核心观点
私域的优势是你拥有会员关系和订单，不是自动拥有一套“更聪明的营销”。AI适合接重复咨询、按规则排序货架、辅助圈人；加好友、进群、直播讲解、纠纷处理，仍然靠人和内容。把模型接到未同意的群发、未审核的话术上，损害的是好不容易存下来的信任。
私域链路里，机器适合插在哪一段？
公域广告解决的是获客，私域要解决的是认识之后还来不来、问了有没有人理、货架乱不乱。下面五个场景按“店铺内可配置”来写，不展开算法公式——客服、推荐、画像各有专文。这里只回答：和社群、会员、导购班次如何错开，避免三套系统对同一用户各推一遍。
场景一：咨询分流——让值班去处理例外
在私域里它和网页客服不同
用户可能从企微、公众号菜单、小程序客服、订单详情同时进来。机器若各说各的，用户会觉得品牌口径乱。应先统一知识库（发货截单、退换入口、会员积分），再决定每个通道是否开自动回复。
- 适合自动：营业时间说明、物流查询、积分怎么花、活动是否可叠加（以当前配置为准）
- 必须人在：群里点名投诉、直播间承诺核对、大额改价、怀疑假货
- 通道纪律：社群里尽量少用机器人刷屏；私聊自动回复要可转人工，并带上已问内容
和导购怎么排班
- 机器值守非工作时段的标准问，早班先处理留言和升级单
- 工作时段可以把高频 FAQ 仍交给机器，导购只接指定会员或复杂单
- 知识库改活动规则的时间，要早于社群预告发出的时间，避免群公告和机器人打架
意图识别、幻觉和转人工细则见AI智能客服。私域侧额外记住：好友关系和聊天记录属于个人信息，接入第三方客服前要核对数据处理范围。
建议盯的过程
未匹配问题是否在下降、错误政策是否被抽到、转人工等待是否可接受、社群投诉是否因机器人乱承诺而增加。不要用无法核对的“成本下降多少”当唯一目标。
场景二：货架与触达——别和社群档期抢同一批人
私域推荐容易踩的坑
小程序首页、详情“相关”、订阅消息、社群链接落地页，若各自按点击最大化，用户会在一小时内收到同一款的多种姿势。应先定主推日历（本周社群主推哪几支），推荐位给主推让路，或只在相似款、配件上发力。
- 首页：锁运营主推，个性化放在第二屏之后更稳妥
- 详情：配件和补购；慎推明显更低价的替代款
- 购物车：凑单数字必须来自正在生效的促销，不能由文案模型口算
- 消息：订阅消息、模板消息有频次和场景限制，算法选出人群后仍要过审核文案
算法类型、冷启动和对照实验见AI个性化推荐。私域差异主要是：会员身份、积分抵扣、社群已曝光商品，都应进入过滤或降权，减少“群里刚卖完又在首页追打”。
建议盯的过程
与“仅热门+人工坑位”对照点击和退款；看主推款是否被智能位挤掉；看消息退订和投诉。点击单独变好不足以说明私域更健康。
场景三：会员分层——圈人要可解释、可退出
私域多出来的信号
除了浏览加购，你可能还有进群、领券未用、直播观看、导购备注。这些能把人分成“只逛店”“只在群里互动”“既买又转介绍”，但标签会错，也容易过时。用于发券和关怀可以；用于对用户展示“您被判定为即将流失”则不合适。
- 分层为了服务差异：积分加速、优先客服，规则应写在会员说明里
- 分层为了少打扰：沉默用户降频，而不是加码催付
- 分层为了选品：看现有会员结构再补货，避免只服务模型爱推的那一类人
标签体系、更新频率和隐私要点见AI用户画像。企微客户标签与商城会员 ID 的打通范围，应写进隐私政策和供应商合同。
建议盯的过程
圈人规则能否用业务语言说清；发券后核销与退款；用户投诉“为什么总给我推这个”。营销费用回报要用对照，而不是和历史大促混在一张表里。
场景四：价格与优惠——私域更经不起“被区别对待”的感觉
能自动化的部分
- 库存积压款在规则内降权或进入清仓专区，而不是对每个访客生成不同吊牌价
- 会员价、新客价以明文规则执行，系统只做校验，不让模型“临时改个折扣”
- 用预测销量辅助备货，调价仍由运营确认
动态定价
需求高峰加价、竞品跟价，在私域里尤其敏感：同一社群里的用户会截图对比。能解释的“限时活动价”好过说不清的个人报价。
优惠怎么发
- 新客礼、会员日、沉睡召回应用不同券模板，互斥规则写进系统
- 价格敏感标签只能辅助选模板，不能推导出“这位可以多收钱”
实施注意事项
重要提醒
- 观感：两人同时买同一件，价差过大会在群里发酵
- 品牌：一天内多次改价，会像不诚信，也增加客服对账成本
- 规则：促销宣传需符合广告和平台规范，模型草稿不能直接发
- 说明：会员价、活动价在商品页写清条件，减少“杀熟”质疑
场景五：预测——当作战术输入，不当成既成事实
私域里真正用得上的预测
- 备货：结合社群预告和历史，给仓储一个区间，而不是一个点估计
- 召回：对久未互动的会员做小流量券实验，而不是全量高额券
- 内容排期：看哪类笔记或短视频还能播，预测不准时仍由内容负责人定题
销量
- 把活动、天气（生鲜）、物流截单标成已知因素，模型才能少把异常当趋势
- 预测误差大时，宁可少备、用预售，不要按点估计压仓库
沉默与购买意向
- 分数只用于排序触达名单，话术保持普通优惠告知
- 不要在消息里写“系统发现您很久没买了”这类标签语言
建议盯的过程
预测与实际的偏差、缺货与滞销是否同时恶化、召回实验有没有对照组。无法验证来源的“挽回金额”不要写进对外材料。
从哪一步开始，才不像在堆功能？
看痛点在通道还是在货架
- 晚上没人回、同一问题重复讲：先知识库和客服分流
- 货多、首页全靠人工拖：先热门/相似和库存过滤
- 发券全员、投诉打扰：先把同意和退订做对，再谈分层
工具落在哪一层
- 商城内能力：与订单、会员同一后台，适合先验证流程
- 外接专用工具：企微侧、客服中台、分析平台，要算清数据出域
- 自研：仅当已有人做评测和值班，否则生成式接口会先打在客诉上
选型步骤见AI工具选择。
试点时只改一条链路
- 例如只对售后咨询开机器人，社群话术仍人工
- 或只对详情页相关推荐做对照，首页仍锁主推
- 同时改客服、推荐、群发，将无法判断是哪一处伤了体验
扩面的前提
- 抽检过的错误类型在下降，而不是“感觉还行”
- 有人负责知识库和禁推清单，岗位不能空
- 再接到下一个通道（例如从店铺客服到企微）
总结
私域加 AI，是把重复劳动和规则校验交给系统，把关系和承诺留在人：
- 咨询：统一口径、分通道值守，复杂单和群投诉不自动结案
- 货架：给社群主推让路，推荐结果要过库存和退款
- 会员：分层为了服务和少打扰，标签不对用户展示、不用于无法解释的差价
- 价格与预测：规则透明、预测留区间，自动改价在私域里风险更高
下一篇会把店铺客服从知识库到转人工写细，见AI智能客服。
