MainLand.AI
MOT 策略 (关键时刻)

掌控每个决策点

识别并优化消费者决定选择您品牌的关键时刻。

体验强度
高峰终点平均值 (大多被忽略)

即使日常服务很稳定，错过关键时刻也会破坏忠诚度。设计一个积极的高峰——以及一个强有力的结尾——可以产生持久的回忆、推荐和再次购买意愿。

第一人称消费者模拟

Mainland.AI 使用产品上下文、受众和会员行为来模拟客户——然后生成匹配人物、产品和时刻的个性化 MOT 策略。

升级营销决策引擎

传统 CDP
静态标签
AI MOT
360° 画像

一个将洞察力转化为大规模行动的决策引擎。

为什么 MOT 成为战略优势

峰终定律通过三个核心机制转化为业务影响。

认知不对称

核心机制

决策依赖于启发式思维；高峰和终点锚定感知。

数字化转变

数字触点将注意力压缩到秒级。

资源杠杆

核心机制

投资于关键时刻优于优化平均体验。

数字化转变

AI 识别时刻并动态重新分配投入。

竞争差异化

核心机制

当产品趋同化时，体验高峰成为护城河。

数字化转变

实时个性化大规模创造高峰体验。

风险信号

一次负面体验可能导致 1/3 的客户流失。

研究表明，负面体验在网上传播更快——并被社交媒体动态放大。

MOT 管理：增长 + 风险控制
流失风险33%
负面扩散2–3x

AI MOT 核心能力

从信号捕捉到个性化行动的端到端管道。

VIP 模拟
VIP 访谈
非结构化数据
MOT 策略
AIGC 产出
AI 审核
智能投放
架构概览

AI 如何交付 MOT 策略

1

数据层

网页行为追踪

页面浏览点击页面停留时间

捕捉每一个表明意图和摩擦的信号。

高信号交互事件 (MOT 识别)

表单

开始率、流失点、完成时间

下载

内容类型、先前路径、后续行动

支持

渠道、主题、响应时间、满意度

多源数据集成
来源信号价值
Web浏览量、点击量、事件流实时意图检测
CRM画像、交易、生命周期阶段已知用户的个性化
Support工单、CSAT、解决结果服务历史上下文
Third-party公司统计、行业、市场信号画像丰富化
2

分析层

高质量、全面且公正的信号是可靠 MOT 的前提。

信号标准化

清理并对齐事件、属性和时间序列，使意图信号具有可比性。

去重归因会话化
360° 客户画像

结合长期偏好与短期行动，构建动态的客户叙事。

特征偏好约束
因果推理

推理“为什么是现在”以及“接下来做什么”，以自信地生成推荐行动。

知识图谱规则多智能体

知识图谱与 RAG

将非结构化文档和产品信息转化为可查询的知识，然后跨实体进行推理，以提高意图理解和策略质量。

01
基于 RAG 的知识问答

摄取入职材料、产品手册和政策文档；回答问题并生成基于企业知识的合规文案。

02
产品价值提取

从内部目录中提取产品卖点，然后结合公共信号（评论、活动、常见问题解答）丰富内容，以识别真正驱动转化的因素。

03
多跳图推理

链接用户、产品、属性和需求，以推断潜在意图（例如，品牌间的共享利益）并改进“下一步”建议。

Entity Graph View
Users · Items · Attributes · Needs
UserIntent GraphItemEventNeedDocValueRule
RAG Retrieval
Doc-grounded answers
Graph Linking
Entity + relation modeling
Reasoning
Multi-hop inference
3

激活层

策略综合

将洞察转化为清晰的计划：说什么、展示什么以及提供什么。

AIGC 生产

根据客户的关键时刻生成定制的文案和创意资产。

触发与交付

选择最佳时间和渠道，然后在安全护栏和可衡量结果下执行。

推荐 + 优惠设计 + 外联

将“推荐什么”、“提供什么”以及“如何触达”连接到一个单一的激活计划中。

Recommendation
Recall → Rank → Value
Multi-source recall
Ranking & bundling
Value proposition
LLM + retrieval
Intent & preferences
Tag prediction
Product search
Traditional retrieval
Collaborative filtering
Trending items
Embeddings
Offer Design
Offer composition & preference
Multi-offer bundles
Offer preference modeling
Eligible item candidates
Coupon pool retrieval
Outreach
Channel · Time · Content
Channel mix
Active time prediction
Marketing content generation
...

