Dify智能客服需通过用户行为数据构建结构化画像与标签体系。首先导出并清洗对话日志，提取手机号等字段生成user_base.csv；其次在「标签管理」中创建枚举型【用户生命周期】和文本型【地域偏好】标签组，并启用自动更新；接着在「规则引擎」配置两条打标规则：财务关键词触发「财务相关」标签，高频低延迟对话触发「高响应期待型」标签，且执行顺序不可颠倒；最后在Chatflow中绑定用户标签变量，于提示词中动态注入{{user_tags.lifetime_stage}}等字段，实现个性化响应。
☞☞☞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☜☜☜
要让Dify智能客服真正理解用户、提供个性化服务，必须把用户行为数据转化为结构化画像与可复用标签，否则所有对话都只是泛泛而谈的“标准答案”。
从对话日志中自动提取基础用户属性
进入Dify控制台→点击左侧「日志」→选择「对话日志」→点击右上角「导出CSV」；导出文件后，用Excel打开，筛选出含“手机号”“邮箱”“地区”“设备类型”的字段行。
这一步不能跳过原始日志清洗——Dify默认日志不带用户ID映射，直接导入会导致标签错位。你必须先用正则表达式（如1[3-9]\d{9}）从message字段中批量提取手机号，并与session_id做唯一关联。
将清洗后的数据保存为user_base.csv，确保首行为字段名：session_id、phone、region、device_type、first_contact_time。
在Dify中创建用户标签体系
点击左侧导航栏「设置」→「用户管理」→「标签管理」→「新建标签组」。
输入标签组名称，例如【用户生命周期】，类型选「枚举型」；点击「添加标签」，依次录入：新客、活跃用户、沉睡用户、流失用户。
【关键前提】必须勾选「启用自动更新」，否则后续规则引擎无法触发标签变更。
再建一个【地域偏好】标签组，类型选「文本型」，用于存储用户主动声明或系统识别出的城市名，比如“杭州”“成都”，这个字段后期会参与知识库路由。
配置自动化标签打标规则
第一步：点击「规则引擎」→「新建规则」。
第二步：设置触发条件——选择「对话结束事件」+「消息中包含关键词『发票』『报销』『对公』」；动作选择「为当前用户添加标签」→目标标签组选【业务需求倾向】→标签值填「财务相关」。
第三步：添加第二条规则——触发条件设为「单日对话轮次 ≥ 5」且「平均响应时长 < 1800ms」；动作设为「更新用户标签」→标签组【服务敏感度】→值设为「高响应期待型」。
注意：两条规则的执行顺序不可颠倒，否则高响应期待型用户可能因未触发财务关键词而漏标。
第四步：点击「启用规则」，系统立即开始扫描历史对话日志并批量打标——这个过程通常需要3～8分钟，取决于日志总量。
将用户标签注入对话上下文
进入「工作室」→打开你的客服Chatflow→点击「变量」→「添加变量」→类型选「用户标签」→绑定字段填user_tags.lifetime_stage（对应【用户生命周期】标签组）。
在提示词编辑区，插入这段模板：你正在服务一位{{user_tags.lifetime_stage}}，所在地是{{user_tags.region}}，最近一次咨询涉及{{user_tags.business_focus}}。
这句不是装饰——Dify会在每次请求时实时替换占位符，让大模型真正“看见”用户，而不是只读知识库片段。
测试时用两个不同手机号发起对话，对比回复语气差异：新客会收到引导式话术，沉睡用户则直接推送召回优惠信息。
