gabrielmoreira 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。