邰康盛-蔚来销售大模型的工程应用与优化实践.pdf

《邰康盛-蔚来销售大模型的工程应用与优化实践.pdf》由会员分享，可在线阅读，更多相关《邰康盛-蔚来销售大模型的工程应用与优化实践.pdf（29页珍藏版）》请在三个皮匠报告上搜索。

1、蔚来销售大模型的工程应用与优化实践邰康盛算法工程师目录01020304业务背景智能销售演进思路技术架构和关键实践总结展望业务场景蔚来汽车简介产品社区服务一个源自中国的智能电动汽车公司以技术创新为核心，围绕产品、服务、社区，为用户打造超越期待的全程体验当前名下的汽车品牌：蔚来NIO、乐道ONVO、萤火虫Firefly销售业务介绍 销售业务的定位 汽车企业经营收入的主要来源 和用户链接的核心触点 一线销售的核心工作：跟进 电话沟通 企业微信沟通 线下面对面沟通不同用户销售阶段：全流程的销售跟进无意向/流失期意向激活期大定犹豫期锁单交付期观望期车主运营期一线销售跟进的痛点 新人由于缺少销售跟进经验和

2、充分销售知识的储备，面对高潜用户往往只能进行同质化、机械式跟进，导致一些有意向机会的用户没有把握住。作为销冠的店长或带教精力有限，无法完整覆盖新人全流程跟进的实时盯盘与指导。痛点1：新人销售跟进效果和销冠差异大痛点2：跟进工作量大，单兵销能受限 由于汽车销售是大宗消费，用户转化周期相对较长。因此，销售每天跟进的用户数量比较大，同时涵盖了多个销售阶段的用户。单次高质量的跟进需要销售投入足够的时间和精力。智能销售演进思路智能销售演进的三个阶段阶段一单点提效工具阶段二（当前）销售Agent-1.0知识智能体阶段三销售Agent-2.0自主执行智能体大模型技术主导小模型技术主导发展契机大模型语义理解能

3、力的增强大模型生成能力的增强Agent应用的飞速发展发展趋势：大模型技术让AI赋能销售更具体初阶能力：跟进哪些用户？初阶能力：跟进哪些用户？进阶能力：应该怎么跟进用户？初阶能力：跟进哪些用户？核心工作：1.对用户列表推荐2.推荐理由进阶能力：应该怎么跟进用户？高阶能力：直接跟进用户，完成基础的销售动作智能销售演进的当前阶段生成用户总结识别用户当前购车卡点识别用户当前关注点提取用户实体标签.生成跟进策略生成跟进策略概要确定跟进做功方向确定最佳跟进时机推荐执行物料推荐沟通话术推荐营销素材.从一线销售的跟进主流程视角，设计销售大模型Agent能力输出回忆认知大脑决策跟进执行销售Agent内容输出的3

4、个基本设计原则：使用者视角、可阅读性、层层递进技术架构和关键实践销售大模型Agent技术架构 关键挑战 销售样本如何高效生成？如何进行大模型优化满足业务需求？销售Agent上线应用后怎么进行AB评估？大模型后训练的必要性和场景选择 为什么需要做销售大模型的后训练？更好地理解销售业务特点，在行为模式匹配公司的销售范式 小参数的大模型效果能追赶大参数的大模型，是推理成本的显著节省 用户数据隐私问题 什么场景适合做后训练？当前大模型经过提示词工程和RAG工程优化后，效果不满足业务效果 场景输出结果的知识变化频次较低大模型需要做销售垂域的后训练仅在用户总结和策略建议场景中做垂类训练关键实践1：销售样本

5、集的生成 销售样本生成集的流程图 销售知识萃取和应用 评估Agent优化 样本库治理关键实践1：销售样本集的生成 销售领域知识的萃取和检索 问题单纯大模型产出和企业内专有的销售行为范式有偏差例子：案例-1：用户担忧电池衰减案例-2：用户的当前预算不足 方案从销售数据库中萃取销售策略知识样本生成时检索销售策略知识基于通过率统计反向对销售策略知识库评估 效果提升样本生成中策略建议的通过率样本答案具备企业内销售行为范式特点关键实践1：销售样本集的生成 基于黄金评测集提升评估Agent的一致率 问题直接引入评估标准的自动评估器和人类专家的一致率较低评估标准的迭代是一个持续的过程，手动优化提示词效率低

6、方案制定并迭代黄金评测集：人工评估需要有错误要点自动评估Agent：机器评估需要有错误要点另一个大模型基于不一致的case优化评估agent的提示词 效果评估Agent的平均一致率提升至90%+，达到基础门槛关键实践1：销售样本集的生成 建立基于大模型标签识别的销售样本库治理 问题由于评估不通过场景的存在，样本集的分布和真实分布不一致 方案建立销售样本库标签体系 效果保证样本库的多样性方便后续训练评估的分析大模型+提示词多大模型生成+评估+统计关键实践2：销售大模型训练 销售大模型训练的两阶段：从“模仿”到“进化”