Task 改进建议¶
收集到的关于 Task 系统的改进建议,待后续迭代讨论和实现。
1. Autoclose 结果修正¶
问题: Task 被系统 Autoclose 后,如果结果判定有误(比如 AI 误判了通话意图),是否支持修改 closeResult?
需要讨论的点:
- 修改 closeResult 会影响后端数据和逻辑——营收归因数字需要联动重算
- 是否允许"重新打开"已关闭的 Task?还是只允许修改结果字段?
- 修改后的数据一致性:timeline 记录、Contacts 状态、Dashboard 指标是否需要回溯更新?
2. 同一会员多任务重复计算营收¶
问题: 一个会员同时触发多个 Task(如投诉 + 信用卡过期 + 取消意向),每个 Task 关闭成功后都计一次 MRR,导致同一个人的营收被重复计算。
具体例子:
- 第 1 周:员工联系会员处理支付失败,Task 关闭 → Payment Recovery MRR +$169
- 第 2 周:会员又说要取消,再开一个 Task 关闭 → Cancel Save MRR +$169
- 同一个月,同一个人,$169 被记了两次
实际影响: 一个会员同时有 3 个 Task 全部关闭成功,平台记 3 × $169 = $507 的"影响营收",但实际只付一份月费。
可能的方向: 按会员去重,同一会员同一时间段内只计一次 MRR。
3. 归因系数线性化¶
现状: 归因是二元的——留满 90 天算 100%,没留满算 0%。
问题: "第 89 天走了完全不算"不合理。
建议方案: 以 3 个月(约 90 天)为满额基准,按实际留存天数线性计算归因系数:
| 实际留存 | 归因系数 |
|---|---|
| 90 天及以上 | 100% |
| 45 天 | 50% |
| 30 天 | 33% |
| 0 天(立即流失) | 0% |
公式: 归因系数 = min(实际留存天数 / 90, 1.0)
好处:
- 避免"第 89 天走了完全不算"的不合理情况
- 更真实地反映员工干预的实际价值——短暂安抚了 1 个月的会员和真正留住了 3 个月的会员,应该对应不同的归因数字
- 可以保留 90 天作为基础版本,后续根据数据调整基准天数
4. 营收归因接入真实收益数据¶
现状: 营收归因使用 Rules 页面配置的固定 MRR 单价(如 $169/月),所有会员统一计算。
问题: 实际场景中会员的付费金额差异很大——有人买月卡 $169,有人买年卡折算后 $99/月,有人买私教课 $300/月。固定单价无法反映真实的营收影响。
可能的方向:
- 通过 AI 识别通话/短信中提到的具体金额、套餐类型
- 对接 POS / 收银系统获取会员实际付费数据
- 两者结合:优先用 POS 真实数据,无数据时用 AI 从对话中提取