营销自动化的早期形态是定时群发进阶形态是规则触发业务自动化阶段的核心是事件驱动——客户的每个行为都是一个事件事件实时驱动对应的营销动作。微信作为离客户最近的触点在这套架构里既是事件来源也是执行通道。一、事件体系——客户行为被完整记录事件分三类微信行为事件发消息、点击链接、打开朋友圈、群内发言、业务行为事件下单、付款、退款、工单提交、系统计算事件客户评分变化、阶段推进、标签变更。所有事件统一格式事件名、客户标识、时间、属性JSON汇入同一个事件总线。事件采集的关键是先全量记录后决定使用——采集时不预设这个事件要用来做什么原始事件全部留存。新营销玩法需要某个行为数据时历史事件已经在库里不用回头补埋点。二、实时决策——事件来了做什么事件进入决策层后经过两级判断准入条件这个客户是否在某个营销活动的目标人群内、是否在免打扰时段、近期是否已收到同类消息和动作选择满足条件后执行什么发微信消息、打标签、推进旅程、通知销售。决策必须是实时的——客户刚下单的那一刻发关怀消息和第二天发效果天差地别。但实时不等于即时全发频控和疲劳度管理是准入条件的硬约束同一客户每天营销触达不超过1条每周不超过3条超过上限的动作排队或放弃。三、AI在自动化中的三个位置AI不负责要不要发这是规则和频控决定的AI负责三个具体环节内容个性化根据事件上下文生成千人千面的文案如基于浏览商品生成推荐语、最佳时机预测学习客户历史响应时间预测今天几点发打开率最高、事件洞察从行为序列发现人工规则想不到的模式如问过售后但没成交的客户7天后复购率反而高反哺新的自动化策略。规则保证安全和可控AI负责效果优化——这个分工是业务自动化阶段不翻车的关键。事件驱动架构对照层职责设计要点事件采集行为变事件全量留存不预设用途实时决策准入动作频控/免打扰硬约束动作执行触达/打标/通知多通道失败重试AI优化内容/时机/洞察规则管安全AI管效果事件驱动营销实现# 事件统一入口 app.post(/events) def collect(): for evt in request.json[events]: # 全量原始留存 db.save(event_log, { name: evt[name], customer: evt[customer_id], props: json.dumps(evt[props]), time: evt[time]}) bus.emit(evt[name], evt) return {code: 1000} # 微信行为事件消息回调产生 app.post(/webhook) def webhook(): d request.json bus.emit(wx_message, { customer_id: resolve(d[fromUser]), props: {content: d[content], group: bool(d.get(groupId))}, time: d[createTime]}) return {code: 1000} class MarketingDecision: 实时决策准入判断→动作选择 def on_event(self, evt): cid evt[customer_id] for campaign in ACTIVE_CAMPAIGNS: if campaign[trigger] ! evt[name]: continue # 准入条件 if not self.in_segment(cid, campaign[segment]): continue if self.in_quiet_hours(): self.schedule_next_window(campaign, cid, evt) continue if self.over_fatigue(cid, campaign[category]): continue # 频控硬约束放弃本次 # 动作执行 for action in campaign[actions]: self.execute(action, cid, evt) def execute(self, action, cid, evt): if action[type] wx_send: # AI位置1内容个性化 text ai_personalize( templateaction[template], customerget_360_view(cid), eventevt) # AI位置2最佳发送时机 best_time predict_best_time(cid) schedule_at(sendText, best_time, WID, get_wxid(cid), text) elif action[type] tag: add_tag(get_wxid(cid), action[key], action[value]) elif action[type] notify_sales: push_to_sales(cid, ai_brief(evt, cid)) # AI位置3事件序列洞察离线分析 def behavior_insight(): 周期性发现新的高价值行为模式 patterns ml_find_sequences(db.scan(event_log, days60)) for p in patterns: if p[lift] 1.5: # 复购/转化提升显著的模式 suggest_campaign(p) # 建议新自动化策略落地建议事件驱动营销的建设路径先搭事件总线和全量采集基础设施一两个月看不到直接效果但所有后续玩法都依赖它再做规则决策和频控保证不出事AI优化最后介入需要事件数据积累没有数据训练不了时机预测。疲劳度控制是业务自动化的生命线——自动化程度越高扰民风险越大宁可少发不可滥发。微信侧的行为采集和消息执行通过Eyun这类个人微信API接口完成业务事件由各业务系统Webhook汇入决策引擎独立部署三层解耦后任何一层的故障都不会导致误发消息。