一、项目背景

某医美机构靠咨询师微信约客，客户说想做项目，咨询师记在脑子里或者随手发个时间，到店率一直上不去。老客回访全凭咨询师记忆，忙起来就忘，流失的客户没人管。排期也乱，忙时几个咨询师约撞车，客户到店没人接，闲时又坐了一天空。我们进场时，这家机构的到店率只有三成出头，老客复购基本靠运气，咨询师之间信息不互通。

当时他们觉得客情是咨询师的个人本事，系统插不上手。结论很清楚，医美成交靠信任和节奏，得用多智能体把预约和客情绑着跑，咨询师只管临门一脚，不该把精力耗在记时间和追回访上。这个项目让我看清，客情不是不能系统化，是不能把系统做成冷冰冰的群发。

二、落地场景

新方案用多智能体分工，一个体负责预约调度，看咨询师排期和房间资源，给客户推最合适的时间，避免撞车和空档。一个体负责客情分层，按消费和互动给客户打标签，该跟进的自动排进咨询师的任务池。一个体负责到店与转化回收，客户到店后提醒咨询师接手，成交或未成交都回写，形成闭环。

咨询师手机上看到的是已经排好的当日任务和待跟进清单，不用自己记。客户收到的提醒是机构统一口径，不是咨询师随手发的随意消息，专业感也上来了。上线后我们观察过，咨询师平均每天少花一小时在排期和回想跟进上，这部分时间回到了面诊沟通，客户感知到的专业度肉眼可见地提升。

三、关键技术挑战与解决思路

预约调度难在资源和人同时对，咨询师时间和房间资源是两个维度，简单排会撞。我们把排期做成带冲突检测的调度，体在推荐时间前先查双重空闲，撞车直接排除，咨询师看到的都是可约的。客情分层最怕标签漂移，客户状态变了标签没更新，跟进就错位，我们让体按每次互动动态重算分层，而不是一成不变。

到店转化回收要靠及时提醒，客户到店那一下的承接最关键，我们接了到店触发，客户签到立刻推给对应咨询师，避免人到前台没人管的尴尬。多体协同的边界要划清，预约体不碰客情判定，客情体不抢预约动作，各管一段，否则互相打架数据乱。

多体分工与冲突检测的关键逻辑如下，边界划清才不会互相打架：

agents:
  scheduler:
    check: [consultant_free, room_free]   # 双重空闲才推荐
    reject_on_conflict: true
  client_tier:
    recompute: on_each_interaction        # 动态重算, 防标签漂移
  arrival:
    trigger: check_in -> notify_consultant # 签到即承接
boundary: each_agent_owns_one_stage

四、效果数据

到店率从三成出头提到五成多，预约调度把撞车和空档消掉后，客户爽约和放鸽子明显少了。老客复购率提升约两成，客情分层让该跟进的没人漏，流失的客户被及时捞回一部分。预约撞车率下降明显，咨询师之间不再抢同一个时段，排期从混乱变有序。

咨询师人效提升，因为他们不用再花大量时间记时间和追回访，精力回到面诊和成交上。我们对比过上线前后同口径客流，到店转化的绝对数涨了快一倍，这个幅度在医美这种低频高客单的生意里很可观。跑满半年，沉睡老客被重新激活的比例也到了一成五，这部分是完全靠系统兜底捞回来的。

我们把客户到店前的提醒也做了分层，新客强调专业和安心，老客强调专属和优惠，两类客户的到店率都有提升但动因不同，说明客情分层不是噱头而是真有用。咨询师说现在接待更有底气，因为系统把前期工作都做完了，他只需要临门一脚，不用再边记时间边聊方案。我们还把沉睡老客的激活做成自动任务，系统挑出半年没互动的客户推给咨询师，这部分转化虽小但完全是白捡的。我们复盘时承认，一开始低估了系统接管琐事的释放效应，咨询师的人效提升比我们预估的高出不少。

五、可复用经验总结

医美成交靠信任和节奏，多体把预约和客情绑着跑，咨询师只管临门一脚，我们一开始也想让咨询师全包，结果人效和客户体验都差。客情标签必须动态重算，静态分层迟早错位，跟进就变成骚扰。到店那一刻的承接最关键，签到即提醒咨询师，别让人到前台没人管。多体边界要划清，各管一段比抢着做稳，数据才不乱。我们当时把客情做成统一群发，被客户投诉骚扰才改成分层动态跟进。下一步想把术后回访也接进客情体，按恢复周期做周期性关怀。

案例片段（已脱敏）： 多体分工：预约调度体（带冲突检测，查咨询师+房间双重空闲推荐可约时间）；客情分层体（按消费/互动动态重算标签，待跟进入任务池）；到店转化体（签到触发推咨询师，成交未成交回写闭环）。某季度统计：到店率 51%（原 32%）；老客复购率 +20%；预约撞车率显著下降；咨询师人效提升，同口径客流到店转化绝对数近翻倍；沉睡老客激活比例 15%。