离散制造企业的产品询盘，常常不是没人问，而是接不住。产品型号多、参数细、选型要结合工况，客户从官网、展会、海外渠道抛来的问题，落到销售和工程师手里，往往要绕上好几圈才能给出一句靠谱的答复。数商云为某离散制造行业头部集团搭建的数字人智能体，正是从这个切口进入的：让数字人站到询盘的前端触点，对接企业已有的业务系统，把“能回答”变成“能办事”。
一、询盘接不住，问题真不在人少
（一）离散制造的询盘，天生是“技术型”的
客户问的往往不是“多少钱”，而是“这款型号能不能用在我的产线上”“交期能不能赶上我的检修窗口”“有没有类似工况的案例”“和另一款比，差在哪里”。要接住这些问题，背后得同时调出产品主数据、选型规则、应用案例、库存与排产信息。销售一个人扛不下来，工程师又不可能随时在线。
结果就是，询盘在“我先问一下技术”的等待里，热度一点点降下去。
（二）时差、节奏与语言，处处对不上
海外询盘经常在本地深夜进来，等第二天上班再回复，客户的注意力早已转到别处；展会现场人挤人，能坐下来深聊的只是少数；官网表单填完，客户并不知道谁会联系自己、什么时候联系。等待本身就是一种流失。
更现实的是，销售会本能地优先跟进“看起来靠谱”的线索，那些信息不全、意向不明的询盘，就沉在表单和邮箱里，慢慢没人再提。
（三）系统各管一段，人成了“人肉接口”
官网表单进CRM，报价在另一个系统，产品资料在工程师的电脑里，交期要去问计划部门，合同和发票又在别的平台上。一条询盘进来，人要当接口，把信息在不同系统之间搬来搬去，既慢，也容易丢。
数字人如果只能聊天、不能调系统，那它接住的只是“对话”，不是“询盘”。这也是这个项目一开始就定下的底线。
二、为什么选数字人智能体，而不是更聪明的客服机器人
（一）对外，先要有“人”的信任感
离散制造的采购决策链条长，客户在正式接触销售之前，往往要自己先做一轮功课。数字人形象加语音交互，配合自然语言理解，能让客户在官网、展会大屏、海外社媒上获得接近真人的沟通体验。这不是为了炫技，而是降低提问门槛——很多人不愿意打第一个电话，但愿意先跟屏幕里的“人”聊一聊。
（二）对内，要有“知识”的确定性
大模型能听懂人话，但它会顺着话头编。数商云的处理方式，是把产品资料、选型手册、常见问题、应用案例、售后政策整理成企业专属知识库，用检索增强生成的方式让数字人“先查再答”。答案有出处、可追溯，资料更新了，回答也跟着更新。
宁可明确说“这个需要工程师确认”，也不要给一个听起来很笃定的错误答案。在工业品场景里，说错一句，丢掉的可能是长期客户。
（三）真正的差别，在于数字人“能干活”
智能体把意图识别、知识检索、工具调用和流程编排串成一条链路。客户说“我需要一批用在某种工况下的不锈钢件”，数字人先识别意图，再查产品库、匹配选型规则、调用接口取库存与交期、给出推荐组合，然后收集联系方式、写入CRM、按规则分配给对应销售。
从“回答问题”到“完成动作”，这是客服机器人和智能体的分界线。
三、搭建过程：数商云是怎么一步步落地的
（一）把场景收窄，把闭环走通
项目没有一上来就喊“做企业全能数字人”。数商云的项目团队和客户一起，把询盘来源、问题类型、处理动作全部摊开梳理，最后选定“官网与海外渠道的产品询盘承接”作为首个闭环场景。
判断标准很朴素：高频、规则相对清晰、能形成完整动作链。至于复杂选型、非标定制这类问题，先设计成“信息收集加转专家”，不强求数字人一次解决。
（二）知识库治理与对话设计
- 把散落各处的产品资料结构化：型号、核心参数、适用工况、材质、认证、交期规则、常见问题，逐条确认口径。
- 给数字人设计回答风格：先给结论，再给依据；不堆术语；不确定的地方主动说明，并把该问的信息问全。
- 区分“能承诺”和“不能承诺”：库存、交期这类以接口实时数据为准，价格、账期、合同条款一律不承诺，直接转人。
这一步看起来不酷，但它决定了数字人是“专家助手”，还是“会说人话的说明书”。
（三）对接现有业务系统
这是最费功夫、也最决定价值的一步。数商云通过接口方式，把数字人智能体与客户已有的CRM、产品主数据、库存与交期查询、工单等系统打通：
