FDE Demo Day · 电商赛道 · 12 min
小澜 —— 一个可以被鞭打的老板数字分身
澄野商业 × 澜序 LANSU
01 · 我们看到问题
开会时有人说"我刷抖音感觉年轻人喜欢这样"，另一个人说"我觉得不是"。讨论到此结束——没有证据，谁声音大谁赢。
M1 说退款 47%，M2 说年轻人曝光只占 15.5%，M3 说尺码问题最多——但三件事分散在不同部门的表格里，口径还不统一。没人把它们放在一起看。
今天做的判断——"年轻人应该喜欢这个款式"——对了还是错了？三个月后没人回头验证。下一次开会还是靠感觉。
CEO 直接给了我们三种死法：不能只画画像 / 不能做聊天机器人 / 不能增加录入负担
02 · 三个事实
24 场直播，18-30 岁仅占曝光 15.5%，18-24 岁 TGI 0.27（最低 0.17）。TGI 是人群偏好指数，1.0 是平均水平——0.27 就是严重偏低。整条流量链路朝成熟人群倾斜。
6 月退款金额率 47%，直播占退款 68%。客服原声："视频双肩带、链接单肩带""有点凸点""穿身上闷"——期待错位写在原话里。M3 是人工样本不是全量，所以标 I。
五位内部专家几乎全部关注 AI 可靠性——他们也互相冲突。这条直接决定了我们的架构：校验层不是可选项，是必选项。专家观点进假设库，不进规则层。
F=事实 · I=推断 · H=假设 —— 每个数字都标了证据等级，这是和"刷抖音感觉"的区别
03 · Live Demo
每一步都能点回原表哪一行。
04 · 洞察 ① · 邵俊钦
M2 24 场全量人群画像 + M1 千川投放，两个独立来源交叉验证。
18-30 岁曝光仅占 15.5% · 18-24 TGI 0.27（最低 0.17）
TGI = 人群偏好指数，1.0 是平均水平，0.27 = 严重偏低
千川投放 31-40 岁占计划数 62% · 整条链路朝成熟人群倾斜
① M2 三组人群不嵌套，不能相除算转化率——"看到了没转化"这件事暂时说不了
② 仅 6 月单月快照，长期规律待验证
到底是投放定向没打到年轻人，还是内容本身人家压根不感兴趣？
数据能告诉你"够不着"，怎么够着——调投放还是改内容——得你自己拿主意。
05 · 洞察 ② · 邵俊钦
M1-05 + M3 人工月报 + M4 工单，三个来源方向一致。客服侧文本是人工抽样，样本量有限。
退款金额率 47% · 直播占退款 68%
商品+尺码占工单 66.8% · 仓库工单仅 11% 环比无变化
客服原声："和图片不一样""杯型不合适""穿身上闷"
0.82% 工单关联率 ≠ 退款责任率
M4 商品行粒度 ≠ 订单数——统计强制走 COUNT DISTINCT 主订单号
缺关键数据：退款订单 × 原因 × SKU 交叉关联
功能性缺陷 → 改产品。尺码认知偏差 → 改详情页。
数据能帮你定位到"尺码问题是大头"，具体动哪个、怎么动——得你来判断。
06 · 洞察 ③ · 邵俊钦
最开始让 LLM 直接读数据，它自己偷偷做了跨组相除。
发现之后没有调 prompt——改了架构。
外包调 prompt，FDE 改架构。
07 · 架构 · 梁曦霖
① 数字由代码算，LLM 不碰计算器
② LLM 只见摘要和聚合，不见原始行
③ 无证据不输出——ID 不存在就丢弃
API 挂 → 模板卡片
表缺失 → 不生成 + 列缺什么
全被丢 → 原始异常列表
超范围 → "当前数据无法回答"
链路崩 → "系统出错，再试一次"
AI 进核心分析链路——选题和归因
不是客服，不是文案
数据流围绕 AI 能力边界重切
边缘型短期没事，长期附庸
08 · 人机分工 · 高佳慧
| 数据清洗 / 口径对齐 | 代码 |
| 指标计算（28 个指标） | 代码 |
| 异常检测 / 证据校验 | 代码 |
| 置信度定级（AI 只能下调） | 代码打底 |
| 选题 / 归因 / 措辞 | AI |
| 最终经营决策 | 业务人员 |
做 AI 数据产品，最怕的不是没输出——是瞎输出。
LLM 永不碰原始数据行
AI 的每个数字都来自代码计算
校验不通过 → 直接丢弃 + 透明计数
编号造 → 五种降级全部可跑
原则四个字：宁可少说，不可错说
09 · 采用 + 加分项 · 高佳慧
从资源管理器拖文件到老板身上。零录入。
深度一两分钟 / 快速几十秒。工作历史落盘，关掉重启还在。
深度~28 次工具调用 vs 快速腰斩。真的改 thinking 参数。
决策准备时间：30 分钟手动翻表 → 拖文件等一两分钟。缩短 90%。
M3 客户原声中"透气""无痕""大胸显小"高频出现，在成熟品牌数据中不突出。
M5 内容策略专家与产品专家判断存在冲突——内容侧强调穿搭表达，产品侧强调功能支撑。
冲突观点并列呈现，不替专家选边站。
新品牌 LANSU 无任何内部数据——仅作假设，不得作为决策依据。
10 · 风险与缺口 · 高佳慧
决定这个工具能不能活过两个月。打通自动化更新，不再靠人工每月导 Excel。
年轻人群结论不再靠跨品牌外推，从"待验证假设"升级为可核验洞察。
从人工样本升级为全量分析，尺码问题的真实权重可以量化。
M5 专家互相冲突的判断，用真实用户声音来验证。Agent 输出格式嵌入真实工作流。
最大风险：数据断供
M6 数据目前靠人工每月导 Excel。两个月后没人维护，系统成空壳。采用做得再好，断供就什么都没了。
11 · 结尾
✓ 可运行的桌宠 Agent
✓ 28 个指标的证据库
✓ 四条校验硬拦截
✓ 五种降级全部可跑
✓ 1 条待验证年轻人群假设
不是在电脑上优化 prompt——
是把小澜放到真实的周一早会现场，
让业务人员用真实问题撞它，
把反馈信号回流进系统。
这才是 FDE 和外包的真正区别。
谢谢。欢迎提问。