SmartTag:把电商客户之声打标做成可质检、可调优的效果交付。
内容摘要
SmartTag 面向电商企业客户反馈的精细化分析,将跨平台反馈汇集、标签判断、统计分析与业务汇报连成服务流程。方案围绕高准确率与有限交付预算两个约束,在导入、打标、BI 和导出环节引入可编程能力,让系统适配客户数据与规则,并把统计结果直接组织为可汇报材料。路演强调,标签质量问题不仅来自模型幻觉,也来自错误输入和未显式表达的业务规则,因此需要用户质检与 Agent 排查形成迭代闭环。其产品思路是从功能供给走向效果交付。
关键事实
- 应用任务汇集多电商平台反馈,进行精细标签分类、统计分析与业务汇报。单品类标签超过 150 个。
- 交付目标(口播)姚广介绍客户要求打标准确率超过 95%,并表示该指标写入合同、通过 POC 及最终交付;这是该项目的披露,不是对所有 AI 系统的保证。
- 幻灯片另列「业务要求超过 95%,合同约束底线 90%。」口播「签进合同」与幻灯片底线口径不同,分开写。
- 框架组成可编程导入、可编程打标、可编程 BI 和可编程导出。
- 分析与汇报通过 Python 进行统计计算,返回 ECharts 图表配置,并将数据映射到 PPT 模板。
- 调优闭环由用户质检和 Agent 排查输入、标签定义、提示词及代码问题。口播称幻觉占比不超过 1%。

演讲资料
演讲视频
从功能供给走向效果服务
大家好,我是深流 AI 的姚广,接下来介绍 SmartTag,AI 驱动的电商 VOC 服务。AI 时代,企业服务面临新的范式转变,我们认为是从功能到服务,从体验到效果。SmartTag 这个产品或者服务,我觉得走出了一条可行的新服务范式。
客户反馈处理的四个环节
看 SmartTag 背后的企业需求。电商企业需要把不同平台、不同类型反馈精细化打标,精确到产品服务环节、产品每个模块,才能以数据驱动各部门改善服务、产品。总共四步:汇集反馈,把各平台不同反馈类型导出;精确打标,每个品类需要在150多个标签中选择对应标签;统计分析,按品类、产品、渠道定位问题、看数据变化和增长,甚至作为部门 KPI;业务汇报,客服部门向领导、各部门产品和服务负责人汇报。
人工打标与交付的难点
原来人工打标的痛点,单品类超过150个标签后难度很大。第一成本高,逐条打标速度慢,需要五六个人的团队。第二心智负荷高,不是下拉列表三选一、五选一、十选一,而在150个标签里判断选择,长时间保持注意力很难。客户一句话说:“这个活真不是人干的。”第三一致性难,不同人员对标签定义理解不同,同一人在不同时间判断也不同。
这个场景非常适合、需要 AI 自动化,有商业机会,但难点有两个。第一高准确率,要超过95%。既是难点也是机会,因为客户找不到敢把超过95%的承诺签进合同、售前达到这个准确率并通过 POC 的供应商。我们迎难而上接了这个活。也认为95%是很多 AI 系统究竟是 Demo,还是真正落地的关键指标。
第二低成本,要用很低成本完成交付,因为预算有限。很多 AI 项目的预算可能是给企业节省成本的十分之一。这既是 SmartTag 的难点,也是很多 AI B 端项目的难点。下面介绍深流 AI 如何解决。
可编程导入与打标
第一个方案是让产品拥有更多编程自由度。大模型时代,生产代码效率高于低代码规则、画布配置。我们引入可编程框架,在四处引入能力:可编程导入、打标、BI、导出。
电商后台导出的不同模板 Excel,我们直接为不同模板定义导入解析器,导出后不用手动调整,就能导入原数据。传统 B 端系统自己有模板,所有导入数据要适配它。我们不是让企业适配,而是主动适配客户各种模板,效果很好,超出客户预期。
AI 打标不是简单提示词配置,有复杂的逻辑打标规则和大模型语义打标规则。可编程打标让项目过程中灵活迭代两类规则,实现很高自由度。
可编程 BI 与汇报导出
第三是可编程 BI。B 端系统自带 BI 常是固定报表,能力较弱,而 VOC 项目需要自定义仪表盘、探索式分析。采购外部独立 BI,价格贵,会吃掉预算,项目可能亏损。我们通过可编程 BI 框架,用 Python 做统计计算,返回 ECharts 语法,一下子所有 ECharts 图表都支持,分析能力甚至超过很多传统 BI 系统,给客户很大惊喜。
第四是可编程导出,实现传统 B 端系统没有的直接导出可汇报 PPT。通过自定义代码,把统计报表数据映射到 PPT 模板,一键导出,节省客户时间。
用户质检、Agent 调优与交付
打标准确率这块,我们认为导致不准的原因中,AI 幻觉占比很低,不超过1%。更多是输入 AI 的错误信息、企业隐藏规则。为发现这些信息,构建用户自行质检和 AI 驱动排查大模型提示词、标签定义、逻辑代码问题的闭环,快速让准确率收敛到95%以上。
整个系统是 AI 原生开发,后台人能操作的功能,AI 全能操作,都有相应 CLI 操作。可以由 AI 进行系统实施,大幅降低实施成本。总结 SmartTag 的特点:产品可编程、AI 原生实施、Agent Loop 调优。向客户交付准确率超过95%的打标系统,节省客户时间,高效率交付带来项目高利润,超出客户预期,实现甲乙双方双赢。我的汇报到此结束。
为什么精细打标适合引入 AI?
根据姚广的演讲,单个品类涉及150多个标签时,人工逐条判断速度慢、注意力负荷高,不同人员甚至同一人在不同时间的理解也可能不一致。企业需要把反馈精确映射到产品模块与服务环节,才能定位问题、统计变化并推动部门改进,因此必须同时考虑效率与判断一致性。
可编程框架怎样帮助控制交付成本?
根据姚广的演讲,系统分别在导入、打标、BI和导出环节开放编程能力。导入适配客户原有Excel模板,打标灵活迭代逻辑与语义规则,BI通过Python和ECharts支持分析,导出将统计结果映射到PPT模板。这样可在预算有限时,避免让客户反复适配系统模板或额外购买昂贵分析工具。
打标准确率如何通过业务反馈改进?
根据姚广的演讲,错误不完全来自模型幻觉,输入错误与企业隐含规则也是重要原因。团队构建用户自行质检和Agent排查的闭环,检查提示词、标签定义及代码问题,再持续迭代。演讲中超过95%的准确率属于该项目交付结果,其意义在于围绕明确标准形成可检验的改进过程。