- 对话中收集到的需求信息，按字段回写进CRM线索，销售打开系统就能看到完整上下文；
- 客户问交期、问库存，数字人调用接口取实时数据，而不是背一段可能过期的答案；
- 需要人工介入时，对话摘要和客户信息一起流转过去，客户不用从头再讲一遍。
原有系统不需要推倒重来，数字人是在上面长出来的一层交互入口。这一点对离散制造企业尤其重要——业务系统是长期积累的家底，动它代价太大。
（四）灰度上线与人机协同
上线没有搞“一刀切”。先放开一部分流量，人工坐席在旁边盯着，答案不对就当场纠正，纠正的内容回流进知识库。同时设定转人工规则：客户明确要求、问题超出权限、涉及价格与合同、情绪明显不满，直接转给对应的人。
人机协同的关键是“接得上”。转过去的不只是一通电话，而是完整的对话记录和需求摘要，接手的人能接着聊，而不是重新问一遍。
（五）定期复盘，持续调优
把会话翻出来看：哪些问题答不上来、哪些回答让客户中途走了、哪些环节客户反复追问。把这些“卡点”反过来喂给知识库和流程设计，数字人的表现才会越来越稳。
四、实施成效：询盘承接方式的变化
（一）响应侧：从“等回复”到“随时都在”
客户提问不再看销售在不在线。数字人全天候在岗，支持多语言切换，海外客户在自己的时区提问，也能立刻得到回应。询盘不再因为等待而自然流失，这是最直观的变化。
（二）转化侧：从“留个电话”到“带着需求进系统”
以前表单里可能只有一个电话号码，现在对话过程中已经收集了应用工况、采购数量区间、交期要求、是否需要定制、所在区域等关键信息。销售拿到的不是一条线索，而是一份带上下文的需求说明。
跟进的开场白也变了。从“您好，请问您是做什么的”，变成“我看到您关注的是某类工况下的产品，我们有一个类似案例想跟您聊聊”。沟通效率的提升，来自信息前置。
（三）效率侧：把人从重复劳动里换出来
工程师不必再反复回答初级选型问题，可以把精力放在复杂方案和非标设计上；销售不用满世界查资料、问交期，能把时间花在推进和判断上。数字人同时承接多个渠道、多个会话，不受人力和情绪波动影响，这是人力配置上实打实的松绑。
（四）运营侧：询盘数据开始“说话”
所有对话都会沉淀下来。哪些问题被问得最多、客户在哪个环节犹豫、哪些产品被频繁提及、哪些地区的询盘更集中，这些信息反过来指导产品资料完善、内容营销选题和销售区域策略。询盘数据从“躺在系统里”变成“能驱动决策”。
五、经验启示：落地数字人智能体要抓住什么
（一）场景要窄，闭环要完整
先跑通一个能从头走到尾的场景，比铺开一堆半成品功能有用得多。产品询盘承接就是很好的切口：入口明确、动作清晰、结果可感知。与其让数字人“什么都能聊一点”，不如让它在某件事上真正靠得住。
（二）知识治理比模型选型更值得投入
模型会不断迭代，企业自己的产品知识、选型规则和业务口径，才是长期资产。知识库的结构化程度和更新机制，几乎决定了数字人的专业上限。这件事没有捷径，得靠业务部门一起坐下来对。
（三）对接深度，决定价值上限
只连知识库，数字人是个高级客服；连上CRM、库存、交期、工单，它才成为业务入口。系统对接不是技术细节，而是产品定义。做到什么程度，取决于企业愿意把多少动作交给它。
（四）人机协同是长期状态，不是过渡方案
数字人负责前端触点、信息收集、标准问题解答，人负责复杂判断、关系推进和商务谈判。这个分工在可见的将来依然成立，而不是等数字人“长大”了就把人撤掉。承认边界，反而能让它更快落地。
（五）别追求一步到位
数字人智能体的能力是长出来的，不是一次配置出来的。上线后一定会遇到答不上来的问题、设计时没想到的提问方式，这都正常。关键是建立“发现问题、修正知识、验证效果”的循环。
六、写在最后
离散制造的生意，靠的是对工况的理解、对交期的承诺、对方案的负责。数字人智能体替代不了这些，但它可以让这些能力更早地触达客户——在客户还没决定联系谁的时候，先把问题接住、把需求问清、把人找对。
数商云在这个项目里做的事，说到底是把企业已经有的知识、数据和流程，用一种客户愿意对话的方式重新组织了一遍。询盘接得住了，后面的生意才有机会。
评论