Day 4 · 前台触点分析与 Agent 场景评估
| 属性 | 值 |
|---|---|
| 日期 | 2026-08-15（周六） → 实际完成 2026-08-18 |
| 周次 | 第1周：双轨认知框架建立 |
| 轨 | 轨2 · 项目 Agent 落地调研 |
| 时间 | 1 小时 |
| 状态 | ✅ 已完成 |
📋 Checklist
- 浏览 PC 端所有页面 pages/
- 浏览 M 端所有页面 mobile pages/
- 列出所有用户触点的完整清单
- 对每个触点标注：频率 × 摩擦度
- 选出 Top 3 高价值 Agent 场景
- 基于搜索数据评估方案 2 落地可行性
- 设计上线后指标评估体系
✍️ 学习笔记
前台触点全景图（PC 端 30+ 页面）
| 模块 | 页面 | 频率 | 摩擦度 | Agent 潜力 |
|---|---|---|---|---|
| 🔍 发现商品 | AI搜索、商品搜索、商品详情、产品对比、购物顾问 | 高 | 高 | ⭐⭐⭐⭐⭐ |
| 🛒 购买决策 | 购物车、下单、支付、众筹 | 高 | 低 | ⭐⭐ |
| 👤 个人中心 | 订单管理、退货退款、积分、优惠券、站内消息 | 中 | 中 | ⭐⭐⭐ |
| 💬 社区互动 | 社区首页、发帖、任务中心、共创 | 中 | 高 | ⭐⭐⭐⭐ |
| 🛠️ 支持服务 | 帮助中心、FAQ、联系我们、用户手册 | 低 | 高 | ⭐⭐⭐ |
| 📄 其他 | 关于我们、品牌馆、活动页、登录 | 低 | 低 | ⭐ |
最终选定 Top 3 模块
| 优先级 | 模块 | 核心卡点 | Agent 改造方向 |
|---|---|---|---|
| P0 | 发现商品 | 用户不知道怎么搜配件，场景化推荐缺失 | 场景化对话 Agent（多轮追问） |
| P1 | 支持服务 | 静态 FAQ，用户自己翻 | Agent 对话式 FAQ + 转人工 |
| P2 | 个人中心 | 订单查询/退款流程复杂 | Agent 引导式查询 + 退款指引 |
📊 搜索数据分析：方案 2 可行性评估
数据来源
- 文件：
搜索结果词统计-260819 (1).xlsx - 范围：US 渠道，近 10 天
- 数据量：40,000 条搜索记录
1. 基础统计
| 指标 | 数值 |
|---|---|
| 日均搜索次数 | 4,000 次 |
| PC 端占比 | 59.6% |
| M 端占比 | 40.4% |
| 已登录用户占比 | 13.9% |
| 真实会话数（排除机器人） | 1,076 个 |
| 日均会话数 | ~108 个 |
2. 多搜索会话占比（核心指标）
| 指标 | 会话数 | 占比 |
|---|---|---|
| 搜索 ≥ 2 次 | 761 | 70.7% |
| 搜索 ≥ 3 次 | 524 | 48.7% |
| 搜索 ≥ 5 次 | 332 | 30.9% |
| 平均搜索/会话 | 5.3 次 | — |
结论：70.7% 的会话会搜索 2 次以上，覆盖面足够大。
3. 搜索词类型分布
| 类型 | 数量 | 占比 | 示例 |
|---|---|---|---|
| 配件通用名 | 2,273 | 39.7% | "monopod", "cheese plate", "cage" |
| 相机/设备名 | 946 | 16.5% | "Sony A7IV", "Osmo Pocket 3" |
| 品牌+产品 | 688 | 12.0% | "SmallRig 5890", "DJI Quick-Release" |
| 产品 SKU | 545 | 9.5% | "5564", "4486" |
| 场景/用途 | 60 | 1.0% | "motorcycle", "camera harness" |
| 其他 | 1,213 | 21.2% | — |
关键发现：场景词搜索仅占 1.0%——不是用户没有场景需求，而是用户不知道可以这样搜。Agent 的场景化引导正好填补这个空白。
4. 多搜索会话行为模式
| 搜索模式 | 会话数 | 占比 | Agent 价值 |
|---|---|---|---|
| 相机+配件 组合搜索 | 132 | 17.3% | 🔥 直接触发场景推荐：用户已经在找相机配件 |
| 纯配件搜索 | 294 | 38.6% | 🔥 Agent 可追问相机型号，缩小推荐范围 |
| 纯相机搜索 | 210 | 27.6% | 🔥 Agent 可主动推荐该相机兼容配件 |
| 其他 | 125 | 16.4% | 一般 |
合计：83.6% 的多搜索会话有明确的 Agent 介入价值。
5. 典型用户行为示例
会话 A：sony a7rvi → sony a7rvi → l-bracket a7rvi → l-bracket a7rvi
↑ 用户搜了 3 次相机型号，再搜 2 次配件
→ Agent 应在第 2 次搜索时介入：「你用的是 A7RVI？需要什么配件？」
会话 B：insta360 luna ultra ×4 → monitor mount ×4
↑ 用户搜了 4 次设备名，再搜 4 次配件
→ Agent 介入：「Insta360 Luna 需要监视器支架？还有其他配件需求吗？」
会话 C：tripod → hawklock → gold mount → 3984 → x100v
↑ 用户从配件搜到相机，跨度大
→ Agent 可在中途介入，帮用户理清需求
📐 方案 2 落地参数建议
| 参数 | 建议值 | 数据依据 |
|---|---|---|
| 触发阈值 | 搜索 ≥ 2 次 | 70.7% 会话可触发，覆盖面大 |
| 触发方式 | 第 2 次搜索后，结果页底部弹出对话框 | 不打断当前搜索，用户可选 |
