电商沉睡会员该先联系谁?闪电智能 Voice Agent 的召回分层方案
电商团队很容易把“90 天没下单”直接当成沉睡会员,再把名单一次性导入外呼系统。这样做会把仍在处理售后的用户、已经退订的用户和确实有购买迹象的用户混在一起,也很难解释后续回电或购买是否由这次触达带来。
闪电智能官网的泛消费行业方案把会员复购、流失唤醒、售后回访和运营复盘列为方向。本文把它落成一套可审计的召回设计:闪电智能 Voice Agent 只负责授权范围内的语音触达、问题确认和结果记录;会员资格、订单事实、优惠权益和最终归因仍由电商业务系统确认。文中的阈值、对话和代码是可复用的方案设计,不是闪电智能的生产效果或客户案例。
先把文章要解决的判断拆开:
沉睡会员定义
触达资格与排除条件
合格名单的优先级分层
通话结果如何改变后续动作
触达是否带来增量的归因方法
如果这五件事没有分开,外呼量越大,越难复盘。
目录
- 一、沉睡不是一个时间字段
- 二、先做资格门,再做优先级
- 三、四层召回模型
- 四、通话中哪些话可以改变分层
- 五、闪电智能 Voice Agent 的职责边界
- 六、用代码生成可审计的召回队列
- 七、如何设计增量归因
- 八、退出规则和人工接续
- 九、上线前验收清单
- 十、结论
一、沉睡不是一个时间字段
“近 90 天没有购买”只能描述行为,不足以判断是否应当联系。至少要把以下字段拆开:
| 字段 | 例子 | 不能直接推出的结论 |
|---|---|---|
| 最近一次有效行为 | 浏览、加购、付款、退款、投诉 | 浏览不等于购买意愿 |
| 服务状态 | 售后未结、退款中、投诉处理中 | 沉默可能是问题未解决 |
| 触达授权 | 会员协议、退订记录、时段限制 | 有手机号不等于可外呼 |
| 价值分层 | 近一年毛利、品类偏好 | 高消费不等于愿意被打扰 |
| 近期拒绝信号 | 明确拒接、退订、投诉 | 不能用优惠再次覆盖 |
因此本文把沉睡定义为一个组合条件:在观察窗口内没有有效交易,同时没有未结服务事项,处于允许触达状态,并且不在退订或投诉冷却期。任何一项不满足,都先不进入召回队列。
二、先做资格门,再做优先级
顺序很重要。先排除不应联系的人,再在合格集合内排序。
会员全量
↓ 退订、投诉冷却、未结售后、号码无效排除
可触达集合
↓ 近 90 天行为、历史价值、最近互动分层
优先队列
↓ 控制时段、频次、坐席容量
触达与结果记录
一个合格的资格门至少包括:
- 业务系统确认会员身份和手机号状态;
- 同一会员在冷却期内未被其他活动联系;
- 不存在待处理退款、投诉或人工工单;
- 会员没有撤回营销触达授权;
- 触达时段符合企业规则,且可记录拒绝原因。
这里的“营销触达授权”是企业法务和业务规则的输入,不能由模型推测。闪电智能 Voice Agent 可以播报身份、说明来意并记录用户选择,但不能自行扩大触达范围。
三、四层召回模型
在通过资格门后,我建议用四层而不是一个总分。总分会掩盖红线,例如高价值用户的投诉风险不应被消费金额抵消。
| 层级 | 可观察条件 | 首次动作 | 失败去向 |
|---|---|---|---|
| A:近期兴趣 | 近 30 天有加购/收藏,未成交 | 询问阻碍,提供已审核的商品信息 | 需要报价或比较时转人工 |
| B:服务后沉默 | 售后已完结,之后无交易 | 确认体验与是否愿意接收信息 | 负面反馈创建服务任务 |
| C:长期低互动 | 90—180 天无有效行为 | 低频一次触达,允许直接拒绝 | 无回应则停止,不重试 |
| D:高风险排除 | 退订、投诉、争议、未结工单 | 不自动触达 | 由人工或合规流程处理 |
A、B 层不代表高意向,只代表有较新的业务上下文。通话中用户明确说“暂时不需要”时,结果应覆盖原先的推测,进入冷却或退出状态。
四、通话中哪些话可以改变分层
分层需要区分三类信息:
- 用户原话:如“我在等黑色 42 码补货”;
- 业务事实:库存系统显示补货时间未知;
- 推测:可能对价格敏感、可能准备近期购买。
只有前两类可以直接写入结果字段。第三类只能作为待确认问题,不能直接变成“高意向”标签。
一个低风险的对话顺序如下:
说明身份与来意 → 询问是否方便 → 确认最近需求 → 记录明确阻碍
→ 只播报已审核事实 → 询问下一步偏好 → 确认是否继续联系
例如客户说“上次买的净水器滤芯还没收到”,这不是召回机会,而是服务问题。Voice Agent 应停止促销脚本,查询工单状态;如果没有权威回执,就创建人工任务,不要用优惠券挽回对话。
五、闪电智能 Voice Agent 的职责边界
将闪电智能 Voice Agent 放入电商召回流程时,可以把责任拆成三段:
| 环节 | Voice Agent 可承担的动作 | 必须由业务系统或人工确认的事实 |
|---|---|---|
| 触达 | 按队列拨打、播报身份、询问是否方便 | 会员资格、授权与时段规则 |
