考察点
这是美团 AI 产品岗实习面里的经典场景题。外卖商家运营助手这个题目看起来大,面试官实际在看三件事:你对商家日常经营动作有没有具象认知(不是泛泛的「帮商家降本增效」,而是知道他每天几点备餐、什么时候看报表、被差评气到什么程度);你能不能砍出 MVP(实习生最容易犯的错是功能堆砌);你对「AI 建议、人做决策」这个 B 端产品铁律有没有体感。追问一般往「商家凭什么信 AI 的建议」「和现有商家后台什么关系」「怎么衡量助手的效果」走。
参考答案
先搞清楚商家的一天
设计之前我会先把外卖商家的经营动作摆出来:早上看昨天的经营数据,中午晚高峰盯出餐和骑手取餐,下午处理评价和退款,闲的时候琢磨要不要上活动、调价、换菜单。这些动作里,真正高频且耗脑的是三类:看懂数据(后台报表十几个,大部分商家只看得懂单量)、处理评价(差评要回,不回影响评分)、做促销决策(满减力度、折扣菜,纯靠拍脑袋)。AI 运营助手的第一性价值是「把专业运营的判断力,以接近零的成本给到没有运营的小商家」——连锁品牌有自己的运营团队,不是核心用户。
MVP 只做三个功能
一是「晨间简报+异常归因」。每天早上推送一段人话总结:昨天单量环比、评分变化、有没有异常;掉了就直接给候选原因和证据,比如「下午两点到四点单量掉 40%,同商圈三家竞品当天开了满 30 减 10」。商家不需要会看报表,看得懂这段话就行。二是「评价智能回复」。差评自动识别类型(配送慢、口味、分量、包装),给出安抚话术草稿,商家一键编辑发送;好评也给回复建议,提升店铺活跃度。这个功能技术成熟、错误代价低,适合先建立信任。三是「活动参谋」。商家想上活动时,告诉他同商圈同类目的主流玩法和力度,模拟不同满减方案对毛利的影响,让他自己拍板。注意是参谋不是代办——让 AI 直接改价格,商家是不敢用的,也不该让它用。
技术上怎么搭
底层是「数据接口+RAG+LLM」的组合,没什么玄学。商家经营数据走内部接口结构化取数,不归模型管;归因部分用规则先兜一层(单量波动超过阈值才触发分析),LLM 负责把数据、竞品动态、天气等上下文组织成可读的归因和建议;评价回复是标准的 RAG 场景,把店铺菜品信息、历史优秀回复、平台沟通规范喂给模型,约束生成。要单独说的是语气问题:给商家的话术要口语、短、给结论,长篇分析报告式的输出是产品经理自嗨,商家没耐心看。
怎么衡量做成了
北极星指标我会定为「周活跃使用商家中,采纳过至少一条建议的比例」,而不是打开率——打开不等于有用。过程指标看:归因准确率(商家反馈「说的对」的比例,目标 70% 以上)、评价回复采纳率、活动参谋使用后两周内的单量变化。还要盯一个反向指标:建议被采纳后效果为负的比例,超过两成就说明归因质量有问题,宁可收缩功能。冷启动先在单平台外卖的中小商家里灰度,这类商家痛点最痛、容忍度也最高,跑两三个月数据再谈放量。
可能的追问
- 商家凭什么信 AI 的归因? 答:给证据不给断言。「单量掉了」后面必须挂数据截图和对比对象,让商家自己能验证;错几次没关系,只要证据是真的,信任是攒出来的。反过来,没证据的「建议加大推广」说一次就透支信任。
- 和现有商家后台的数据报表冲突吗? 答:不冲突,是入口关系。助手是报表的「导读层」,服务看不懂报表的长尾商家;专业运营照样用报表。产品形态上做成后台里的对话框或推送,而不是另起一个 App。
- 为什么不直接让 AI 自动调价、自动上活动? 答:价格和活动直接动商家的钱,错误代价不可控,商家也不会授权。正路是「建议-确认-执行」三步,AI 出方案和模拟结果,人点头才执行;等某个动作的采纳率长期超过 80%,才谈半自动化。
- 这类助手怎么商业化? 答:前期不收费,它是商家生态的基础设施——商家经营好了平台抽佣盘子才大。长期可以对「深度归因、竞品监控」这类高阶功能做订阅,但基础能力必须免费,否则渗透率起不来。