| Agent 输入 | 取最近 2 次搜索词作为上下文 | 模型可推断用户在找什么 |
| 引导话术 | 「正在找 [相机型号] 的配件？告诉我你的拍摄场景，我帮你推荐」 | 主动引导用户从「搜产品」转向「说场景」 |
| 关闭机制 | 用户可关闭，同会话不再弹出 | 避免骚扰 |
📈 上线后指标评估体系
核心指标
| 指标 | 定义 | 当前基线 | 目标值 |
|---|---|---|---|
| Agent 触发率 | 搜索≥2次的会话中，Agent 对话框出现的比例 | — | 100%（触发即出现） |
| Agent 打开率 | 看到对话框后点击打开的比例 | — | ≥ 15% |
| Agent 完成率 | 打开后完成至少一轮对话的比例 | — | ≥ 60% |
| Agent 推荐点击率 | Agent 推荐商品被点击的比例 | — | ≥ 20% |
| Agent 转化率 | 通过 Agent 推荐最终加购/下单的比例 | — | ≥ 5% |
对比指标（A/B 测试）
| 指标 | 对照组（无 Agent） | 实验组（有 Agent） | 预期提升 |
|---|---|---|---|
| 搜索到详情页转化率 | 当前值 | 预期 +15% | Agent 推荐更精准 |
| 搜索到加购率 | 当前值 | 预期 +10% | 场景化推荐提升购买意愿 |
| 会话搜索次数 | 5.3 次 | 预期 -30% | Agent 减少无效搜索 |
| 搜索无结果率 | 当前值 | 预期 -20% | Agent 引导用户搜对关键词 |
体验指标
| 指标 | 定义 | 目标 |
|---|---|---|
| 用户满意度 | Agent 对话后的满意度评分 | ≥ 4.0/5.0 |
| 重复使用率 | 同一用户 7 天内再次使用 Agent 的比例 | ≥ 10% |
| 人工客服转接率 | Agent 无法解决转人工的比例 | ≤ 10% |
数据埋点
| 事件 | 触发时机 | 关键参数 |
|---|---|---|
agent_triggered |
Agent 对话框出现 | session_id, search_count, search_terms |
agent_opened |
用户点击打开 Agent | session_id, trigger_search_terms |
agent_dialog_turn |
每轮对话 | session_id, turn_number, user_input, agent_response |
agent_recommend_click |
点击推荐商品 | session_id, product_id, product_name |
agent_add_to_cart |
从 Agent 推荐加购 | session_id, product_id |
agent_closed |
用户关闭 Agent | session_id, close_reason, total_turns |
💡 关键认知
1. 场景词搜索仅 1.0% 不是问题，是机会
用户搜索行为：
「搜相机型号」→「搜配件名」→「搜 SKU」
↑ 用户通过这种方式在「拼凑」场景需求
Agent 做的事：
把「拼凑」变成「对话」→ 用户说场景，Agent 推荐组合
2. 方案 2 的触发面足够大
日均 4,000 次搜索 → 日均 108 个会话 → 日均 76 个会话可触发 Agent
全渠道预估：日均 ~1w 搜索 → 日均 ~270 个会话 → 日均 ~190 个可触发
3. Agent 不是替代搜索，是增强搜索
当前：用户搜 → 看结果 → 搜 → 看结果 → 搜 → ...
Agent 增强后：用户搜 → 看结果 → 搜 → Agent 弹出 → 对话推荐 → 不搜了
❓ 疑问
- 非 US 渠道的搜索行为是否类似？（需补充 global/UK/EU/DE 数据）
- 搜索≥2 次但未加购的用户占比？（需关联订单数据）
- Agent 对话框的 UI 形态？（Day 23 交互流程时设计）
📤 产出
- 触点清单 + 评分 → 归档到 产出归档/前台Agent适配度评分表.md
- 搜索数据分析 + 指标评估 → 写入本文件
🧪 Day 4 自测题
第 1 题：数据判断题
US 渠道近 10 天搜索数据中，搜索≥2 次的会话占比是多少？
A. 30.9%
B. 48.7%
C. 70.7%
D. 83.6%
点击看答案
C. 70.7%。 761 个真实会话中搜索≥2 次。这意味着方案 2（搜索 2 次触发 Agent）覆盖面足够大。
第 2 题：场景判断题
搜索词中「场景/用途」类占比仅 1.0%，这说明什么？
A. 用户没有场景化需求
B. 用户不知道可以按场景搜索配件
C. SmallRig 产品不适合场景化推荐
点击看答案
B。 用户不搜场景词，不是因为没需求，而是因为不知道可以这样搜。83.6% 的多搜索会话中用户在「拼凑」场景需求（先搜相机再搜配件），Agent 的场景化引导正好填补这个空白。
第 3 题：方案设计题
方案 2 中，Agent 的触发阈值设为「搜索 2 次」而不是「搜索 3 次」的主要原因是？
A. 搜索 3 次时用户已经不耐烦了
B. 搜索 2 次覆盖面更广（70.7% vs 48.7%）
C. 技术限制，只能判断 2 次
点击看答案
B。 2 次覆盖 70.7% 的会话，3 次只有 48.7%。在体验可接受的前提下，覆盖面越大越好。
第 4 题：指标设计题
以下哪个指标最能衡量 Agent 是否真正帮到了用户？
A. Agent 触发率
B. Agent 打开率
C. 搜索到加购转化率
D. Agent 对话轮数
点击看答案
C。 搜索到加购转化率是最终业务指标。触发率、打开率、对话轮数都是过程指标，最终要看 Agent 是否真的让用户更容易找到并购买商品。
⏭️ 完成后：更新 当前进度 为 Day 5