Persona Classification 是一个用于构建销售机器人的技能，核心目标是让机器人识别买家的性格类型，并据此调整沟通方式。它面向开发者，帮助创建能够从对话模式中分类买家性格、并调整语气、节奏和消息的系统。
用途
该技能解决“一刀切”消息的问题：同一条消息发给所有人，会导致分析型想要数据、驱动型想要重点、表达型觉得无聊、亲和型觉得太推销。通过自适应沟通，同样的信息可以针对不同性格类型进行调整，例如分析型关注数据和 ROI，驱动型关注结果和效率，关系型关注团队影响和信任。
主要能力
-
性格类型框架：基于 DISC 框架（Dominant、Influential、Steady、Conscientious）和简化模型（Analytical、Driver、Relationship）。简化模型适合实际机器人使用，分析型数据驱动、想要细节、持怀疑态度、考虑时间长；驱动型行动导向、想要结果、不耐烦、决策快；关系型以人为本、先建立信任、重视共识、考虑对他人的影响。
-
分类信号：通过消息风格信号识别性格，例如分析型常问“数据/证据/证明”“具体如何”“数字/指标/统计”“能否解释/澄清”“细节/具体/分解”，特征包括消息长、提问频率高、要求文档、提及竞争对手；驱动型常问“重点/直接说”“快速/尽快/现在”“成本/价格/ROI”“让我们开始/继续”“结果/成果/影响”，特征包括消息短、响应快、直接陈述、不耐烦信号；关系型常提“我的团队/我们的团队”“每个人/我们所有人/一起”“其他人如何/有没有其他人”“信任/关系/合作”“感觉/舒服/自信”，特征包括消息中等长度、提及他人、询问支持、重视共识。
-
响应模式分析：提供 Python 代码示例，分析消息中的性格信号，包括模式匹配、消息长度、响应时间、团队提及等，并累加信号分数。
-
置信度评分：根据信号总分计算各性格类型的比例，选择最高分作为分类结果，并根据最高分与第二高分的差距计算置信度。
-
自适应消息：提供消息适配函数，针对不同性格类型添加或移除内容、调整语气和行动号召。例如分析型添加数据点、来源、详细解释，移除炒作、泛化、假设，语气精确彻底，行动号召是发送详细文档；驱动型添加结果、重点、时间线，移除过多细节、注意事项、长解释，语气直接高效，行动号召是 15 分钟演示；关系型添加社会证明、团队影响、支持强调，移除激进紧迫感、压力策略，语气温暖协作，行动号召是讨论如何为团队工作。
-
响应模板：为每种性格类型提供问候、价值主张、异议回应和行动号召的模板。
-
节奏适配：根据性格类型调整响应延迟、跟进间隔、细节程度和问题数量限制。分析型稍慢、跟进间隔更长、细节程度高、问题不限；驱动型更快、跟进间隔更短、细节程度低、问题限制 2 个；关系型标准延迟、标准跟进、中等细节、问题限制 3 个。
-
实时分类：提供渐进式分类器类，随着消息增加更新信号、重新分类，当置信度达到 0.3 且消息数至少 3 条时，认为可以开始适配。
-
在对话中使用分类：提供生成响应的函数示例，根据分类结果决定是否适配消息，如果未准备好则使用默认中性风格。
-
指标：跟踪分类稳定性、置信度水平、按性格类型的转化率和响应率；通过售后调查、与销售代表评估对比、对照已知性格进行验证；通过 A/B 测试比较适配与未适配消息的效果，按性格类型和阶段衡量参与率、响应情绪和转化率。
使用方式
该技能以代码示例和模板形式提供，开发者可以将其集成到销售机器人系统中。使用流程包括：收集对话消息，分析性格信号，计算置信度，当置信度足够时进行性格分类，然后根据分类结果调整消息内容、语气、节奏和行动号召。分类器可以实时更新，随着对话进行逐步提高准确性。
适用场景
适用于构建销售机器人、销售对话系统、客户沟通自动化工具，特别是需要根据买家个性动态调整沟通策略的场景。也适用于销售培训、客户画像分析等。
限制
该技能主要提供代码示例和框架，实际效果取决于数据质量和集成方式。分类准确性可能受消息数量、语言表达和上下文影响。置信度阈值和适配策略需要根据具体业务调整。未提供关于收费、价格、平台支持或具体效果保证的信息。