引、进、逛、挑、结、离：一座商场把AI铺进了每一米动线

大模型来了，看上去是解药。可通用大模型知道天下事，偏偏不知道你家商场今天的事——哪个铺位空着、B2 还剩几个车位、这家餐厅今天有什么限定。于是问题变得具体：一座每天几万人进出的商业综合体，能不能在每一个物理接触点上，都接住这个人？

成都太古里在改造前面临的问题，几乎是商业综合体的通病：

客服只能答疑，不能陪伴
传统客服做不了一对一的沟通，也做不了长期互动。顾客离场之后，服务链条就断了，下一次再来，一切从头开始。

促销靠群发，转化靠运气
营销精准度低，无法依据客户特点推送真正有效的信息。同一个活动推给所有人，看上去热闹，实际转化有限。

数据散在各处，拼不出一个人
客户数据分散在不同系统、利用不充分，既支撑不了运营决策，也谈不上对新商业模式的探索。

私域建了，但没活起来
品牌曝光不足，私域平台的运营效果欠佳，形象塑造与口碑提升始终乏力——账号有了，内容有了，就是留不住人。

四个断层指向同一件事：商场每天看着几万人流进进出出，却始终没有真正“认识”其中任何一个人。

这个项目最值得看的地方，不是用了大模型，而是用在了哪儿。神州问学把消费者的完整路径拆成六段，每一段对应一种 AI 服务：

引 · 进 —— 先让人愿意来，再让人找得到

活动宣传与品牌种草在前，室内导航与到达指引在后。顾客还没到，服务已经开始；到了之后，不用再找指示牌。

逛 · 挑 —— 这是最考验功力的两段

在“逛”的环节做品牌推荐与智能导购；在“挑”的环节，针对场内多个线下门店品牌提供 SKU 精准推荐及关联产品搭配——不是泛泛地告诉你“三楼有女装”，而是具体到哪一件、配什么。

针对零售、餐饮、文化娱乐等不同业态，还设计了各自的专属数字服务：商品推荐、菜品介绍、活动报名。

结 · 离 —— 别让好体验死在最后一百米

结算环节推送优惠，离场环节做反向寻车与自动缴费。很多商场的体验断点恰恰在这里——买完东西找不到车，好感折损一半。

支撑这六段动线的，是三件套：

① 多入口 AI 交互体系

以企业微信私域账号为核心，整合室内导航首页、小程序智能客服、服务号问答推送等多个入口，实现全场景触达。顾客不需要记住“该去哪个入口问”，服务自己会出现在他手边。

② RAG 知识库：让大模型知道“这家商场的事”

依托微信、壹霖系统与问学平台，整合会员与商铺信息，通过 RAG 技术挂载知识库。采用模块化 RAG 架构，配合中文递归切片、表格切片等多样文档切片器，以及 Hybrid 检索、句子窗口检索等多路召回算法，精准处理商铺信息、会员规则等结构化与半结构化数据。知识库每日刷新，解决通用大模型“知识滞后”的老毛病。

③ 提示词工程：让 AI 说话像个导购

运用 B.R.O.K.E、A.P.E 等 12 种提示词框架，针对客服咨询、产品推荐等不同场景定制 AI 角色与应答逻辑。比如餐饮推荐采用“场景 + 偏好”的引导式提问，而不是机械地甩一份菜单。项目还设置了 NPC 智能体，让交互更有人格感。

顾客日活提升
AI 驱动的个性化互动，显著增强了用户黏性。服务从“人找信息”变成“信息找人”，用户愿意回来的理由多了一条。

品牌引流增长
精准的跨店推荐盘活了场内流量。原本只去某一家店的顾客，被带到第二家、第三家——同一个客流，做出了更多次停留。

营销曝光增加
社交裂变让促销活动的效果被放大。私域平台不再只是一个通知渠道，而成了品牌曝光与形象塑造的阵地。

① 通用大模型不知道“你家的事”

大模型的通识能力再强，也说不出这个商场有几层、哪家店在几号铺、会员积分怎么算、今天哪个品牌做活动。知识滞后一天，导购就答错一次。
破局：模块化 RAG 架构挂载商场自有知识库，中文递归切片、表格切片处理不同形态的文档，Hybrid 检索与句子窗口检索保证召回质量，知识库每日刷新。

② AI 一开口，用户就不想聊了

机械的“您好，请问有什么可以帮您”是服务体验的杀手。同一个问题，问客服和问导购，期待的回答方式完全不同。
破局：用 12 种提示词框架为不同场景定制 AI 角色与应答逻辑，餐饮推荐走“场景 + 偏好”的引导式提问，让对话有来有回。

③ 触点太散，服务接不上

导航一个入口、客服一个小程序、活动一个公众号，顾客要记住“什么情况该去哪个口问”，这本身就是体验损耗。
破局：以企业微信私域账号为核心，把多入口整合成一套体系，实现“随时触达、随地服务”，同时联动会员体系的积分规则与等级权益做个性化推荐。

④ 为单个场景定制的系统，做完就固化了

很多 AI 项目是“一场景一方案”，上线即定型，后面想加多模态、想训练专属模型，只能推倒重来。
破局：项目不是单点定制，而是建在神州问学企业级 Agent 中台之上——未来可基于同一平台扩展多模态能力与专属模型定制，为后续场景留出接口。

一、AI 的颗粒度，决定了它是“客服”还是“导购”。
通用大模型能给你一万条泛泛的建议，但只有知道三楼那家店今天上新、B2 还剩几个车位，它才算真正长在了这个场景里。场景颗粒度越细，AI 越难被替代。

二、私域不是加好友，是有没有一个“随时能接住”的入口。
很多企业把私域做成了通讯录，加了几十万好友却不知道说什么。真正的私域能力，是当用户需要的那一刻，有一个懂他的 AI 恰好在那里——而且知道他是谁、买过什么、偏好什么。

三、别为一个场景造一套系统，要为所有场景造一个底座。
项目的可扩展性，比一期上线了多少功能更重要。建在中台之上的应用可以不断长出新能力，建在定制方案上的项目则会随着需求变化迅速折旧——这条经验，对任何行业的 AI 落地都成立。