用户案例

探索真实的客户画像，了解三步分析如何将信号转化为个性化的 MOT 行动计划。

1

意图理解

统一画像、行为和预测的下一步行动。

身份 (静态)

通过身份统一数据。

行为 (动态)

捕捉实时行为。

预测 (AI)

预测可能的下一步行动。

AI 画像

577124857328499470

钻石会员
男性 广东省东莞市 使用iPhone 16 Pro 累计积分22571

Long-term behavior

（1）消费周期与频次
平均消费周期为25天，近365天消费天数14天、消费订单数14单（日均消费709.21元）；近180天内下单周期缩短至5.38天，说明近期消费频次显著提升。
（2）消费连续性
财年连年消费会员，连续5年有消费记录（2019-2025年）；首次消费与注册当日同步（2019年9月18日），最近一次消费为2025年7月13日（距今25天），消费连续性极强。
（3）活跃度
会员活跃度为**高频活跃**，近365天消费金额9929元，消费跨城市数1个（集中在东莞市）。

Purchase intent & preferences

（1）品类偏好：以鞋类为核心，兼顾服装与配饰
**关联原因**：近365天购买鞋类13件（金额7654元，件均价588.77元），占比远超服装（10件，1842元，件均价184.2元）；近半年仍保持鞋、服、配的大类购买习惯，鞋类始终是消费核心。
（2）品牌偏好：从“NK系为主”转向“CV与NK系并重”
**关联原因**：近365天TOP3品牌为NK系、CV、AD系；近半年品牌偏好调整为CV（首位）、NK系、AD系，说明CV品牌的消费优先级上升（可能因产品适配性或活动吸引）。
（3）产品特征偏好：聚焦“潮流/运动休闲”风格，偏好基础色系
**系列偏好**：近365天购买产品覆盖“潮流休闲”“运动休闲”“跑步”系列（符合日常与轻运动需求）；
**款式偏好**：CV-服-短T、NK-鞋-低帮、ASH-鞋-低帮（短T适配夏季，低帮鞋兼顾舒适与时尚）；
**颜色偏好**：黑/灰、黑、白（基础色系，易搭配，符合男性日常穿着习惯）。
**关联原因**：以上特征均来自近365天实际购买记录，反映用户对“舒适、时尚、百搭”的产品需求。
（4）价格敏感度：重度折扣敏感，依赖大额优惠
**关联原因**：近365天平均成交折扣为5.5-6.5折（低价策略适配）；仅使用1单优惠券但优惠金额达3190元（偏好大额满减或折扣）；优惠券敏感指数1.39（高于均值，说明对优惠感知强烈）。
（5）渠道偏好：从“全渠道”转向“线上+私域”
**关联原因**：近365天消费渠道涵盖门店、APP、小程序；近半年仅选择线上渠道（APP、小程序），且私域订单数达9单（消费金额3790元），占近半年消费的核心比例（私域好友标签为“25财年消费用户”），说明用户更依赖线上的便捷性与私域的专属活动。
Tags:
NK affinityPrice sensitiveHigh activityPrivate domainShoes
2

意图洞察

深入探讨用户动机和心理驱动因素。

短期行为

（一）短期行为特征总结

近7天用户行为高度集中：仅浏览和加购商品ID“553558-081”（浏览5次、加购2次），无其他商品互动；访问来源以平台专题页（22次）和店铺专题页（7次）为主，偏好“年度推荐 跑鞋矩阵”“清仓特价 低至2折起”等活动；活跃时间集中在晚19-21时（占比41.4%），周中活跃度更高（68.5%）。

（二）结合长期偏好的行为解读
1. **商品关注的针对性**：短期唯一关注的商品“553558-081”为耐克（NK）的AIR JORDAN 1 LOW（低帮），符合用户长期“NK系为主”的品牌偏好（近365天TOP3品牌包含NK系），且低帮鞋款式与用户“近365天偏好NK-鞋-低帮、ASH-鞋-低帮”的款式偏好一致；主色“黑/灰”属于用户长期偏好的基础色系（易搭配），进一步强化了该商品的吸引力。
2. **活动偏好的延续性**：用户访问的“年度推荐 跑鞋矩阵”“清仓特价 低至2折起”等活动，契合其“重度折扣敏感、依赖大额优惠”的价格特征（近365天平均成交折扣5.5-6.5折），说明用户仍在通过活动页面寻找高性价比的目标商品。
3. **活跃时间的一致性**：晚19-21时的活跃高峰符合用户“周中高频活跃”的长期习惯（近365天会员活跃度为高频），推测为下班后的休闲时段，适合进行商品浏览和决策。
（三）潜在原因分析

