用户在两款商品间反复切换、加购后查阅配送与退换政策，或是在接近免邮门槛时停滞于结账页面。这些看似相同的“犹豫”行为，背后所需的支持截然不同。
行为营销的核心难点，不在于发放优惠券，而在于精准判断：此刻是否应该介入？若介入，什么才是用户最需要的下一步？
承担这一关键决策任务的，正是 Upsello 行为引擎（Behavior Decision Engine）。
该引擎位于“顾客行为”与“营销执行”之间：实时接收浏览、比对、加购等信号，基于预设逻辑判断是否触发营销及进入何种场景，随后将建券、话术生成及消息发送任务移交后台处理。
01. 差异化场景，拒绝千篇一律的响应
反复比价｜需提供清晰对比
当顾客在多款商品间来回查看时，其核心需求往往是获取尺寸、材质或功能差异的详细对比信息。
查阅政策｜需建立购买信心
顾客打开配送或退换货说明，此时阻碍转化的并非价格，而是对到货时效或售后保障的疑虑。
结账停顿｜需审慎判断干扰度
顾客接近免邮门槛却未继续操作。系统需智能判断是提供凑单建议，还是保持静默以避免打断购物流程。
Upsello 行为引擎不依赖单一动作做出结论，而是综合店铺配置、访客状态、触达频次及重复事件标记，将复杂信号转化为精准的营销决策。
02. 行为引擎的核心决策逻辑
Upsello 行为引擎主要解决三个核心问题：
-
顾客刚刚执行了什么操作？
引擎仅输出“是否营销”及“进入何种场景”的指令，不临时改写既定营销策略，也不改变商家预先配置的话术、优惠券及触达规则。
优质的主动营销并非频繁出现，而是在恰当时机，仅提供一个有价值的下一步指引。
03. 架构升级：决策与执行分离
传统营销链路需串行完成身份识别、策略判断、创建优惠券、生成话术及发送消息。一旦数据库、大模型或 Shopify 接口任一环节响应延迟，整条请求将被阻塞。
Upsello 行为引擎采用“决策”与“执行”分离架构：前台在完成快速判断后立即结束等待，将耗时的建券、话术生成和消息发送异步移交后台。此举确保顾客在浏览、加购与结账过程中流畅无阻，无需为营销流程的性能瓶颈买单。
04. 四大关键指标解读性能提升
- 决策耗时 ≤ 20ms
决策阶段不涉及数据库访问与大模型调用；20ms 为设计预算上限，实际生产环境时延以监控数据为准。
- 网络往返 6 → 1
状态读取由原来的 6 次网络往返优化合并为 1 次；
- 日志批量提交：100 条 / 50ms
决策日志采用按数量或时间维度的批量提交机制；
- 重复抑制窗口：5 分钟
针对相同行为事件设定 5 分钟的重复处理抑制期。
注：以上数据基于架构设计与理论口径，非生产环境实测结果；营销卡片的最终送达时间仍受大模型推理速度与 Shopify 接口响应影响。
每次决策均记录结果与耗时数据，支持按店铺、时段及场景维度进行精细化排查与分析。
05. 体验优先：快之外，更重“不打扰”
本次升级未新增营销策略，亦未变更既有话术与优惠券规则。系统始终优先尊重用户意愿：若顾客主动关闭推荐，或 Pulse 服务超时不可用，系统将直接放弃本次营销并正常放行请求。
核心原则明确：宁可减少一次推送，也绝不让营销行为干扰顾客的浏览、加购及下单体验。
Upsello 行为引擎的目标并非增加营销曝光频次，而是通过更快的响应速度与更高的稳定性，精准区分两种时刻：在顾客需要帮助时及时介入，在顾客无需干扰时保持静默。
