程亦曲_1688AI助手源宝的成长之路

程亦曲1688产品专家 DataFunSummit#2024 为什么要做电商买家的AI助手？ 做什么样的AI采购助手？ MVP版本：模型能力约束下的应对 2.0版本：转向数据驱动的agent设计 未来畅想 01 为什么要做电商买家的AI助手？ •AI在电商行业的应用•为1688买家带来哪些新可能 AI在电商行业的主要应用场景 现有应用主要集中在服务卖家和平台提效，针对买家创造新产品能力的很少 1688买家的现有采购流程存在优化空间 不同B买的关注点差异大｜信息密度高|决策链条长→买家使用效率低 以LLM为核心的AI为提升买家采购体验带来新可能性 在现有用户动线上，AI帮助获取与处理信息、提高采购决策效率 买家的“AI采购助手” 02 做什么样的AI采购助手？ •功能怎么切？•交互怎么切？ 功能切入点选择：需求与技术的“双向奔赴” 在现有用户动线上，AI帮助买家获取与处理信息，提高采购决策效率在现有用户动线上，AI帮助买家获取与处理信息，提高采购决策效率 优先从购物车、商品详情页等“挑”场景切入 在现有用户动线上，AI帮助买家获取与处理信息，提高采购决策效率在现有用户动线上，AI帮助买家获取与处理信息，提高采购决策效率 交互模式的选择：独立对话页方式轻量切入 Agent指令 弱侵入、易上手 用户对AI助手弱感知 改造成本高 意图识别并通过对应agent满足用户需求 03 MVP版本：模型能力约束下的应对 模型通用能力不足带来的问题 以“商品对比”Agent为例 应对：分析过程规则化，LLM只做总结/润色 Human:想象你是一名来自1688平台的专业商品鉴定师，先根据商品信息选择你更推荐哪款商品，再从“服务/优惠/质量”三个维度列出你推荐的商品的优势。回答时需要遵循以下用---括起来的格式：--- {analyze} 基于上面的分析和其它指标的考察，我更推荐商品...，这款商品有以下优势： **服务**\n1.xxx\n**优惠**\n1.xxx\n**质量**\n1.xxx\n以上信息由1688-AI助手生成，仅供参考。---\n\n下面是商品信息说明：商品1\n{terms0}商品2\n{terms1}\n\nAssistant:{analyze} PS：为什么不做SFT和对齐？1.训练后仍不够稳定、无法彻底解决问题2.资源成本和迭代灵活度 1.0版本上线效果示意 04 2.0版本：转向数据驱动的AI产品设计 核心决策：切换到Qwen1.572B、模型能力显著提升-P1 输出下限有保障的前提下，关注点转向如何提升质量上限 更强模型能力下，数据成为影响最终效果的关键因素 Case1：2.0版本的商品对比Agent 引入更多数据，从规则对比→llm自主决策，提升决策灵活度和智能感 <用户身份>经营实体店的店主</用户身份><用户诉求>来电商平台进行商品采购进行经营，目前看到2款商品，不知道如何决定，你帮我分析一下</用户诉求><商品1>$$1</商品1><商品2>$$2</商品2> <要求>输出内容必须以json格式输出,除json内容外，无其他输出</要求><输出格式>```json{"得分":{"商品1":"","商品2",""},"AI对比分析":"商品1和商品2xxxxx","AI结论":"商品xxxx(商品1或者商品2，只能2选1)更推荐入手","AI推荐理由":"xxx","胜出商品":"商品1或者商品2","商品1":{"卖点":"xxx","短标题":"XXX","价格&优惠":"xxxx","风格特点":"xxxx","商品品质":"xxxx","店铺实力":"xxxx","服务特色":"xxxx"},"商品2":{"卖点":"xxx","短标题":"XXX","价格&优惠":"xxxx","风格特点":"xxxx","商品品质":"xxxx","店铺实力":"xxxx","服务特色":"xxxx"}}```</输出格式><输出要求>{"AI对比分析":"无""AI结论":"无","AI推荐理由":"无","胜出商品":"只能写商品1或者商品2""商品1":{"卖点":"8个字以内,不要有任何的标点符号","短标题":"8个字以内","价格":"无","风格特点":"无","商品品质":"无","店铺实力":"无","服务特色":"全面"},"商品2":{"卖点":"8个字以内,不要有任何的标点符号","短标题":"8个字以内","价格":"无","风格特点":"无","商品品质":"无","店铺实力":"无","服务特色":"全面"}}</输出要求> Case2：商品采购建议Agent 构建完善的商品知识库（10+指标），根据人群偏好生成差异化采购建议 Case3：商品详情咨询Agent 自研模型从商品详情图中提取高质量商品信息、用于RAG显著提升用户query可满足度 商详原图 自研 传统OCR Case3：商品详情咨询Agent 自研模型从商品详情图中挖掘商品信息、用于RAG显著提升用户query可满足度 Case4：针对B买的商机追爆Agent 引入下游商机榜单数据源，LLM洞察爆品趋势、给出生意建议 05 未来畅想 •LLM的应用壁垒最终仍是数据•对话交互并不是终局形态•一个彩蛋 1688AI深度找小范围内测中 •使用链路更短、使用门槛更低•找的更精准、更符合B类买家的需求•匹配逻辑更清晰、结果可解释 欢迎下载1688App，体验AI采购助手“源宝”！ THANKS