单点突破只上一个客服,等于万事大吉的错觉。售前、下单、物流、售后、复购要组队覆盖。

🦩 第 36 篇 · 2026 年 2 月 17 日
电商 AI 落地最常见的错误是"单点突破"——只上一个 AI 客服就觉得万事大吉。但用户从进店到复购,经历售前咨询、下单转化、物流跟踪、售后服务、二次复购——每个环节都有认知成本和人工成本。只有 Agent 矩阵才能覆盖全链路,把每个环节的摩擦降到最低。
一句话
电商 Agent 矩阵分 6 层:售前 Agent(拉新、种草、解答)、售中 Agent(下单、支付、促销)、售后 Agent(退款、投诉、评价)、物流 Agent(调度、跟踪、异常)、运营 Agent(选品、定价、陈列)、技术 Agent(风控、稳定性、安全)。六层 Agent 覆盖用户全生命周期,各司其职、互相协同。
Agent 矩阵全图
用户进来
↓
┌──────────────────────────────────────────────────┐
│ 售前 Agent │
│ - 智能客服(FAQ、咨询) │
│ - 种草 Agent(推荐、加购) │
│ - 选品 Agent(个性化推荐) │
└──────────────────────────────────────────────────┘
↓(下单)
┌──────────────────────────────────────────────────┐
│ 售中 Agent │
│ - 促销 Agent(券、满减、限时) │
│ - 转化 Agent(催付、决策辅助) │
│ - 支付 Agent(支付问题处理) │
└──────────────────────────────────────────────────┘
↓(发货)
┌──────────────────────────────────────────────────┐
│ 物流 Agent │
│ - 调度 Agent(仓库、路径) │
│ - 跟踪 Agent(实时通知) │
│ - 异常 Agent(延误、拒收处理) │
└──────────────────────────────────────────────────┘
↓(售后)
┌──────────────────────────────────────────────────┐
│ 售后 Agent │
│ - 退款 Agent(自动审批) │
│ - 投诉 Agent(差评挽回) │
│ - 评价 Agent(引导好评) │
└──────────────────────────────────────────────────┘
↓(复购)
┌──────────────────────────────────────────────────┐
│ 运营 Agent │
│ - 复购 Agent(会员运营、召回) │
│ - 选品 Agent(新品、爆品) │
│ - 定价 Agent(动态定价) │
└──────────────────────────────────────────────────┘
↓(底层支撑)
┌──────────────────────────────────────────────────┐
│ 技术 Agent │
│ - 风控 Agent(欺诈识别) │
│ - 安防 Agent(防攻击、防爬虫) │
│ - 运维 Agent(监控、报警) │
└──────────────────────────────────────────────────┘
售前 Agent:把流量变成客户
1. 智能客服 Agent
职责:解答用户问题,引导下单 核心能力:
- FAQ 自动回答(尺码、材质、发货时间)
- 商品对比推荐
- 库存状态查询
- 催单、加单、修改订单
关键指标:
- 覆盖率 > 90%
- 准确率 > 88%
- 平均响应时间 < 3 秒
2. 种草 Agent
职责:主动触达用户,引导加购 核心能力:
- 用户浏览行为分析
- 个性化商品推荐
- 搭配推荐(买了上衣推裤子)
- 限时优惠提醒
触发场景:
- 用户浏览商品超过 30 秒
- 用户加入购物车但未付款
- 用户收藏商品但未下单
3. 选品 Agent
职责:根据用户画像推荐最适合的商品 核心能力:
- 用户标签分析(价格敏感/品质优先/潮流导向)
- 商品知识库(规格、功能、卖点)
- 场景匹配(送礼/自用/搬家/送礼)
售中 Agent:提升转化率
4. 促销 Agent
职责:花式促销,提升客单价和转化率 核心能力:
- 优惠券发放(新人券/复购券/专属券)
- 满减计算(凑单推荐)
- 限时折扣提醒
- 阶梯价推荐
核心指标:
- 券的使用率 > 25%
- 客单价提升 > 15%
- 促销活动 ROI > 1:5
5. 转化 Agent
职责:催付、挽回流失订单 核心能力:
- 购物车遗弃挽回(定时触达)
- 支付失败处理(支付问题诊断 + 解决)
- 决策辅助(用户纠结时主动提供对比)
典型话术:
您购物车的[商品]库存只剩3件了,
再犹豫就要被抢光啦~
现在下单还差18元就能参与满99减10,要不要凑一下?
物流 Agent:让配送可控
