产品优化讨论

产品优化讨论

会议总结：产品优化讨论

时间：2025/03/20 17:14 - 17:52
参与人：说话人A（主导）、说话人B（开发）、说话人C（前端）

一、核心议题与结论

多品类产品分析逻辑
- 当前实现：用户选择两个不同品类时，系统独立分析每个产品（分别向AI发送请求），返回结果以数组形式包含两个产品的分析数据。
- 问题点：
  - 总结功能是否基于两个产品联合生成？需确认AI返回的总结是否合并了多产品信息。
  - 定位客户时，需明确搜索逻辑（是否分别走接口）。
搜索优化
- 文本搜索 vs 图片搜索：
  - 当前使用产品标题（name）进行文本搜索，但图片搜索效果更优（如一次性刀叉勺案例）。
  - 图片搜索需处理向量相似度阈值问题（不同产品阈值差异大，可能导致结果过多或过少）。
- 改进方向：
  - 优先使用图片URL链接搜索，限制返回结果数量（如Top 100）。
  - 前端需调整产品列表搜索逻辑，忽略大小写（SQL查询优化）。
客户定位逻辑
- 当前流程：
  1. 分别搜索每个产品，获取关联商品列表（如产品A搜出20个，产品B搜出22个）。
  2. 去重后汇总店铺（如42个），按商品数量排序，随机选取5~15个目标客户。
- 问题点：
  - 部分店铺类目杂乱（如自然流量店铺含上万商品），需标记或过滤异常数据。
数据源与联系人问题
- 当前联系人数据为Mock数据，需接入真实来源（如爬虫或第三方API）。
- 产品库数据需自动化更新（目前依赖本地代理爬取国外网站，线上部署需解决访问速度问题）。
流式输出技术问题
- 当前AI接口是否支持流式输出结构体（如JSON）尚不明确，需进一步测试：
  - 文本聊天可流式输出，但结构体返回机制未验证。
  - 服务端可尝试转换响应为流式JS对象，需与前端配合调试。
前端交互优化
- 产品列表中的“未选中”状态逻辑需调整：
  - 当前未选中产品在分析时会被忽略，但列表需保留记录（后续可能需复制或删除功能）。
  - 建议默认全选，或仅支持多选删除操作。

二、新增功能讨论：外部数据集成

公司深度分析工具
- 流程：输入公司名称 → AI自动研究（耗时约10分钟，优化后目标3-4分钟） → 生成报告。
- 输出内容：
  - 基础信息（创始人、员工规模、融资情况等）。
  - 进出口数据（海关记录、供应链伙伴、热门产品）。
  - 新闻动态（如融资目的、业务扩展计划）。
- 技术实现：
  - 多步骤AI反思模型（搜索→分析→总结），依赖长上下文模型（如GPT-4o）。
  - 成本控制：分阶段执行任务（初步分析后决定是否深度研究），单次任务目标成本＜5元。
应用场景
- 销售辅助：手动调用分析工具，匹配客户需求与产品库。
- 后续集成：在客户搜索环节直接联网分析，评估合作潜力（如销量、产品匹配度）。

三、后续行动计划

技术优化
- 图片搜索优先于文本搜索，调整向量相似度阈值策略。
- 验证AI结构体流式输出可行性，协调前后端测试。
- 自动化产品库更新（部署线上爬虫，解决代理问题）。
功能迭代
- 客户定位逻辑增强：过滤异常店铺，优化随机选取算法。
- 外部数据工具集成：简化输出形式（如表格化公司关键数据）。
会议待决事项
- 流式输出技术细节确认（联系AI服务商或查阅SDK文档）。
- 未选中产品列表的交互设计最终方案。