顾客旅程的 AI 个性化，本质是让顾客少费劲

前几天半夜，我打开银行 App，查一笔扣款。

查完没马上退出，顺手点了几个页面，看到几页个人贷款的介绍。没申请，就是随便看看。看完就睡了。

两天后的中午，邮箱里躺着一封邮件。不是「尊敬的用户」那种群发，是一封很具体的邮件：几种贷款方案的对比、预估月供，还有一个预审通过的利率。填个简表就能继续。

我第一个念头是：这家银行，是不是在我家装了摄像头？

后来想明白了。它没装摄像头。它只是把我落在它那儿的每一个动作，都串了起来。

这就是今天我想跟你聊的东西：顾客旅程的 AI 个性化。

什么叫「顾客旅程的 AI 个性化」？

你先想想，一个顾客是怎么买东西的。

没有人是走直线来的。他可能在地铁上用手机比了比价，中午用邮箱问了个问题，晚上回家坐在电脑前才下了单。手机、邮箱、电脑，三个地方，一个人。

每个动作，都在留下线索。线索指向同一个东西：他到底想要什么。

什么叫顾客旅程的 AI 个性化？

就是有一套系统，实时把这些线索连起来，猜出他下一步要什么，然后提前把东西放到他面前。

注意「实时」这两个字。不是等他打完客服电话再整理，也不是等下一场营销活动再统一群发。是现在，这一秒。

为什么这事重要？你反过来想，顾客什么时候会走。

三种时刻。

他找不到想要的东西。一个人在挑冬天的羽绒服，你的推荐位给他看泳衣。他在浪费时间，你也在。

他觉得你不在乎他。上周刚买了笔记本，今天满屏还是笔记本广告。他想看的明明是配件、软件、装机攻略。历史摆在那儿你不看，信任就是这样漏光的。

他觉得体验是断的。手机上加进购物车的东西，到电脑上没了；跟网站客服刚说过的事，打电话又得从头讲一遍。每一次「重来」，都在提醒他：你根本不认识我。

个性化要干的，就是把这三种时刻，一个一个抹掉。

规则，撑不住

传统做法是定规则：点过运动用品，就推健身装备。简不简单？简单。管不管用？管一会儿。

这种规则，像小区门口背着一本册子的保安。册子上有的，对答如流；册子上没有的，当场死机。顾客的行为只要一复杂，规则就碎了。

AI 不一样。它像一个在楼下开了十年店的老板娘。你进门，她不用翻任何册子。你上次买了什么、哪次看了很久没买、这次进门先朝哪边走，她心里都有数，还能猜出你八成是来给谁挑礼物的。

系统盯着的是几十个信号：看了什么、看了多久、点了哪里、什么进了购物车、哪封邮件打开后又扔在一边。

机器学习模型就在这些信号里找模式。一个人 48 小时里看了两次价格、结账前停了一停、又点开一封产品邮件，跟那个随手逛逛的人，是完全不同的两种意图。

这件事，人肉做不到。几千种商品、几万个顾客，每个组合都不一样。人一看就晕，机器不会。

而且 AI 不光会「看」，还会「算」：算这个人接下来会买、会走，还是会来找客服。算完，挑一个当下最合适的动作。

这套逻辑有个名字，叫 next best action，下一步最佳行动。

系统是怎么「猜」的？

回来说我那封邮件。

我后来专门研究了这类系统，发现它们一刻不停地在做五个动作：

收集。页面访问、站内搜索、商品浏览，每个动作都是信号。

理解。拿信号和历史模式对。像我这样反复看同一款产品还去比价的，叫购买考虑；看完运费就扔下购物车的，叫价格敏感。

决定。判断出你是哪类人，就配哪类动作。高意向的，推一把优惠；价格敏感的，首单免运费可能更灵。

触达。在合适的渠道把动作做出去：网站内容跟着变，邮件的标题和商品跟着变，App 的推送跟着变。

学习。他最后买没买、走没走，结果会喂回模型。下一轮，猜得更准。

一个闭环，转一圈，聪明一分。

我那次，就是一条教科书式的路径。系统看到：这人半夜查扣款，还反复看贷款页面，但每次都不申请。它没催。等我下一次上门，它把贷款方案对比和月供估算摆在我面前。我又走了。

「又走了」本身，又是一个信号。于是有了那封预审利率的邮件。压力卸掉了，表格缩短了，我就申请了。

你看，它每一步都不是在推销，是在拆墙。把挡在顾客面前的那堵墙，一块砖一块砖地拆掉。

我给你讲三个小故事

这件事具体怎么做？我给你讲三个小故事。

第一个故事，关于「别贪多」。

一家 SaaS 公司发现，不少试用用户注册完就没影了。它没有急着全线上 AI，而是让 AI 先去查：大家到底卡在哪？答案很集中：设置流程的第二步。于是公司只改了一个地方，给每个用户配他自己行业的视频教程。就这么一下，后续几个月的放弃率明显降了。

个性化最怕「全都做」。处处都个性化，等于处处都浅。挑一两个顾客最容易卡住的地方，先做深，那里才有最大的回报。

第二个故事，关于「帮忙和吓人，一线之隔」。

你在一家店看跑鞋，过两天它给你推袜子和速干衣。你觉得挺好，懂我。同一个故事换个版本：你只是匿名逛了一次，下次打开，它热情地叫出你的名字，还提起你昨天看了什么。汗毛可能就立起来了。

