阿里云 Chat App 发布 Agentic Journey,AI 对话零代码搭建客户旅程

简介: 阿里云Chat App新推Agentic Journey(智能客户旅程),支持业务人员通过自然语言对话零代码搭建自动化营销与服务流程,并融合NLU/NLG、情绪识别等AI能力,适配WhatsApp等六大海外渠道,让客户旅程更智能、统一、易配置。

在 WhatsApp 等社交渠道上做营销,发送活动消息只是开始。客户随后会询问产品,也可能提出售后问题。企业需要根据不同需求继续沟通,让一次触达有机会转化为成交。


两年前,阿里云Chat App消息服务发布 Chat Flow(流程编辑器),支持通过可视化编排实现自动化营销与服务。但从业务想法到可运行的流程,仍需要人工配置触发器、连接节点、设置分支。功能能够满足需求,搭建过程却对使用者提出了一定要求。


近期,Chat App 正式推出 Agentic Journey(智能客户旅程)能力,让搭建过程也有了 AI 的参与。现在,业务人员可以直接向 AI 描述需求,通过对话搭建客户旅程,零代码配置自动化营销与服务流程。


从“怎么配置”,到“我想怎么做”


假设你想为首次咨询的客户设置欢迎与分流流程,可以直接告诉 AI:

“客户首次咨询时,我想先发个欢迎消息,然后让他们选择是咨询产品还是售后问题。”


AI 会继续追问:

  • 欢迎消息具体发送什么内容?
  • 产品咨询和售后问题分别如何处理?
  • 非工作时间是否需要自动回复?


经过几轮对话,AI 逐步理解完整需求,并协助搭建对应的客户旅程。

搭建方式变简单了,业务规则仍由企业决定。欢迎语说什么、什么情况转人工,都需要在配置时明确。

AI 不只参与搭建,也可以进入客户沟通过程

客户真正发来的消息,往往不会严格按照企业预设的关键词表达。

例如:

“我买的东西怎么还没到?”

“这个质量也太差了吧,我要退!”


面对这些自然表达,仅靠固定关键词和规则并不容易覆盖。

Agentic Journey 包含多种 AI 组件,可以将自然语言理解和生成能力加入客户旅程中。


组件 1: 自然语言对话

自然语言对话组件能够理解客户表达,并结合上下文持续进行多轮对话。

例如,客户说“我要退货”,AI 进一步询问退货原因;客户回答“质量不好”后,AI 可以结合前文理解这句话是在回答退货原因,而不是一个新的独立问题。


组件 2: 自然语言生成

对于客户提供的较长信息,可以通过自然语言生成组件进行总结和提炼。

例如,将一段复杂的问题描述总结为:

您反馈的主要问题是:商品尺寸偏小,希望更换大一码。

总结后的信息还可以继续传递给后续节点使用。


组件 3: 情绪 / 主题分类

Agentic Journey 还可以对客户消息进行情绪或主题分类,并根据识别结果进入不同的处理路径。

比如客户表达明显的愤怒情绪,可以进入人工处理流程;普通建议则可以继续通过对话收集详细信息。

这些组件可以根据业务需要组合使用,让客户旅程不仅能够按照预设流程执行,也能够结合客户实际表达进行处理。



从客户消息,到业务系统和人工客服

客户沟通并不只发生在聊天窗口里。

查询物流,需要获取订单系统中的信息;处理客户问题,可能需要调用其他业务系统;遇到复杂情况,还需要把客户转交给人工客服。


Agentic Journey 提供 30+ 个组件,用于搭建不同类型的客户旅程。


例如,可以通过 HTTP 请求对接订单系统、库存系统和 CRM 系统;通过按钮交互引导客户选择;通过等待节点控制消息发送节奏;通过客户分组管理不同客户;当问题需要人工处理时,也可以转接人工座席。

与此同时,Agentic Journey 提供四种旅程触发方式:


  • 上行消息触发:客户主动发送消息后启动旅程
  • API 触发:由业务系统调用后启动旅程
  • 受众计划触发:用于企业主动发起的营销活动
  • 旅程调用触发:从一个旅程进入另一个旅程


企业可以根据不同业务场景选择相应的触发方式和组件组合。


一套旅程,覆盖多个海外沟通渠道

对于出海企业而言,还有一个常见问题:客户分散在不同渠道。


同一个客户问题,可能来自 WhatsApp,也可能来自 Messenger、Instagram 或 Telegram。如果每个渠道分别维护一套规则,一旦业务流程变化,就需要反复修改。


