面向 Shopify 的对话式 AI 商品推荐

顾客在 Shopify 店铺中提出“想要一款 40 美元以内、无香、适合干燥气候的保湿霜”，这段话提供的推荐上下文，已经比一长串缺少背景的页面浏览记录更有用。

AI 店铺助理真正要做的，是把这些信息变成一份理由充分的候选清单：

1. 找出顾客的硬性约束。
2. 排除无法满足约束的商品。
3. 按顾客明确说明的偏好和相关上下文，对有效选项排序。
4. 解释取舍，只提出下一个可能改变选择的问题。

本文适合负责设计 AI 店铺助理如何收窄并解释商品选择的电商运营、客户体验、对话设计、产品和隐私团队。重点是对话中的决策过程，而不是通用推荐组件或不透明的画像分数。可以用随附的 AI 商品推荐 QA 工作表，在自己的商品目录上进行测试。

先区分三类顾客上下文

商品排序前，应把每个信号分为约束、偏好或线索。

这种区分可以避免一个常见错误：因为商品热门或利润高就选择它，即使它违反了顾客明确提出的条件。

如果商品目录无法可靠表示决定性约束，应先修正来源，再修改推荐提示词。面向 AI 商品推荐的 Shopify 商品目录清单涵盖商品、变体、市场和政策准备。

使用信号优先级，而不是不透明的总分

优先采用最直接、最新而且与决策最相关的证据。只有在能改善决策时，才加入较间接的上下文。

当前明确意图应优先于较早或间接的行为。顾客可能为了送礼而看过某件商品，也可能读完详情后已经排除它，或与别人共用设备。浏览页面只能证明关注过，不能证明偏好。

只有关系能够核实时，购物车上下文才最可靠。购物车里有相机机身，可以据此询问兼容镜头；却不能据此不断推荐无关的附加商品。

为每类推荐任务定义最低信息要求

不同购物任务需要不同问题，不能一套问法用到底。

为价值最高的商品系列写下最低输入要求。这份说明既是对话设计，也是测试规范。

只有答案可能改变选择时才追问

采用以下决策规则：

一条实用的停止规则是：所有选项都满足硬性约束，而且再问问题只会调整相近选项的顺序时，就可以推荐。

问题太多会让对话像填表，太少又会让答案变成猜测。合适的问题数量取决于商品决策，不存在通用脚本。

假设示例：先收窄并解释，再继续调整

下面的商品与回答仅用于说明，不是百思购® 客户的实际结果，也不是对真实商品目录的声明。

顾客：“我想给小卧室买一支蜡烛。不喜欢甜香，希望控制在 35 美元以内。”

较差的回答：“最畅销的香草蜡烛非常适合你。”

考虑决策条件的回答：

“可以先排除偏甜的美食调香型。35 美元以内有两个更合适的选项：Cedar Rain 是木质香，扩香较轻；Coastal Herb 更清新，草本香更明显。你更在意香气淡雅，还是希望覆盖整个房间？”

这段回答：

• 遵守预算和香味排除条件。
• 给出精简候选清单，而不是堆出整份目录。
• 为每个选项提供不同理由。
• 只询问最后一项取舍。

没有商品满足约束时，就应当不推荐任何商品。“没有合适商品”也是有效结果。

解释选择，不暴露内部机制

顾客不需要打分公式，只需要自己能够核实的理由。

可采用以下回答结构：

推荐 → 证据 → 取舍 → 可选的后续问题

例如：

“20 L Daypack 更符合要求，因为你需要重量轻、外部尺寸尽量小的背包。28 L 版本空间更大，但也更高。你更想优先保证容量还是便携性？”

避免使用“算法认为你一定会喜欢”。这句话没有提供证据，还可能让普通的会话上下文听起来比实际更具侵入性。

在每个信号层面设置隐私护栏

逐项记录推荐为何需要这个信号、需要精确到什么程度、有效期有多长，以及顾客如何纠正推断。任务能用更少数据完成，就只用更少数据。

Shopify 的 Customer Privacy API向店面实现提供与用户同意相关的数据处理权限。Shopify 的受保护客户数据指南强调数据最小化、透明和安全。商家还应查看百思购® AI 店铺助理的隐私政策、自己的通知，以及适用于相关市场和配置的要求。

实际边界包括：

• 不要把浏览行为说成关于顾客的既定事实。
• 不要突然透露购买历史，应先确认是否相关。
• 不要根据薄弱信号推断健康、身份、财务或其他敏感特征。
• 不要把原始个人信息放入 QA 工作表，应记录决策模式。
• 无法取得同意、访问权限或可靠证据时，应只使用顾客在对话中明确说明的信息。

实用的个性化不需要顾客姓名或持久身份。设计得当的对话可以直接从眼前表达的需求开始。

衡量转化前先测试失败方式

不能只用转化作为质量检查。推荐即使促成购买，也可能不兼容、具有误导性、不必要地侵犯隐私，或很可能导致退货。

两层 QA 应分开进行。商品目录证据 QA 检查每项决定性事实是否有当前有效的权威来源，并且适用于正确的商品、变体、市场或政策范围；Shopify 商品目录清单涵盖这一层。推荐行为 QA 检查商家能够观察到的表现：助理是否保留约束、使用有依据的证据、选择正确变体、解释取舍、接受纠正，并在没有核实匹配项时拒绝推荐。下面的测试针对第二层。

应检查成功、放弃、转人工、纠正和无推荐会话中的可见输出与行为：答案保留了哪些约束，引用或转述了哪些商品目录事实，链接了哪件商品和变体，提出了什么澄清问题，所述取舍是否符合证据。无需访问模型内部推理，这些检查也能暴露脆弱行为。

AI 商品推荐 QA 工作表包含硬性约束、多轮记忆、变体范围、透明解释和安全的不推荐场景。评估收入影响前先完成这些测试。发布后的衡量应遵循 Shopify AI 店铺助理 ROI 指南中的归因注意事项。

百思购® AI 店铺助理适合用在哪里

百思购® AI 店铺助理页面介绍了如何根据偏好、浏览行为、意图、购物车上下文和历史购买提供商品建议。其能力页面介绍了根据顾客需求、购物车和商家实时商品目录提供对话式推荐，以及加购推荐与搭配推荐能力。

这些公开说明支持使用相关的店铺和顾客上下文来收窄选项，但不能证明存在跨店铺身份图谱、可以无限制访问个人数据，或保证能够访问每个 Shopify 字段。请确认本店可以使用的数据，并据此配置回答边界。

实际应用这套框架

1. 选择一个存在明显取舍的商品系列。
2. 完成推荐 QA 工作表。
3. 测试有效匹配、无效组合、纠正、追问和无匹配情况。
4. 记录每次通过或失败、支持证据和修复负责人。
5. 答案错误时，先修正商品目录证据，再调整措辞。

如果样本通过测试并准备使用百思购®，请从 Shopify App Store 安装百思购®，然后在上线前对已配置的店铺重复工作表中的场景。目标不是让每个回答都显得个性化，而是让每项推荐都有用、可解释，并忠于顾客眼前的决策。