此前，Babycare客服运营团队持续探索用户服务优化路径：面对海量咨询与全品类商品数据，对解决热点咨询实时响应、询单流失归因分析、服务优化数据支撑等核心问题提出更高要求。

如何精准捕捉育儿场景中的用户深层需求？如何读懂育儿的每一份期待？Babycare选择了“聘用”几位京小智大模型商家服务智能体的数字员工来帮助他们：

如果说小智导购 Agent 是 “陪用户挑对产品的专业顾问”，小智客服 Agent 是 “帮用户解决问题的耐心伙伴”，那小智分析 Agent 更像 Babycare 的 “成长秘籍”—— 它把千万次咨询里的用户声音、咨询细节，转化为品牌能看懂、能用好的服务提升指南。

新手爸妈的咨询藏着太多细节，既涉及购物规则，也关乎活动政策，还夹杂着产品使用的疑问。过去，这些信息散落在成千上万的对话里，很难从海量咨询中定位到 “大家普遍在关心什么”。

京小智分析 Agent 的 “咨询概览” 能力，通过语义解析自动实时洞察指定时段的咨询热点、用户情绪占比。对 Babycare 来说，这成了 “预警神器”—— 一次活动期间，分析 Agent提示售后咨询异常，运营团队立刻查看相关对话日志，发现是由于大量的京豆、卡券相关咨询导致，原因是“优惠领取规则不清晰”引发了大量活动咨询，及时跟进优化后，客诉风险被稳稳按住，咨询很快回归正常。

“用户问了半天没下单，到底为什么？” 这是母婴商家最常犯愁的问题。小智分析 Agent 的 “流失分析” 能力可追踪咨询后用户的转化、流失、观望状态，从商品维度拆解流失去向与具体原因，精准定位服务 “断点”。

通过“流失分析”，Babycare 曾经发现某段时间自营店铺喂养品类流失率断层第一，而其中 3 款恐龙保温杯的流失用户，大多转向旗下POP店铺买配件。原来，店内没卖这款保温杯的吸嘴配件，而宝宝使用中配件更换频繁，反馈需求后，补上配件的恐龙保温杯，留住了更多原本要 “跑掉” 的用户。

在日常工作中，整合大模型分析建议也逐渐成为训练师工作的重要一环，Babycare训练师团队分享了一则工作案例：

“有一次，在调阅分析Agent提示的“优化指南'时，发现某款商品在【商品使用/适合年龄】场景询单流失占比升高近70%，团队也纳了闷，迅速定位到相关日志深挖原因，才发现实际是买家对于原有商品回复存在疑虑，结合'添加明确年龄区间/使用说明'的建议，通过及时的调整商品，流失下降了9.6%。

满意度分析：让 “用户的感觉” 被 “看见”

“用户满意吗？” 这在过去这是个模糊的问题，过往的服务打分机制看似给了答案，却太过笼统。

现在分析 Agent 的 “满意度分析” 让服务质量变得可量化，小智分析Agent的“满意度分析”能力，能够从服务场景类型维度、商品维度、客服人员维度等不同视角进行拆分，为Babycare店铺数据比、复盘提供了有利支撑，结合五种满意度状态的分布情况及评价占比分析表盘，把用户的每一句反馈（VOC）转化为清晰指标。