AI问数“听不懂人话”？7个场景告诉你知识库有多重要
经验
2026-8-7 10:54
214人浏览
0人回复
摘要
很多企业上了AI问数，结果业务人员还是抱怨：“我问内销占比，它给我回了全部订单”“我说小黑杯，它说找不到这个产品”“我问会员复购率，它说没有这个指标”这不是AI不够强，而是缺了一本企业专属的“数据词典”— ...
|
很多企业上了AI问数，结果业务人员还是抱怨：这不是AI不够强，而是缺了一本企业专属的“数据词典”——知识库。永洪vividime知识库支持四种词条类型：概念定义、条件约束、同义词、提问模板。下面用永洪内置的咖啡数据集，按四种类型逐一说明最适配的业务场景。问题：公司内部将“销售额占比超过15%的产品类型”定义为“战略品类”，以此作为资源倾斜的依据。但数据集中只有各产品类型的销售额明细，没有“战略品类”这个标签。大模型不知道企业自己的战略品类划分标准——是按固定排名（如TOP3），还是按占比阈值（如超过15%）。描述：战略品类指销售额占总销售比例超过25%的产品类型效果：用户问“战略品类的销售贡献度”，AI自动计算各产品类型占比，筛选出超过25%的品类汇总。问题：“最近”是7天还是30天？“最好”是按销量还是销售额？AI没有默认规则时可能随机选择。词条类型：概念定义（默认规则）——配置默认的数据统计习惯描述：在销售分析场景下，“最近”默认指“近30天”的交易数据。效果：用户说“最近”，AI统一按30天解析，结果可预期、可复现。问题：公司内部对“一线城市”有自己的定义，可能包括北京、上海、广州、深圳、杭州、成都。但数据集中只有城市名称字段，没有城市分级标签。大模型虽然知道哪些城市常被称作“一线”，但不知道企业自己的划分标准——比如是否把杭州、成都也计入一线。解释：一线城市指北京、上海、广州、深圳、杭州、成都效果：用户问“一线城市的销售额占比”，AI自动按北京、上海、广州、深圳、杭州、成都汇总计算。问题：公司内部将“哥伦比亚咖啡”“摩卡咖啡”“拿铁咖啡”定义为“核心产品”，但数据集中没有这个标签。大模型不知道企业自己的产品分级规则。解释：公司定义的核心产品包括哥伦比亚咖啡、摩卡咖啡、拿铁咖啡筛选条件：产品名称包含其中一个 [哥伦比亚咖啡,摩卡咖啡,拿铁咖啡]效果：用户问“核心产品的销售占比”，AI自动筛选出这三款产品计算占比。问题：咖啡数据集中有“市场分布”字段，包含“一级市场”“二级市场”“三级市场”等值。但用户习惯把“一级市场”叫作“重点市场”“核心市场”，如果直接问“重点市场”，AI不知道这个业务俗称对应的是哪个字段值。词条类型：条件约束——将用户说的业务俗称，映射到数据集中的具体字段值效果：用户问“重点市场的咖啡销售额是多少”，AI自动筛选市场分布=一级市场的记录，返回对应销售额。问题：“小黑杯”是公司内部对某款咖啡产品的俗称，但数据集中产品名称（Product）存的是标准名称，比如“哥伦比亚咖啡”。大模型虽然知道“哥伦比亚咖啡”是什么，但不知道公司内部说的“小黑杯”就是指它。效果：用户问“小黑杯”，AI自动映射到“哥伦比亚咖啡”，返回正确销量。用户问：“2025年河北省的销售额是多少？”“河北2025年销售额”“2025年河北卖了多少？”问题：管理层经常问这个问题，但问法五花八门。每次AI都要重新理解，有时会误解。词条类型：提问模板——将“时间+地区+销售额”这一标准查询模式固化为模板模板内容：[时间]的[维度字段1][字段值1]的[度量字段1]，以万为单位，保留两位小数示例问题：2025年的省份河北的销售额，以万为单位，保留两位小数效果：用户提问时，只需替换“[时间]”和“[字段值1]”两个占位符即可。比如问“2024年的省份上海的销售额，以万为单位，保留1位小数”，AI自动按模板规则解析，返回上海地区2024年的销售额总和。 总结：7个场景 × 4种词条类型 四种词条类型一句话总结： 永洪vividime知识库支持词条的新建、编辑、删除，也支持下载模板和Excel批量导入。配置一次，长期受益。让AI真正听懂你的业务语言，而不是只会读字段名。五、落地小贴士：知识库搭建 & 维护实用技巧（干货增值）想要让知识库持续发挥价值，分享3个项目落地通用规则：- 内容轻量化：拒绝大段冗长文字，多用短句、结构化语句辅助说明，适配手机阅读；
- 定期迭代更新：业务规则、指标口径变更时，第一时间同步知识库，保证内容时效性；
- 由浅入深搭建：优先录入Top20高频指标、高频问题，快速落地见效，再逐步补充小众内容。
在AI问数落地的全生命周期里，知识库早已不是 “附加功能”，而是企业沉淀数字知识、保障数据准确、提升协作效率的基础设施。从统一口径、减少答疑，到知识传承、异常排查，覆盖项目运行全场景。用好知识库，才能让智能问数摆脱“能用但不好用” 的困境，真正实现全员高效自助取数。
-FIN- |
0