平台把 126 笔退款归成质量与不喜欢 · 逐字稿显示其中 43 笔集中在同一句承诺之后
交易履约与经营复盘负责人 · 真实业务触发
秋季专场下播三天后,发膜 SKU 的退款和咨询明显集中;客服认为是冲动消费,运营怀疑主播承诺过度,业务负责人要求给出事实链和影响金额。
不是流程描述,是调研出来的真痛点 —— 每条可点开核对出处
变化不在「快」,在「参与的角色」和「覆盖的范围」
5 步 · 每一步的产出都是下一步的输入
痛感 5 × AI 适配 5 ÷ 落地难度 2 = 15.0
最大差异点 · 把平台原因码、客服自由文本、订单时间、直播逐字稿、商品批次和纠错记录放在同一时间轴上,区分事实、关联和待验证。
评分口径:痛感看「这事没做好谁会生气、生气到什么程度」; AI 适配看「输入是否非结构化、是否要跨部门取数、错了能不能当场看出来」; 落地难度是分母 —— 需要客户先做数据治理的场景,分数会被压得很低。
判断标准只有一个:这份东西能不能直接进企业的流程
不自动拒绝退款、不认定主播责任、不对消费者作赔付承诺;只输出聚类、关联证据、影响金额与需人工调查的假设。
Live Demo 里有一个完整案例的每一步,包括 Agent 在哪一步拦住了