 阶段：预测与实验
积累至少一个完整销售周期数据后，再评估销量预测、补货预测和潜力分类模型。
技术落地路线
Demo 3｜智能招聘辅助助手
围绕“岗位标准—候选人解析—匹配评分—沟通—人工复核—看板”形成完整链路，并强化可解释和责任边界。
场景价值
筛选口径统一
把岗位必须项、加分项和需核实项转成统一标准，避免只凭关键词判断。
核实问题更精准
围绕候选人真实项目经历生成核实问题，关注业务理解、技术落地与风险意识。
进度与风险可见
统一记录阶段、责任人、最近跟进、复核结论和下一步动作。
业务流程图
输入字段与最终返回
输入字段
岗位名称、职责、必须技能、加分项、需核实项、工作地点、薪资范围；候选人脱敏简历、项目、技能、年限、城市、期望和授权的沟通记录。
最终返回
结构化候选人摘要、匹配分和逐项依据、亮点、风险/待核实点、推荐等级、个性化沟通草稿、核实问题、下一步动作和人工复核标记。
分支逻辑与异常兜底
| 条件 | 系统动作 | 人工责任 |
|---|---|---|
| 必须技能有充分项目证据 | 标记高匹配，生成验证性核实问题 | HR 确认沟通和后续安排 |
| 只出现技能关键词，没有项目依据 | 不计为完全匹配，列为待核实点 | 人工复核个人贡献和可验证细节 |
| 存在信息缺失或相互矛盾 | 降低置信度，返回需补充问题 | 不得因缺失信息自动淘汰 |
| 涉及性别、年龄、婚育等不当特征 | 不进入匹配评分 | 使用与岗位能力直接相关的标准做决策 |
产品落地路线
第 1 阶段：岗位与候选人台账
完成 JD、候选人、沟通、复核记录和操作日志五类数据对象。
第 2 阶段：解析、评分和招聘辅助
通过结构化输出形成可解释匹配，生成沟通草稿和核实问题，保留人工复核。
第 3 阶段：漏斗与跟进提醒
统计阶段分布、超时跟进、复核记录完整性与录用转化，不用 AI 自动录用。
技术落地路线
建议试点验收指标
应先记录上线前基线，再设定提升目标；下表是可执行的验收维度，不是已达成成绩。
| 类别 | 客服售后 | 商品运营 | 智能招聘 |
|---|---|---|---|
| 数据完整 | 工单必填字段完整率 | SKU 指标口径一致率 | 候选人与岗位关联完整率 |
| AI 质量 | 意图分类准确率、回复草稿采纳率 | 分层与运营复盘一致率 | 技能抽取准确率、评分依据完整率 |
| 业务效率 | 首次响应和工单关闭时长 | 日常分析与复盘用时 | 单份简历初筛和反馈整理时长 |
| 风险控制 | 高风险人工确认覆盖率 100% | 投放/补货/下架人工审批覆盖率 100% | 淘汰/Offer/录用人工决策覆盖率 100% |
| 过程留痕 | AI 输入摘要、模型/规则版本、输出、人工修改、最终结果均可追溯 | ||
上线前必须补齐的信息
当前 Demo 可以演示，但真实对接前需要企业业务负责人确认以下内容。