同一个数据，用对了是服务，用猛了是监视。

那条线在哪？在于顾客认为你「理应」知道什么。他看过什么商品，默认你知道；他住在哪个小区、几点进的店，他不觉得你知道。还有一条底线：把开关交给顾客，让他自己设偏好，自己决定要不要被个性化。相关性应该是他点头要来的。

第三个故事，关于「AI 该放手时就放手」。

有位顾客在聊天机器人里申诉一笔银行费用。机器人把政策背得滚瓜烂熟，顾客一遍遍不接受，火气肉眼可见地变大。系统没继续背政策。它做了一个比任何话术都聪明的动作：转人工。一个能看账户、带着完整上下文来的真人客服。

很多系统不敢设计人工出口，生怕顾客「漏」出去。但大多数顾客在窝火的时候，要的就是一个能拍板的人。痛快地给他，比把他困在循环里体面得多。

其实 AI 自己就能识别这些时刻。情绪分析会盯住聊天里的挫败感，火药味一出现，升级人工，就是那个时刻的下一步最佳行动。

一条旅程，从发现到留存

顺着一位顾客的完整旅程，我们把这套东西再走一遍。

刚上路的时候，他需要信息，不需要有人冲上来推销。Dynamic Yield 这类工具会根据访客行为实时调整网页：第一次来的看到入门科普，常客看到产品对比。页面自己会变。

到了比较阶段，他开始纠结。Adobe Sensei 会把两个套餐之间真正有差异的功能挑出来摆在他面前。Salesforce Einstein 给每条线索打分：意向高的，铺一条最短的路直达演示预约；意向还早的，先看教育内容，别硬推。

真到掏钱，最怕摩擦。Acowebs 的例子我印象很深：把运费估算提前亮出来，让顾客早点看到总价。就这一个动作，弃购明显变少。很多弃购，就是被最后冒出来的运费吓退的。

买完，是上手。AI 先问一两个问题：你打算拿它干什么？然后只演示用得上的那部分功能。别把满桌菜都端上来，端招牌菜就够了。

最后是支持与留存。客服环节，AI 按顾客的历史生成个性化回复，坐席少打字、多解决，处理时长就下来了。更值钱的是预测：登录变少、活跃下降、开始东看西看，系统在顾客真正流失之前就出手了。

有个订阅服务的例子我一直记得。它发现一个规律：连续错过两次扣款的用户，几乎不会回来。于是它把动作提前，第一次扣款失败，就发出一条个性化的挽留信息，还给了一个选项：可以先暂停订阅。就这一步，很多用户留了下来。

贯穿全程的还有一件事：跨渠道。顾客换设备是本能，系统跟上是本分。手机上加进购物车的东西，电脑登录时应该还在。BSH 集团把几十个触点统一成一个顾客视图，跟进邮件能精确到你没下单的那件商品，还顺手回答你可能要问的问题，加购转化率因此明显提升。这个方向上的玩家不少，比如 Mosaicx 的做法是把支持当成一段连续的旅程：智能虚拟代理带着上下文，在电话、聊天、短信和邮件之间流转，分析工具专门盯着摩擦出现在哪。路数不同，方向一样：别让顾客重复自己。

数据，少而净，胜过多而脏

上面这一切，都压在一件事上：数据。

AI 要吃四类东西。

行为信号，他实际做了什么：看了什么、搜了什么、在哪掉的头。这类数据告诉你，他此刻走到旅程的哪一步。

偏好，他亲口说的：想收邮件还是短信、对什么感兴趣、目标是什么。这是顾客点头授权的，用起来最踏实。

历史，过去发生了什么：买过什么、投诉过什么、陪了你几年。第一次来的访客和五年老客，待遇当然不该一样。

结果反馈，每一回合的输赢：转化了没有、满意不满意。没有这一类，模型永远不知道自己错在哪。

这四样里，质量比数量重要。一千条干净的数据，胜过十万条脏的。如果光靠浏览行为加上顾客自己填的偏好，就能把体验做好，就别再多要。每多要一样数据，都是在花顾客的信任。

最容易踩的几个坑

除了故事里那三条，还有几个坑，栽进去的企业一抓一大把。

第一个坑，不洗数据就上 AI。格式不统一、记录重复、系统互相隔离，推荐结果就会一本正经地胡说八道。先把数据洗干净，再谈智能。

第二个坑，问顾客你已经知道的东西。老顾客第三次被要求填同一张表。这一秒，前面所有的个性化全部清零。系统应该自己把表填好，把没必要的问句省掉。

第三个坑，不理会模型的「没把握」。AI 也会猜错。猜错了还硬上，推荐就变成骚扰。给模型设一道置信度门槛：没把握的时候，退回中性选项，或者干脆问一句。

第四个坑，只看活动量，不看结果。邮件打开率高，不等于转化好；AI 对话量大，不等于顾客更满意。要盯的是转化率、留存率、满意度、客户终身价值，这些和生意真挂钩的数字。

Netflix 是这个逻辑最好的注脚。它公开披露过，用户 80% 的观看时长来自推荐系统。这个数字直接连着留存，连着生意本身。强。

最后，说回那家银行

说回开头那家银行。

它没装摄像头。它只是认真接住了我留下的每一条线索，然后在我需要的时候，递了过来。

技术层面的东西，说到底是表层。底层就一句话：让顾客少费劲。

他不用翻整个货架，不用重复自己的信息，不用在一堆不相关的推荐里翻找，也不会在火冒三丈的时候，发现对面还是个机器人。

谁能让顾客少费劲，顾客就愿意在谁那里多停留。

祝你，也能让你的顾客，少费点劲。