6. 调度 Agent
职责:智能分配仓库和配送路线 核心能力:
- 仓库选择(就近/有货优先)
- 配送路径优化
- 配送时间预测
7. 跟踪 Agent
职责:全链路物流透明化 核心能力:
- 实时状态推送(发货/揽收/在途/派送/签收)
- 预计到达时间预测
- 异常预警
8. 异常 Agent
职责:物流异常的自动处理 触发场景:
- 配送超时 30 分钟
- 客户拒收
- 地址不详
- 包装破损
处理策略:
异常类型 → 自动处理
超时 → 延长配送时间 + 通知客户
拒收 → 联系客户确认 + 重新发货/退款
地址错误 → 联系客户确认地址
破损 → 补发 + 退款选项
售后 Agent:降低差评率
9. 退款 Agent
职责:自动处理退款申请 分类处理:
退款类型 → 处理策略
未发货取消 → 自动审批,立即退款
已发货拒收 → 同意拒收 + 退款 + 挽单
收到货退货 → 审批 + 退款 + 物流跟进
质量问题 → 退款 + 补偿 + 反馈品控
10. 投诉 Agent
职责:差评预防和挽回 核心能力:
- 差评预警(发货前/签收后主动回访)
- 投诉处理(了解原因 → 补偿方案 → 解决问题)
- 差评回复(公开回复 + 私下联系)
11. 评价 Agent
职责:引导好评、管理评价 核心能力:
- 签收后自动请求好评
- 好评感谢 + 复购引导
- 中差评私聊挽回
运营 Agent:数据驱动增长
12. 复购 Agent
职责:全生命周期会员运营 核心能力:
- 分层运营(新人/活跃/沉睡/流失)
- 自动化触达(生日券/节日券/复购提醒)
- 沉默用户激活
13. 选品 Agent(运营版)
职责:数据驱动的商品策略 核心能力:
- 爆品预测(哪些商品会火)
- 新品测试(测款 + 数据分析)
- 滞销品清仓
14. 定价 Agent
职责:动态定价优化 核心能力:
- 竞品价格监控
- 需求弹性分析
- 促销定价策略
技术 Agent:底层安全保障
15. 风控 Agent
职责:交易安全 核心能力:
- 欺诈交易识别
- 账号安全监控
- 套利行为检测
16. 安防 Agent
职责:系统安全 核心能力:
- DDoS 攻击防护
- 爬虫识别和拦截
- 漏洞扫描
17. 运维 Agent
职责:系统稳定性 核心能力:
- 7×24 监控
- 异常自动告警
- 故障自愈
Agent 矩阵的协作示例
场景:用户买了一件大衣,尺码不合适想换货
用户发起换货 → 售后 Agent(识别为换货请求)
↓
客服 Agent(确认换货原因:大衣尺码偏大)
↓
商品 Agent(查询同款小一码库存:有货)
↓
退款 Agent(开启换货流程:原订单退款 + 新订单下单)
↓
物流 Agent(预约上门取件 + 派送新货)
↓
用户确认 → 换货完成
↓
评价 Agent(邀请用户评价换货体验)
↓
复购 Agent(记录换货为"尺码问题",优化尺码推荐策略)
落地建议:不要一次性全上
Phase 1(Month 1):
- 智能客服 Agent(解决 80% FAQ)
- 退款 Agent(自动审批简单退款)
- 物流跟踪 Agent(自动通知)
Phase 2(Month 2):
- 促销 Agent(券+满减)
- 转化 Agent(催付)
- 投诉 Agent(差评挽回)
Phase 3(Month 3):
- 运营 Agent(选品+定价+复购)
- 风控 Agent
- 选品 Agent
每个阶段专注一个领域的 Agent,拿到数据后再扩展。
延伸阅读
- 本地生活上 Agent,最先补的三个场景不是客服
- 大促的提醒与售后,Agent 怎么撑住高峰
- 办公 Agent 想落地,先啃会议和流程两座山
- 本地生活门店的 Agent 团队,一次真实复盘
- 本体论加工作流,让 Agent 真懂业务
- 不是一岗配一 AI,我收敛成几个 Agent
- 宠物店的高频琐事,哪些能先交给 Agent
- 从人盯平台到 Agent 盯平台,那笔隐性人力
- 到家到店服务的排期,Agent 能啃到哪
- 点评和私域的评价维护,Agent 能盯到哪一步
相关阅读
标签
双号关注
扫码关注「广说新零售」公众号 + 视频号
本地生活 AI 落地、Agent 实操、真实门店怎么跑起来。扫码关注公众号与视频号「广说新零售」,持续看可收藏的做法;有场景也可私信聊合作。

公众号

视频号
继续读
同栏目相关文章,方便对照着看。
AI 上线头一周,先盯紧这四件要事别放
AI 落地项目上线第一周别只看 demo。盯四件事:在不在跑、对不对、人的反应、出错怎么兜。
客户说 AI 不懂我,八成是这三种原因
AI 客服不懂客户,多半不是模型问题:不知道你是谁、没接准意图、不记得你们发生过什么。
AI 项目为什么大多死在第二个月就停
AI 落地项目第一个月有掌声,第二个月只剩没人愿意干的脏活:维护、接真业务、说服使用的人。
A2A 不只是连 Agent,门店之间也要协同
A2A 的价值不止让 AI 互相说话。A 店缺货、B 店有货,门店之间能对上话才是关键。先在一家店验证。
AI 当员工还是当工具,结果完全不同
AI 落地半年后差距很明显:有人越用越省事像多带个员工,有人越用越累只把它当工具。
