A1
AI 客服机器人
高频咨询重复、峰值压力高、服务口径难统一
- 使用角色
- 一线客服 / 班组管理 / 知识运营
- 产品闭环
- 知识召回 → 答案生成 → 置信度分层 → 人工接管 → 未命中回流
以检索增强生成（RAG）和意图识别承接高频标准咨询；低置信、敏感或复杂问题进入人工接管，未命中问题按主题回流知识治理。
已验证规模800万+ 年度咨询 / 75% 分流 / 满意度 92%KANG CHENGJIA · CASE / ENTERPRISE AI
任职期项目集 · 2022—2025
AI 产品与智能运营集团级 AI 产品矩阵
以六类 AI / RPA 产品为能力层，接入集团客服、营销、销售和客户经营流程。
面向汽车集团的高频服务、营销协同和私域运营场景，我以客户、知识、任务与反馈为共用对象，规划并推进 AI 客服、营销质检、销售内容、线索运营、内部知识和 RPA 自动化六类产品；再通过企微 SCRM、全生命周期 SOP 与车管家小程序承接一线执行和经营结果。
6类 AI / RPA 产品
- 年度 AI 咨询
- 800万+
- 私域客户
- 600万+
- 年度自动触达
- 1.3亿次
项目角色：产品组合规划、需求定义、跨团队推进、上线运营与规模化复盘案例状态：任职期已落地项目复盘
业务问题 / THE BUSINESS PROBLEM
在 70 万+一线业务群和 600 万+企微客户的规模下，产品设计的难点是稳定运行，而非完成一次模型演示。
服务口径、权限控制、跨系统执行、数据回流和人工协作必须同时成立。我据此将建设目标定义为可复用的智能经营能力层：每个场景都要有明确任务、业务入口、人工接管条件、反馈机制和量化指标。
因此我没有把六个项目分别交给六套孤立流程，而是先统一客户、员工、知识、任务和触达记录，再为不同场景配置模型、规则与人工节点。产品上线之后，运营团队还能通过命中、转人工、异常和完成数据持续修正机制。
系统架构 / OPERATING SPINE
从业务输入，到 AI 决策，再回到一线行动。
六类产品共享客户、知识、任务与反馈对象；SCRM 不是旁路系统，而是让 AI 结果可运营、可追踪的承接层。
业务输入
客户咨询营销会话公域线索内部知识跨系统任务
AI 能力与治理
知识检索意图分类内容生成会话分析RPA 编排人工接管
经营承接
客户与群员工与组织标签与分群生命周期任务触达与复盘
产品矩阵 / SIX PRODUCTS, ONE SYSTEM
六类产品分别承接不同业务任务，共享知识、客户、任务与反馈底座。
每个产品都明确使用者、输入与输出、AI 处理范围、转人工条件和衡量指标；共用对象和治理机制则避免产品扩展后形成新的数据孤岛。
A2
AI 营销质检
人工抽检覆盖有限，风险发现滞后
- 使用角色
- 销售管理 / 质检团队 / 门店负责人
- 产品闭环
- 会话解析 → 规则与语义双检 → 风险分级 → 整改工单 → 复盘归因
对营销会话进行全量解析，以规则引擎与语义分类双检识别风险，按等级进入提醒、复核或整改，并将问题类型、责任环节和处理结果纳入复盘。
已验证规模覆盖全量会话 / 销售回访质检月均识别 2,000+ 起不规范沟通A3
销售内容助手
一线内容生产慢、品牌口径不稳定
- 使用角色
- 销售顾问 / 内容运营 / 品牌审核
- 产品闭环
- 场景选择 → Prompt 模板 → 品牌约束 → 人工审核 → 素材沉淀
基于已审核的场景模板和 Prompt 结构生成内容候选，通过品牌词库、禁用规则与人工审核约束输出，再将高采用内容沉淀为可复用素材。
已验证规模月支撑 12万+ 条营销内容生产A4
线索运营助手
公域线索录入重复，跟进链路易丢失
- 使用角色
- 线索运营 / 销售顾问 / 数据管理
- 产品闭环
- 字段映射 → 结构化补全 → 状态校验 → 异常复核 → SCRM 入池
先统一公域线索的数据 Schema 与状态流转，再完成字段映射和结构化补全；关键客户信息、冲突字段和异常状态仍由人工确认。
已验证规模95% 字段自动补全 / 耗时下降 80%+A5
