課題發(fā)起方：ZionAI實驗室成員-深圳服裝協(xié)會-劉慶星實驗人員：羅弘一編輯：Chloe

課題背景：

AI能做到手把手帶新人，幫助銷售快速實戰(zhàn)上崗嗎？

我們市場調研的時候，了解到不少行業(yè)銷售人員流動性都較大，需要像服裝導購、教培、保險等等，很多創(chuàng)始人都很很關心以上設想能不能落地。畢竟這個AI培訓老師不用排期、不用休息，新人銷售隨時隨地都能向TA請教。這對企業(yè)來講，既節(jié)約成本、又節(jié)約時間，管理也可以做得更輕。在“銷售助手”這個應用方向上，深圳服裝協(xié)會是第一個跟Zion.AI實驗室共創(chuàng)的客戶。這次共創(chuàng)主要為了求證2個事情：

1. 結合企業(yè)私有的培訓資料，基于大模型，AI助手是否能給出符合場景期待的建議，而不是盡扯片兒湯話。

2. AI助手能否在學習顧客畫像的前提下，case by case地給出人性化的建議，而不是泛泛而談。

實驗過程展示

在正式結合企業(yè)私有數(shù)據(jù)測試之前，我們先看下，單純把大模型當作AI導購助手的話，TA會給出什么水平的建議：

等看過下面結合了企業(yè)數(shù)據(jù)的對比實驗后，心里就會AI導購助手有大概的判斷了。

第一次實驗過程拆解

第一次我們需要完成幾個工作，數(shù)據(jù)預處理、在RAG（檢索增強生成技術，Retrieval Augmented Generation）驅動下調用LLM實現(xiàn)結合企業(yè)私有數(shù)據(jù)的AI問答，以及完成應用的“畫皮”工作，好讓客戶上手測起來。在所有AI知識庫項目中，數(shù)據(jù)預處理都是第一步。第一次溝通下來，客戶給到了一批日常培訓資料，格式很亂，PDF、Word、PPT都有，此外還有一些優(yōu)秀銷售的溝通記錄。第一次時，我們的數(shù)據(jù)預處理工作刻意做的比較粗暴，想看看出來的結果怎么樣。先是把所有文件內容都轉成了markdown格式，說實話大部分markdown工具都挺拉的，最后還是用AI轉的，拿到的結果還不錯。然后是把全部資料都作了向量化處理，這樣在RAG支持下完成檢索后，LLM就能拿到外部資料了，從而能夠增強提示信息，給出更關切的客戶跟進建議。整個后端的工作原理，可以參考下面這個流程圖。（還不是很理解可以回顧下歷史文章：到底該——如何提高“AI回復的準確性”？ |課題時間Vol.1）暫時無法在飛書文檔外展示此內容后臺的工作完成以后，照例我們用Zion無代碼工具快速搭出了前端的聊天界面，接下來可以開始測試效果了。這是第一次嘗試下來的AI導購助手效果：暫時無法在飛書文檔外展示此內容客戶認為，AI導購助手回應的內容方向是符合期待的，相比于直接花費幾十分鐘去翻閱繁雜的資料，在效率上的提升是質變，也比單純大模型給出的片湯兒話有價值的多；但是目前AI給出的回復很啰嗦，文字過多會使讀者讀起來非常累。經(jīng)過觀察發(fā)現(xiàn)，啰嗦是因為用力過猛——AI把整個推理過程的上下文都講述出來了，不符合人類日常溝通習慣；回復時間稍慢是因為語料庫過大檢索時間稍長，這跟做數(shù)據(jù)預處理時文本分割做的粗糙不無關系。

第二次實驗優(yōu)化方向：優(yōu)化文本分割和向量處理方式

為了解決這個問題，我們優(yōu)化了向量化處理方案：相對于第一次時按每千字拆分的方式處理原始資料，這次嚴格按有主題的段落進行拆分。在對資料進行向量化時，由全部向量化改為局部向量化——僅僅針對提煉出來的“主題目錄”信息進行向量化，這樣處理可以讓數(shù)據(jù)本身就有“上下文”關系，對向量數(shù)據(jù)搜索時得到的信息會更加精準，且檢索時間會縮短，當然，這樣做還會更省token。此外，我們在相似性搜索中引入了樹狀思維導圖，當收到銷售的提問時，AI助手會先判斷所問內容在不在目錄范圍內，如果不在的話，會提醒管理員補充知識庫。暫時無法在飛書文檔外展示此內容經(jīng)過處理后我們?yōu)榭蛻糇隽说诙涡Ч菔?/strong>：

客戶的反饋是AI助手回復的文案在話術的準確性和發(fā)言長度都是符合期待的，而且對客戶畫像學習的也很到位，像喜歡黑色、地理位置標簽，都是AI助手自己洞察客戶畫像做的靈活應對。但是如果問的問題不在“目錄”內，就會提示聯(lián)系管理員補充主題的文案，沒人想在實際情況中遇到這種情況，最好當問到?jīng)]有被“劃到重點”的題目時，AI助手也能對答如流。

第三次實驗：決策路徑由COT轉為TOT模式

為了滿足這一需求，我們結合前兩次實驗，增加了一步“問AI用戶當前的問題，在知識庫中是否存在與之相似的主題，返回是或否兩個答案”，如果知識庫中有相關主題，正常按照主題給出精煉且準確的回答即可，如果不在主題目錄列表內，依然能夠切換到1.0版本基礎語料展環(huán)境下展開分析回答。暫時無法在飛書文檔外展示此內容在做了分支升級后，我們的客戶覺得這款AI導購助手已經(jīng)可以在商業(yè)上去做一些動作了，待有階段性進展后我們將另起一篇文章同步給大家。

小結：

最后為本次AI導購助手項目做一個小結，在token消耗上，每次問答消耗約3-500token，折合人民幣5毛，看起來如果不是很商業(yè)化的場景使用起來成本略高；時間成本上，如果想制作一個同結構的AI助手，主要時間是花費在對數(shù)據(jù)的預處理上，這部分是建議找專業(yè)的數(shù)據(jù)處理人員完成，AI助手本身制作只需要兩到三天。另外，小助手還可以從“主題”的豐富性和對AI的提問方式兩個方向上持續(xù)優(yōu)化，來實現(xiàn)更貼合業(yè)務場景的回答效果。在此下期預告一下：AI在民宿行業(yè)的應用案例，敬請期待！

標簽：