Clienteling 与 AI 上下文 — 时机作为核心维度
来源：Every Newsletter，2026-02-20
引子：Goyard 的 Clienteling 艺术
纽约第 63 街 Goyard 旗舰店的购物体验：
店内体验
- 销售代表用手持设备记录顾客的联系信息
- 鼓励顾客试拿手袋
- 即便顾客当天空手而归，Goyard 也不会忘记他们
后续跟进
- 销售代表会在之后发来一条短信
- 附上顾客试拿手袋的照片
- 发送时间精确选在周五晚上 8 点
- 因为顾客曾提到那时自己正在外面喝鸡尾酒
效果
在微醺的愉悦氛围中，那只原本昂贵的手袋突然显得既负担得起，又不可或缺。
Clienteling 的定义
通过收集、整理和恰当运用关于客户的上下文信息，在正确的时间以正确的方式触达正确的人。
限制：
- 在六位数奢侈品领域极为有效
- 但在软件或太阳镜这样的大众商品中，这种方法无法规模化
- 直到 AI 智能体出现
"It Depends"：上下文的本质
现代商业的核心问题
大多数核心问题都是"It depends"（视情况而定）类型的问题：
- 这个人应该看到哪条信息？
- 应该突出哪个功能？
- 该打电话还是发短信？
单纯的知识无法回答
你还需要知道：
- 你面对的是谁
- 决策发生的具体情境
创业者的本质工作
从"It depends"走向"Do this next"：
- 发布产品
- 讲述互动故事
- 优化用户引导流程
AI 智能体时代的上下文挑战
能力与前提
AI 智能体现在拥有了足够的"原始肌肉"（LLM 能力），可以让每一次客户体验都像 Goyard 一样私人定制。
但前提是提供"外科手术式精准的上下文"。
问题所在
大多数公司给智能体喂入的是海量数据，而不是精心筛选的关键信息。
核心转变
从"了解客户的一切"过渡到"知道那一件能够打动他们的事"。
与"上下文腐烂"的呼应
两篇文章都在探讨"上下文过多"的危害：
- Mike Taylor（上下文腐烂）：从个人使用的控制权出发
- Andy Rossmeissl（Clienteling）：从企业级 AI 应用的商业效果出发
可应用要点
立即行动
第一步：审视你目前给 AI 智能体提供的上下文
- 列出所有传入的数据字段
- 问自己：在这些信息中，哪一条最能影响用户在接下来 24 小时内的行为？
- 将这一条信息置于上下文的最突出位置
第二步：模仿 Goyard 的 Clienteling 逻辑
- 为你的 AI 触达时机建立规则
- 不仅要知道"向谁发送什么"
- 更要知道"在什么状态下发送"
寻找能够指示"当下情绪或情境"的信号：
- 最近的购买行为
- 时间段
- 设备类型
- 将其作为触发条件
第三步：对你的 AI 应用进行"上下文减法"实验
- 将传入上下文削减 50%
- 只保留你认为最关键的信息
- 对比转化率或任务完成质量
- 如果结果没有变差甚至变好，说明你之前喂入的大量数据实际上是噪声
核心洞察
Clienteling 的本质是将时机（timing）作为上下文的核心维度，不仅仅是用户画像或历史行为。
对 AI 产品设计的直接应用：
- 在设计 AI 推荐或通知系统时
- 与其优化"推荐什么"
- 不如同时优化"什么时候推荐"
具体方法： 为每个用户建立一个简单的"情境状态机"，记录用户当前处于哪种决策情境：
- 浏览
- 对比
- 犹豫
- 已购买冷静期
根据状态而非仅根据画像来决定 AI 的行动。
关联
- product-trends/overview — 产品趋势
- harness-engineering/context-rot — 上下文腐烂
- harness-engineering/overview — Harness Engineering