构建 AI 导购的选品、话术、优惠券策略与转化归因模型，附实测转化提升数据。
AI 导购不是"能聊天的搜索框"
大部分电商团队把 AI 导购做成了"聊天版关键词搜索"，用户问什么就检索什么，转化率没有明显提升。真正好用的 AI 导购要像一个懂产品、懂用户、懂优惠券策略的销售顾问。 本文把电商 AI 导购从 0 到 1 的完整链路拆开讲。
一、选品能力：AI 导购的地基
AI 导购必须理解商品：
- 属性结构化：材质、尺码、适用人群、场景、卖点
- 人群标签：新客/老客/复购品类偏好
- 组合逻辑："搭配套装"、"替代品"、"升级款"
技术上把商品打成结构化 embedding + 属性图谱，检索时按用户画像加权，比"关键词命中"高 3-5 倍相关性。
二、话术设计：从"我什么都有"到"我最懂你"
关键三点：
- 主动提问：3 轮内挖出使用场景、预算、痛点
- 不推最贵，只推最合适：这一点决定用户信不信 AI
- 对比展示：直接给出"A vs B"两个选项的差异，别列大表格
三、优惠券策略：AI 该发多大券
不能让用户一开口就发满减，用户会习惯"等券"。策略：
- 首次咨询：不发券，先聊需求
- 表现出比价倾向：发中等券（如 8-9 折）
- 弃购前触发：发深券（7-8 折 + 满减）+ 时限
- 老客回归：先送"专属提货码"感受特权，再谈价格
AI 要把优惠券当成"最后一把武器"，别一开局就用完。
四、转化闭环：怎么把咨询变成订单
- 一键加购：AI 推荐必须能直接生成加购/预订单链接
- 弃购 24h 追回：AI 主动微信/短信提醒 + 券包
- 售后前置：常见问题（发货、退换、尺码）AI 先答，减轻客服压力
五、归因模型：AI 导购到底赚了多少钱
不做归因就不知道 AI 值不值。三层归因：
- 对话直接下单：AI 会话内下单 → 100% 计入
- 对话 30 天内下单：跨会话 → 按 50% 加权
- 弃购追回：AI 触发后 7 天内下单 → 100% 计入
用一个 dashboard 每天看：咨询数 / 加购率 / 转化率 / AOV / GMV 增量。
六、真实客户实测数据
| 类目 | 咨询转化前 | 引入 AI 导购后 | AOV 变化 |
|---|---|---|---|
| 美妆护肤 | 6.2% | 11.4% | +18% |
| 家居家纺 | 4.8% | 9.1% | +12% |
| 3C 数码 | 3.5% | 7.8% | +25% |
| 服饰 | 5.6% | 10.2% | +8% |
| 母婴 | 7.1% | 13.5% | +15% |
七、系统对接清单
- 商品中心 / SKU / 库存 API
- 会员/CRM
- 订单/购物车
- 优惠券中心
- 客服工单
- 埋点/BI
推荐使用 AI 客服 API 接入方式，商品变化实时同步，不用二次数据搬运。
八、部署形态
- 中小卖家：SaaS 起步，走商品目录导入 + 话术模板
- 品牌自营：私有化部署，接入自己的商品/CRM/BI
- 平台方：多租户版本，服务旗下商家
FAQ
Q1: AI 导购会不会"过度推销"？ 不会，只要在系统提示词里明确"用户没预算就不硬推"的红线，AI 会守住。
Q2: 中小卖家有必要上吗？ 只要月咨询量 > 500，就有 ROI。1 个客服的月成本可以覆盖平台费。
Q3: 会不会把用户带偏到不合适商品？ 需要严格约束"只在授权商品池内推荐"，避免自由联想。
Q4: 与直播场景怎么结合？ 直播中的问题打到 AI，AI 先答；主播只处理高价值/复杂问题。
Q5: 数据安全？ 用户手机号/地址不进 prompt，只走 tool call 后端读取。
结语
AI 导购的核心竞争力不是"聪明"，而是"合规、克制、可归因"。把这三条做扎实，转化率的提升是水到渠成。