AI 赋能电商小游戏

背景

电商平台养成类小游戏的核心指标是用户留存和任务完成率。原有系统对所有用户发相同内容和难度，无法针对不同用户的消费偏好、活跃状态和任务完成情况做个性化调整。

目标

设计一套 AI 个性化推荐方案，在提升用户参与感的同时控制系统成本，避免为了精细化推荐引入过高延迟和资源消耗。

方案

• ·融合静态画像（购买类目、消费层级）与动态画像（活跃时段、任务完成率、连续天数），让推荐同时理解“这个人是谁”和“最近在做什么”。
• ·将用户理解、内容生成、难度调整、激励机制拆为 4 个职责单一的 LLM 节点，便于独立评估和替换。
• ·渐进式难度调整使用确定性规则实现，降低 LLM 成本并保证稳定性。

成果

• ·形成静态 + 动态融合画像模型，可复用到其他游戏场景。
• ·个性化推荐方案兼顾参与感和资源成本。
• ·通过节点拆分，让 AI 输出链路具备可评估、可迭代的产品结构。