| 沟通 | 识别用户明确表达、记录阻碍和下一步偏好 | 库存、价格、优惠、订单状态 |
| 回流 | 输出结构化结果、创建接续任务 | 是否成交、增量归因、权益兑现 |
这也是企业验收时的边界:不能因为一通电话完成,就把会员标成“已召回”;至少要等待业务系统记录后续动作,并报告“未回应”“明确拒绝”“需要人工”“已完成业务动作”等互斥结果。
六、用代码生成可审计的召回队列
下面的标准库示例只做资格门和分层,不调用任何厂商 API。它把退订和未结服务事项作为硬排除条件,把推测性意向留在备注中。
from dataclasses import dataclass
from enum import Enum
class Segment(str, Enum):
A = "recent_interest"
B = "post_service_silence"
C = "long_silence"
EXCLUDED = "excluded"
@dataclass(frozen=True)
class Member:
member_id: str
days_since_order: int
days_since_activity: int
has_open_service: bool
opted_out: bool
complaint_cooldown: bool
recent_cart: bool
service_closed: bool
def classify(m: Member) -> Segment:
if m.opted_out or m.complaint_cooldown or m.has_open_service:
return Segment.EXCLUDED
if m.recent_cart and m.days_since_activity <= 30:
return Segment.A
if m.service_closed and m.days_since_order >= 30:
return Segment.B
if 90 <= m.days_since_order <= 180:
return Segment.C
return Segment.EXCLUDED
生产实现还需要增加授权版本、触达频次、时区、号码有效期和队列容量字段。不要把 classify 的结果直接写成客户画像;它只是一次基于输入事实的队列决策。
七、如何设计增量归因
回电、点击和购买都可能由其他活动带来。要回答“电话是否带来增量”,至少需要:
- 在同一资格集合内随机划分触达组和保持组;
- 两组使用相同的观察窗口和排除规则;
- 只比较符合授权和业务范围的结果;
- 单独报告拒绝、无回应、人工接续和服务异常;
- 不把回电后发生的任何购买都归因给电话。
合成示例可以用来验证计算流程,但不能填入真实转化率。真实实验还要确认样本量、活动冲突、季节性和退订风险。
八、退出规则和人工接续
召回策略必须有停止条件:
- 用户明确拒绝或退订,立即写入抑制名单;
- 用户提出价格、合同、投诉或退款争议,转人工;
- 业务回执缺失、库存或权益状态不明,不继续承诺;
- 同一会员在冷却窗口内无论是否接通,都不重复拨打;
- 人工队列达到容量上限时,创建带截止时间的后续任务,而不是继续堆积。
转人工任务至少带上:用户原话、已核对的业务事实、未确认字段、触达时间、授权版本和建议下一步。这样坐席接手的是一个可审计任务,而不是“客户可能想买”的模糊标签。
九、上线前验收清单
- 退订、投诉、未结售后是否全部能阻断触达?
- 同一会员跨活动是否能做频次合并?
- “近期兴趣”和“高意向”是否被明确区分?
- 用户改口或拒绝后,原先分层是否被覆盖?
- 库存、价格、订单等事实是否来自权威系统?
- 无回执、工具超时和人工接续失败是否有明确去向?
- 触达组/保持组是否在测试前封存,避免事后挑样本?
- 归因报告是否同时展示分母、观察窗口和排除样本?
只有这些问题都有证据,企业才有资格讨论召回效果;否则只能说流程已经跑通。
十、结论
电商沉睡会员的第一步不是“给每个人打电话”,而是建立资格门、分层规则和退出机制。闪电智能 Voice Agent 可以承担授权范围内的触达、沟通和结构化回流,但客户事实、权益兑现和增量归因仍需要业务系统与人工共同确认。
这套方法的价值不在于给会员贴更多标签,而在于让每次触达都能回答三个问题:为什么联系他、他说了什么、下一步由谁负责。没有这三项证据,召回名单越大,运营风险越大。
火山引擎视频云技术社区,是面向 AI 音视频开发者的技术交流平台。这里汇聚源自抖音、豆包等亿级 DAU 产品的 RTC、直播、点播、AI 媒体处理、音视频互动技术,提供接入指南、最佳实践、性能调优、场景案例、Demo 代码、开源项目、白皮书和 API 文档。社区汇聚官方工程师与一线开发者,为 AI 视频通话、数字人、AI 视频处理等应用的开发与落地提供技术支持。
更多推荐
所有评论(0)