Agentic Journey 目前支持 WhatsApp、Viber、Messenger、Instagram、Telegram、LINE 六大渠道。

通过 API 触发方式,企业可以配置一套旅程,由系统根据客户所在渠道进行适配。业务调整时,也无需分别维护多套流程。

这让企业能够在不同海外客户沟通渠道之间,使用更加统一的客户旅程。


Agentic Journey 并没有改变企业设计客户旅程的最终目标。


企业依然需要决定:什么情况下响应客户、不同客户应该如何处理、什么时候调用业务系统、什么时候应该交给人工。

变化在于,把这些业务想法变成客户旅程的过程,可以更简单。


目前,Agentic Journey 已在阿里云 Chat App 消息服务中上线。


相关文章
|
5天前
|
云安全 人工智能 运维
当攻击全面Agent化,你的安全防御能否跟上AI Speed?
多起客户侧AK泄露事件应急的真实观察
1241 4
|
28天前
|
人工智能 JSON API
全网刷屏的 Jev 模型正式开放!一手实战测评 + 保姆级教程
全网爆火的 Jev 模型是什么?有什么用?怎么使用?怎么接入 AI 编程工具?效果真的好么?傻子可懂的 Jev 保姆级实战教程 + 项目实战测评来啦
9782 32
|
8天前
|
存储 人工智能 安全
千问办公官网入口网页版登录:qwenwork.cn 注册送2000积分、登录送100积分
阿里云千问办公(QwenWork)是AI智能工作平台,支持一句话生成PPT、表格、网页、视频及数据分析。个人免费版送2000积分+每日登录赠100分,含1GB存储、5个发布页;企业版198元/席/月起。阿里千问办公QwenWork官网:https://t.aliyun.com/U/0VCTGt 阿里AI工作平台,一句话完成数据分析、PPT 生成、视频剪辑、网页搭建等复杂任务
|
3天前
|
人工智能 API 开发工具
DeepSeek Harness 神插件:白嫖 13 家大厂模型
`dsh-our-free-model` 是 DeepSeek Harness 神级插件:零配置、零API Key、零账号,聚合13家大厂免费模型(含DeepSeek V4.1 Flash、Kimi K3等),支持本地网关、用量看板与自动降级,真正实现“白嫖即用”。
|
14天前
|
存储 人工智能 并行计算
大模型本地部署终端选型方法论:以 Qwen3.8-27B 为例的四档分层完整流程
本文提出一套大模型本地部署终端选型方法论:定约束、定档位、定框架、定参数四步决策法,配合入门、主力、质量、无损四档分层模型。以 Qwen3.8-27B 实测数据为例,逐环节解读显存、带宽、存储、散热、系统、预算等要素,给出面向不同预算的优选方案、决策自查清单与市场观察框架。文末前瞻 AI 笔记本的 CPU+GPU 与统一内存两条路线,论证四步决策法在新品类上的延续性。
|
5天前
|
Web App开发 人工智能 JavaScript
太猛了,一个月干到15W+,给大家推荐一个最近爆火的开源逆向工具:REA
REA(Reverse Engineer Anything)是近期爆火的开源AI逆向工具,4月发布,1个月内斩获15万+ Star。它让AI Agent无需源码即可分析二进制、APK、JS/Electron、HAR包等17类目标,自动反编译、生成可运行代码,并强制返回带证据与局限的结论。全本地执行,MIT协议,支持Hopper/Ghidra/IDA等引擎,一行命令即可上手。
621 1
太猛了,一个月干到15W+,给大家推荐一个最近爆火的开源逆向工具:REA
|
12天前
|
人工智能 JSON 自然语言处理
2026 年 Jev 决策模型深度拆解:原理解读、实战测评与保姆级落地教程
有一款特殊AI模型在开发者圈子刷屏,它摒弃传统大模型擅长的对话聊天能力,专注做高速结构化决策,它就是TypeSafe AI推出的Jev模型。该模型由ChatGPT共同发明人Diogo Almeida主导研发,定位为**System One Model(系统一模型)**,对标人类大脑快速直觉判断的思维模式,在响应延迟、调用成本、结构化输出稳定性上相比传统生成式大模型有着巨大差异。本文会完整拆解Jev底层原理、三大核心原语能力、适用业务场景,同时提供可直接运行的curl、Python代码示例,并且结合多组实测数据,客观分析模型优势与能力边界,帮助普通开发者和AI应用从业者快速上手落地。
927 1
|
9天前
|
人工智能 JSON 自然语言处理
2026 年 Jev 决策模型全解析:核心原理拆解,性能实战测评与落地部署教程
有一款特殊AI模型在开发者圈子刷屏,它摒弃传统大模型擅长的对话聊天能力,专注做高速结构化决策,它就是TypeSafe AI推出的Jev模型。该模型由ChatGPT共同发明人Diogo Almeida主导研发,定位为System One Model(系统一模型),对标人类大脑快速直觉判断的思维模式,在响应延迟、调用成本、结构化输出稳定性上相比传统生成式大模型有着巨大差异。本文会完整拆解Jev底层原理、三大核心原语能力、适用业务场景,同时提供可直接运行的curl、Python代码示例,并且结合多组实测数据,客观分析模型优势与能力边界,帮助普通开发者和AI应用从业者快速上手落地。
592 0

热门文章

最新文章