需调用组合推荐引擎与销售路径建模模块：一、配置产品关系图谱；二、启用CrossSell-GraphWalk-v2策略模板；三、运行交叉销售输出任务；四、解析OSS策略结果并入CRM；五、通过REST API对接前端BundleCard组件。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
如果您在使用MuleRun系统时希望基于用户行为与产品关联性生成个性化产品组合推荐，并输出可用于交叉销售的策略结果，则需调用其内置的组合推荐引擎与销售路径建模模块。以下是实现该目标的具体操作路径：
一、配置产品关系图谱
该步骤旨在构建产品之间的共现、替代与互补关系网络，为后续组合生成提供结构化依据。MuleRun依赖图数据库存储产品节点及带权重的边（如“常被同时购买”“功能互补”），权重来源于历史订单、会话点击序列与购物车共存频次。
1、登录MuleRun管理后台，进入【数据建模】→【产品关系图谱】模块。
2、点击【新建图谱版本】，选择数据源为“近90天订单明细表”与“用户行为日志表”。
3、在关系定义面板中，勾选“同订单出现频次≥3次”“购物车共存率＞15%”“品类层级差≤2级”作为边生成条件。
4、提交构建任务，等待图谱状态变为已就绪（Ready）后保存版本号。
二、启用组合推荐策略模板
MuleRun预置多种组合生成逻辑，包括基于频繁项集（FP-Growth）、图随机游走（Random Walk on Product Graph）和序列注意力（Seq2Set Attention）三类模型。不同模板适用于不同业务场景，如高复购快消品适用FP-Growth，长周期耐用设备适用图游走。
1、进入【推荐策略】→【组合推荐】→【模板库】。
2、选择模板名称为CrossSell-GraphWalk-v2，点击【启用为默认】。
3、在参数配置区，将“最大组合长度”设为4，“最小置信度阈值”设为0.62，“游走步数”设为5。
4、点击【验证参数】，系统返回提示：图谱版本匹配成功，可执行策略编译。
三、运行交叉销售策略输出任务
此步骤触发端到端策略计算流程：从用户实时画像拉取特征，匹配图谱中邻接产品，按排序模型打分，最终生成带置信度与预期提升率的产品组合列表。
1、进入【策略执行】→【批量输出】，选择目标用户群为“过去7天完成支付但未购买B类配件的A类主商品用户”。
2、在【输出格式】中勾选“JSON（含组合ID、产品SKU列表、联合置信度、交叉转化预估+12.7%）”与“CSV（含用户ID、推荐组合编码、曝光优先级）”。
3、设置调度时间为每日凌晨2:15自动触发，并绑定消息队列Topic：mulerun.crosssell.output.v3。
4、点击【启动立即执行】，任务状态栏显示Running → Completed（耗时8.4s，覆盖142,819用户）。
四、提取并解析策略输出结果
策略执行完成后，原始输出以压缩包形式落至指定OSS路径，内含结构化文件。需通过MuleRun提供的解析器SDK或标准HTTP接口读取，确保字段语义不丢失。
1、访问OSS Bucket路径：oss://mulerun-prod/output/crosssell/20240522/142819_users.zip。
2、使用MuleRun CLI工具执行解压与校验：mulecli output parse --zip-path ./142819_users.zip --schema v3_crosssell_bundle。
3、校验通过后，输出首条记录示例为：{"uid":"U773291","bundle_id":"BX-8842F","skus":["SKU-A9921","SKU-C3305","SKU-D7718"],"confidence":0.812,"lift_est":0.127}。
4、将解析后的JSON数组推送至CRM系统的cross_sell_recommendation_v3数据表，字段映射须保持一致。
五、对接前端展示组件
为使交叉销售推荐结果触达用户，需将策略输出与前端渲染层对接。MuleRun提供标准化REST API与Webhook两种方式，支持动态加载组合卡片。
1、在【API管理】中启用/v3/recommend/bundle/{user_id}接口，认证方式为OAuth2.0 Bearer Token。
2、前端请求头携带X-MuleRun-Context: session_id=SESS_9a2f1c，用于实时上下文感知。
3、响应体中检查字段bundle_display_priority，数值越大表示当前场景下该组合应越靠前展示。
4、当返回status为200 OK且bundles数组非空时，前端调用本地BundleCard组件渲染，否则降级为单SKU推荐。
