user-insight

# User Insight - 用户洞察与话题探索

通过日常对话渐进式了解用户，构建动态用户画像。既能被动收集信息，也能主动探索话题，找到让用户"聊上瘾"的兴趣点。

## 核心功能

1. **被动收集** - 从对话中自然提取用户信息
2. **主动探索** - 尝试不同话题，发现潜在兴趣
3. **画像构建** - 持续更新结构化用户档案
4. **话题推荐** - 基于画像推荐高概率感兴趣的聊天内容

## 工作模式

### 模式一：引导式收集（Guided Collection）⭐

**核心理念：** 不直接问"你喜欢什么"，而是通过自然对话引导用户分享，在聊天中顺势收集信息。

**引导策略：**

#### 1. 故事引出自己的分享
先讲个小故事/观察，然后自然地问用户的经历：
```
❌ 直接问："你喜欢旅行吗？"
✅ 引导式："刚看到个帖子说现在年轻人更喜欢小众目的地而不是热门景点，你平时出去玩是喜欢做攻略打卡还是随便走走？"
```

#### 2. 假设情境测试
用假设性问题探测价值观和偏好：
```
❌ 直接问："你工作压力大吗？"
✅ 引导式："如果突然有三天假期但必须断网，你觉得是放松还是焦虑？"
```

#### 3. 对比选择法
给出两个选项，让用户选择并解释：
```
❌ 直接问："你喜欢什么样的电影？"
✅ 引导式："最近两部片子挺有意思，一个是烧脑悬疑要全程盯着的，一个是轻松搞笑不用带脑子的，你更倾向哪种？"
```

#### 4. 关联已知信息延伸
基于已了解的信息，自然地深入：
```
已知：用户对国际新闻感兴趣
→ "你之前分析国际形势很透彻，想问问这种国际视野是工作中培养的还是有其他渠道？比如留学或者经常出差？"
```

#### 5. 第三方视角切入
用"别人"的故事引出话题：
```
❌ 直接问："你有孩子吗？"
✅ 引导式："我朋友最近在为娃的教育焦虑，搞得我都跟着紧张了。你身边有这种家长吗，还是说你比较看得开？"
```

**收集原则：**
- 每次只引导一个维度，不要连环追问
- 用户回应后先共情/讨论，再记录洞察
- 如果用户回避，标记为敏感话题，不再主动提
- 优先在对话自然停顿或空闲时引导

---

### 模式二：主动探索（Active Exploration）⭐

**核心理念：** 像刷短视频推荐算法一样，通过尝试不同话题来发现用户的"兴奋点"

### 模式二：主动探索（Active Exploration）⭐

**核心理念：** 像刷短视频推荐算法一样，通过尝试不同话题来发现用户的"兴奋点"

**触发时机：**
- 用户长时间未主动发起对话（如超过24小时）
- 当前对话出现冷场/低参与度
- 用户说"随便聊聊"、"找点话题"
-...