官网友情链接： wechatapi.net

微信机器人接入AI以后，一个很自然的应用就是自动识别客户标签。

客户聊到价格。

系统判断：

价格敏感。

客户频繁咨询某个产品。

系统判断：

关注产品A。

这种能力非常有价值，但如果AI每次判断以后直接永久写客户标签，很快会产生大量误标签。

客户可能只是替朋友问。

可能说：

“我不是问价格。”

也可能一次临时咨询并不代表长期兴趣。

所以个人微信二次开发中的AI标签更适合先进入“标签候选”。

WechatApi 可以作为个人微信API接入层，把客户真实对话、群聊和消息上下文带入业务系统。本地AI层生成候选，再根据置信度、规则和人工确认决定是否正式生效。

一、候选和正式标签分开

candidate_tag。

正式：

customer_tag。

AI先生成候选。

高置信可自动批准。

低置信人工确认。

二、一个具体例子

客户：

“产品A我帮朋友问一下。”

简单关键词会判断：

关注产品A。

AI进一步理解：

不是本人需求。

候选置信0.45。

不自动生效。

避免污染画像。

三、候选字段

tag_id；
source_message；
confidence；
reason；
model_version；
expires_at；
status。

这样非常可解释。

四、置信阈值

0.9 自动。

0.6-0.9人工确认。

<0.6忽略。

具体按标签风险配置。

五、不同标签不同阈值

“咨询过产品A”是行为事实。

可以较低门槛。

“高意向客户”是业务判断。

需要更高门槛和人工。

六、WechatApi 的位置

WechatApi 负责：

客户真实消息。

AI业务系统负责：

识别；
候选；
确认。

七、候选有时效

客户一次临时兴趣。

候选7天没人确认。

自动过期。

不要永久堆积。

八、重复候选聚合

客户一周内5次提到产品A。

不要生成5条相同候选。

可以提升置信度。

九、人工否决很重要

销售确认：

不是兴趣。

记录：

rejected。

短时间内同样证据不要重复生成。

十、AI模型升级后候选可比较

旧模型；
新模型。

候选命中率和人工确认率变化。

帮助评估模型。

十一、群聊场景更谨慎

客户在群里讨论产品，不一定代表个人意向。

群聊候选置信可降低。

十二、CRM联动

正式确认的标签再同步CRM。

候选不直接进入正式客户系统。

十三、标签来源

正式生效后：

source = ai_candidate；
candidate_id。

历史可追溯。

十四、人工修改

人工确认后可以调整标签。

例如从“产品A兴趣”改成“产品A资料咨询”。

保留原候选。

十五、数据看板

候选数；
自动确认；
人工确认；
拒绝；
各标签准确率。

十六、权限

销售确认自己客户。

主管确认高价值标签。

AI管理员维护模型规则。

十七、日志

原消息；
模型；
候选；
人工决策；
最终标签。

完整闭环。

十八、总结

个人微信二次开发用AI自动给客户打标签时，最重要的不是标签生成速度，而是避免一次模型判断永久污染客户画像。

WechatApi 可以把真实微信对话送进业务系统。

标签候选层则在AI判断和正式客户标签之间增加缓冲。

低风险、高置信自动化。

复杂、高价值标签人工确认。

这样AI既能提升客户画像效率，又不会因为偶尔理解错误让CRM和后续自动化建立在错误标签上。