内部知识助手
制度、产品与业务知识分散，检索成本高
- 使用角色
- 集团职能 / 门店员工 / 知识管理员
- 产品闭环
- 知识分层 → 权限校验 → 检索问答 → 未命中归因 → 版本更新
先完成知识分类、版本、有效期与权限治理，再提供检索问答；引用来源、使用反馈与未命中原因持续进入知识更新队列。
已验证规模日均响应 1,500+ 次内部查询A6
RPA 自动化
跨系统重复操作多，人工执行不稳定
- 使用角色
- 运营团队 / 流程负责人 / 系统管理员
- 产品闭环
- 任务编排 → 幂等校验 → 运行日志 → 异常回退 → 人工复核
将跨系统重复动作编排为可追踪任务，保留运行日志、异常回退和人工复核，避免自动化失败被隐藏。
已验证规模月均触达 30万+ 人次经营产品组合 / BEYOND THE AI MATRIX
AI 承担规模化处理，SCRM、生命周期 SOP 和小程序承担客户识别、员工执行与结果回流。
三条经营承接线共享客户、员工、标签、任务和触达记录，使智能能力能够进入真实经营流程，并在执行后形成可复盘数据。
关键判断 / PRODUCT JUDGEMENT
产品负责人的核心工作，是把业务价值、人机边界、风险控制和持续运营写进同一套机制。
我的职责覆盖场景优先级、产品组合、需求与数据定义、跨团队推进和灰度上线，并持续跟踪采用率、服务质量与规模化结果。
优先进入高频、规则稳定且结果可核验的场景。
用咨询量、人工耗时、风险等级与数据可得性做优先级，先建立能持续复盘的业务闭环。
在产品定义阶段写清人工接管条件。
明确置信度、风险词、权限与超时阈值，让 AI 处理规模化问题，让人承接高价值与高风险判断。
以 SCRM 统一六类 AI 产品的客户与任务对象。
以客户、群、员工、标签、任务与触达记录为统一对象，形成可追踪的用户全生命周期运营底座。
个人职责 / MY SCOPE
从组合战略到一线运营，我贯穿五个交付阶段。
将抽象的“智能化”翻译为场景、规则、指标和协同机制，从产品定义、上线验证一直推进到运营复盘。
- 01识别
从一线高频损耗找场景
把咨询、营销、线索、质检与跨系统操作拆成具体任务，计算频次、标准化程度与价值。
- 02定义
把能力边界写进产品
定义用户、输入、输出、置信度、接管条件、权限和成功指标，避免“能回答”被误当作“可交付”。
- 03共创
与业务一起建立可用口径
用真实问题集、知识样本与异常案例持续评审，让产品语言与一线经营语言保持一致。
- 04上线
小范围验证再规模化复制
先灰度、看命中与转人工，再迭代 Prompt、知识与规则；稳定后扩展到更多组织和场景。
- 05运营
让每次使用都沉淀为下一轮输入
持续监控咨询结构、异常原因、内容采用与任务完成，形成产品、运营与组织协同的复盘节奏。
量化结果 / SCALE & OUTCOME
用服务规模、效率、客户体验和经营承接四组指标，判断产品是否真正创造价值。
调用量只说明系统被使用；只有同时观察人工压力、服务体验、任务执行和客户运营结果，才能判断产品是否具备持续扩展的基础。
| 服务规模 | 800万+ | 年度 AI 客服咨询处理量 |
|---|---|---|
| 服务效率 | 75% | 高频咨询由 AI 完成分流 |
| 组织减负 | 40% | 一线人工服务压力下降 |
| 客户体验 | 92% | 服务满意度口径 |
| 私域底座 | 600万+ | 企业微信客户规模 |
| 任务规模 | 35万 / 日 | 生命周期运营任务 |
| 年度触达 | 1.3亿次 | 自动化运营触达 |
| 业务覆盖 | 70万+ | 一线业务群连接规模 |
证据与边界 / EVIDENCE NOTE
成果按业务口径呈现，敏感信息与验证边界单独标注。
本页数据来自本人任职期项目复盘与简历口径，用于说明本人参与项目的规模与结果； 不表述为独立第三方审计结论。
因涉及企业客户、业务会话、系统权限与内部经营数据，本公开作品集不展示未脱敏后台截图、 客户信息、内部报价或私有代码。面试沟通可在合规范围内进一步解释产品机制与个人贡献。