客戶知道衣服要穿去什麼場合、喜歡哪種剪裁,卻說不出品牌或設計師的名字。如果一定要輸入精確品名才能搜尋,客戶即使說得出需求,也很難找到商品。企業業務也常遇到類似情況:客戶先說要拿來做什麼,再請業務幫忙挑型號。因此,企業想用 AI 協助這項工作,光準備商品目錄還不夠。
智慧方案建議,先整理客戶通常怎麼描述需求,以及商品適用的條件,再把資深業務如何問清楚需求,寫成一套可以照著做的步驟。第一階段可以先讓 AI Agent 協助內部業務查找商品資訊,不必一開始就做成對外的購物服務。
客戶說得出用途,為什麼還找不到商品?
科技報橘報導,二手精品平台 The RealReal 的每件商品都不一樣,賣出後也不再補貨;消費者即使清楚衣服要穿去什麼場合、喜歡哪種剪裁或哪個年代的款式,仍可能因為不知道品牌名稱而找不到商品。經過試行,平台與 Google Cloud 合作擴大推出 Ask TRR,讓全體會員都能透過對話描述需求,再依照想找的商品與個人偏好取得推薦。
這則報導讓企業看到,可以讓客戶從描述需求開始找商品。不過,報導沒有提供推薦服務推出後的成交率或實際成本變化,不能據此承諾自家導入後會有多少成效。我們建議企業先問:當客戶說明用途時,業務能不能根據公司現有資料,找出值得比較的商品,並說明各自適用的條件?
例如,假設客戶向零組件供應商詢問適合潮濕環境的產品,業務不能只在品名中搜尋「潮濕」,還得問清楚安裝位置、搭配設備與尺寸限制。這是假設的產品選用情境,並非報導中的案例。企業準備資料時,可以先挑一個經常收到這類詢問的產品類別,整理客戶實際會用的說法,不要一開始就要求客戶弄懂公司的型號命名方式。
商品資料除了規格,還要補上哪些說明?
規格表可以列出尺寸、材質與型號,但企業若希望 AI Agent 按照用途協助查找商品,就得補充說明:這些規格分別適合什麼使用情況。建議先由業務整理客戶描述需求的用語,再請產品人員說明適用條件,不能直接把客戶口中的「耐用一點」當成某項規格。
整理時,可以將資料分成以下幾類,讓負責的同仁清楚知道要補上哪些內容:
- 客戶怎麼說:保留客戶實際詢問時使用的用途描述與俗稱,再註明對應的正式名稱;如果同一句話可能有不同意思,也要列出還需要問清楚的地方。
- 商品適合什麼用途:除了說明適用場合,也要寫清楚搭配設備、安裝條件與不適用的情況,讓業務能根據資料向客戶解釋商品之間的差異。
- 有哪些規格可比較:把型號、尺寸、材質等資料整理成表格,統一欄位名稱與單位,並在使用情境的說明文件中標明對應型號,讓同仁不用猜文件說的是哪款商品。
以 EgentWrX 為例,平台提供知識庫(knowledge base),讓 AI Agent 從中查找企業整理好的資料,知識庫類型包括 Wiki、向量(vector)與表格。其中,向量檢索(vector retrieval)會依文字意思的相近程度查找內容。企業可以先將規格表與使用情境說明分類整理,供 AI Agent 查找商品資訊;不過,準備好這些資料,還不等於完成一套購物推薦服務。
開始整理前,建議主管請業務與產品人員一起檢查同一份商品資料:只看這份文件,能不能說明某款商品為什麼適合客戶的用途?如果說明不夠,就先請產品人員補齊,不要期待 AI Agent 自行推測商品適用的條件。
把資深業務的問法,整理成可以照著做的步驟
客戶說不出品名時,如果直接列出一串型號,客戶可能還是不知道該怎麼選。因此,我們建議先請資深業務寫下遇到需求不明確的詢問時,第一步會怎麼問,再依客戶的回答安排下一個問題,不要一開始就把所有規格欄位做成問卷,請客戶逐一填答。
以前面的假設情境來說,可以先問產品要用在哪裡、搭配什麼設備;如果客戶已經說明設備,就接著問安裝尺寸,不必再問一次用途。如果客戶不清楚尺寸,就請他先向現場同仁取得資料,再繼續比較商品。至於外觀或品牌偏好,可以等必要條件都問清楚後再問,避免只顧著挑客戶喜歡的商品,卻忽略使用上的限制。
企業可以將固定的工作步驟與規則寫進 EgentWrX 的技能(Skill),讓 AI Agent 在適用的情況下使用,同仁也可以在對話中主動指定要用哪項技能。上述詢問順序、客戶回答後該接著問哪些問題,以及資料不足時要先問什麼,都可以整理成技能;商品規格則放在知識庫,與釐清需求的做法分開準備。
第一階段,建議先讓 AI Agent 協助業務整理需求、找出可供比較的商品並說明差異;正式向客戶建議型號與報價前,仍由業務確認用途及商務條件。接下來,就請負責所選產品類別的業務與產品人員,共同整理一份規格表、一份使用情境說明,以及一套詢問順序。這樣 IT 與 AI 專案負責人才有具體內容可以討論,不會只收到一句「做個商品聊天機器人」。



