第 5 页 · 文字版
指标语义
4 跳出指标 → 本体层查询 ▶ AI在关系网络里跳转:这些SKU核心材料 = 铜和钢 → 铜的主要供应商 = Supplier X → X的上游 = 矿场 Mine Z。 同时发现:华北线下渠道促销强度属性标记为"高"。竞品Brand M在Q3有"以旧换新"补贴活动。 四条归因路径浮出:材料成本?供应商稳定性?促销策略?竞争动态? 本体推理
5 事件层验证 ▶ E001 铜价Q3环比上涨12%(来源:大宗商品行情,置信度:高) E002 Brand M在Q3第二周启动"以旧换新"补贴(来源:市场监测报告,置信度:中) E003 华北区促销短期密度同比上涨40%(来源:运营日历,置信度:高) 事件验证
6 量化回填 ▶ 回到指标语义层,算每条路径影响权重: 铜价传导 → 毛利率影响约 -0.9个点 促销折让 → 毛利率影响约 -1.8个点 竞品补贴 → 毛利率影响约 -0.4个点 三条归因,每条有证据、有数字、可审计。 量化归因
7 规则安检 ▶ 合规检查:毛利率数据是否涉及敏感商业信息?当前用户角色是否有权限查看分渠道毛利率明细? 运营规则:毛利率低于30%是否触发预警?(Q3=35.1%,高于30%,不触发) 建议规则:是否存在"战略客户豁免"规则?促销收紧是否应区分战略/非战略客户? 规则约束
8 锚定文档 ▶ 将非结构化证据"挂"到本体节点上:关于"铜价Q3环比上涨12%"的市场报告锚定到 material:copper 节点;市场监测报 告锚定到 brand_M 实体上。 Agent做多跳推理时,通过这些锚定找到非结构化的证据链。 锚定语义
9 归并输出 ▶ 三层结构输出: 第一层 定性:外因铜价上涨 + 内因促销过度 + 竞争Brand M补贴 第二层 量化:铜价-0.9、促销-1.8、竞品-0.4,三者对冲总计-3.1 第三层 建议:短中长期可执行方案 归并输出
10 会话反馈 ▶ 记录本次对话焦点:毛利率 → 华北 → 家电 → 线下。焦点指标、讨论过的归因路径(铜价、促销、竞品)。 如果用户纠正了某个信息——比如"铜料长单对冲比例是45%,不是30%"——Data Agent要把这个纠正记录下来,回流 到指标语义层更新口径。
文字版便于检索与复制,图表和排版请切回「图文」。