意图预测营销设计器

一句话定位

从"人群定向"到"个体预见"——在用户明确表达之前，就预测他们需要什么并主动提供。

何时触发

• 用户转化率低，内容触达不精准
• 想从"用户搜索了什么"升级为"用户可能需要什么"
• 需要设计 AI 驱动的个性化推荐系统
• 获客成本持续上升

输入

产品场景 + 用户行为数据 + 当前触达方式。

示例输入：

产品: 在线教育平台
当前触达: 邮件推送课程推荐（基于浏览历史）
问题: 打开率 2%，转化率 0.1%

设计流程

Step 1: 意图信号识别

任务：识别哪些用户行为可以预测意图。

信号类型：

显性信号:
  - 搜索关键词
  - 浏览路径
  - 加购行为
  - 直接询问

隐性信号:
  - 停留时长
  - 重复访问
  - 对比行为
  - 时间规律（如每月月底看某类内容）

上下文信号:
  - 时间（工作日/周末/深夜）
  - 地点
  - 设备类型
  - 上一动作

Step 2: 意图分层

任务：将用户意图分层，匹配不同的响应策略。

意图分层:
  L0 无意图: 用户在漫无目的浏览 → 做好内容展示，不打扰
  L1 弱意图: 用户在探索某个方向 → 提供引导性内容
  L2 中意图: 用户在比较/评估 → 提供对比/评测内容
  L3 强意图: 用户即将决策 → 提供促成决策的内容（案例/优惠/限时）
  L4 行动意图: 用户正在执行 → 提供辅助/加速内容

Step 3: 触达策略设计

任务：为每个意图层级设计触达策略。

触达策略:
  L0: 做好推荐位，不打扰
  L1: 侧边栏/推送卡片，轻量引导
  L2: 内容弹窗/对比工具，主动帮助
  L3: 定制化方案/限时优惠，促成决策
  L4: 一键操作/自动填充，减少摩擦

Step 4: 反馈闭环

任务：设计从触达到模型更新的反馈闭环。

闭环:
  用户行为变化 → 更新意图评分 → 调整触达策略 → 观察效果 → 更新模型

综合输出格式

intent_prediction_design:
  input:
    product: "产品名称"
    current_approach: "当前触达方式"
    problems: ["当前问题"]

  signals:
    explicit: ["显性信号"]
    implicit: ["隐性信号"]
    contextual: ["上下文信号"]
    available_now: ["当前可用的信号"]
    need_to_collect: ["需要额外收集的信号"]

  intent_layers:
    L0: { name: "无意图", strategy: "不打扰" }
    L1: { name: "弱意图", strategy: "轻引导" }
    L2: { name: "中意图", strategy: "主动帮助" }
    L3: { name: "强意图", strategy: "促成决策" }
    L4: { name: "行动意图", strategy: "减少摩擦" }

  feedback_loop:
    data_collection: "数据收集方式"
    model_update: "模型更新频率"
    strategy_adjust: "策略调整机制"

  implementation:
    phase1: "第一阶段（30天）"
    phase2: "第二阶段（90天）"
    phase3: "第三阶段（180天）"

  metrics:
    primary: "意图预测准确率"
    secondary: ["转化率", "触达响应率", "用户满意度"]

常见误判

• 过度预测：预测太激进，用户感觉被监视
• 信号不足：只依赖显性信号，忽视隐性信号
• 忽视隐私：意图预测需要行为数据，必须注意隐私合规

一句判断

意图预测不是猜用户想要什么，而是在用户需要的时候恰好出现。