短期行为集中于单一商品的核心原因：该商品的属性（NK品牌、低帮款式、基础色系）完美匹配用户长期偏好，同时“年度推荐”“清仓特价”等活动可能强化了用户对其“高性价比”的认知（尽管当前未显示折扣，但活动标签可能暗示优惠），驱动用户反复浏览和加购。

下一步意图预测

关键信息

基于短期对单一商品的高频互动（浏览5次、加购2次），结合用户长期对NK品牌、低帮鞋、基础色系的偏好，最佳下一步意图为“购买该商品”，置信度高。

意图1：购买商品“553558-081”（AIR JORDAN 1 LOW 男子低帮鞋）
**具体意图**：用户大概率会购买其近7天反复浏览和加购的商品“553558-081”（AIR JORDAN 1 LOW 男子低帮鞋）。
**驱动因素**：

1. **品牌匹配**：该商品为NK系（耐克），符合用户“近365天TOP3品牌包含NK系”的长期品牌偏好；

2. **款式匹配**：低帮鞋款式与用户“近365天偏好NK-鞋-低帮、ASH-鞋-低帮”的款式偏好一致；

3. **颜色匹配**：主色“黑/灰”属于用户长期偏好的基础色系（易搭配）；

4. **行为强化**：近7天对该商品的高频浏览（5次）和加购（2次），说明用户对其兴趣强烈。

**置信度等级及理由**：高置信度。理由：短期行为（浏览、加购）高度集中于该商品，且商品属性（品牌、款式、颜色）完全符合用户长期偏好，行为与偏好的一致性极强。
**产品货号和产品名称**：产品货号“553558-081”；产品名称“AIR JORDAN 1 LOW 男子低帮鞋”。
3

策略生成

自动化创建个性化的峰终体验。

Strategy built from deep insight

Personalized plan

Strategy Plan

针对用户近期对AIR JORDAN 1 LOW 男子低帮鞋（货号：553558-081）的高频浏览与加购行为，结合其长期对NK系品牌、低帮鞋款式及黑/灰基础色系的偏好，在周中活跃时段推送商品提醒，促进转化。
AIR JORDAN 1 LOW 男子低帮鞋
Preference match

最佳触达时机

智能触达

黄金窗口
推荐时间20:00

“基于用户近期活跃峰值与可触达时间窗口综合推荐。”

Generative output (AIGC)

AIR JORDAN 1 LOW 男子低帮鞋
Recommended

AIR JORDAN 1 LOW 男子低帮鞋

SKU: 553558-081High match

AI Copy

“xx运动提醒：您近期关注的AIR JORDAN 1 LOW 男子低帮鞋（黑/灰配色）仍在架上，经典低帮款式搭配基础色系，符合您的日常风格。周中晚8点专属提醒，喜欢就别错过～【xx运动】”

Rationale

用户近期高频浏览与加购该产品，且符合其对NK系品牌、低帮鞋款式及黑/灰基础色系的长期偏好

4

执行报告

可追溯的结果和持续优化循环。

一客一策 + 智能匹配 POC 执行结果报告

总发送人数
2550
文档统计
总点击UV
1377
点击/浏览量
CTR 最高
82%
GroupC vs GroupA：+287%
购买转化最高
4.55%
GroupC 表现最佳

点击UV + CTR

CTR = 点击UV / 发送人数

购买转化率

最终转化（文档口径）

结果

点击侧

点击侧
点击率提升较高，验证了个性化内容能够提升用户点击兴趣的预设。

结果

转化侧

转化侧
最终转化提升，证明推荐商品和利益驱动点能够刺激用户下单（商品推荐准确、利益点清晰）。

固化“商品推荐 + 利益点”组合模板，持续迭代素材与权益表达。

用相同分组口径扩大样本量，验证稳定性（CTR 与购买转化同时观测）。

用相同分组口径扩大样本量，验证稳定性（CTR 与购买转化同时观测）。
固化“商品推荐 + 利益点”组合模板，持续迭代素材与权益表达。

想看你的场景怎么跑？

告诉我们你的目标，我们会演示对应的解决方案流程与示例报告。

预约 1 对 1 演示联系销售