必须将Amplitude中高频点击模块、停留时长拐点、会话中断位置等行为偏好实时注入Dify AI Agent决策链路；通过Segments新建分群规则：Last seen > 3 days ago且Session count in last 7 days☞☞☞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构建的AI Agent能主动识别即将流失的用户并触发个性化挽回策略，必须将Amplitude中沉淀的行为偏好（如高频点击模块、停留时长拐点、会话中断位置）实时注入Agent决策链路，而非仅作事后报表分析。
从Amplitude提取高价值行为偏好特征
登录Amplitude控制台，进入「Segments」→「Create Segment」，新建用户分群规则：选择“Last seen > 3 days ago”且“Session count in last 7 days 【若漏掉‘Clicked feature’这一行为维度，模型将无法关联具体功能偏好，后续Agent生成的挽回话术会泛化失效】。
在该分群设置页底部，点击「Export to destination」→ 选择「Webhook」→ 填写Dify工作流暴露的接收地址（格式为https://your-dify-app.com/api/webhooks/amplitude-retention）。
启用「Real-time sync」开关，并勾选「Include user properties」——确保Amplitude推送的每个用户对象都携带behavior_preference字段，例如{"behavior_preference": "price_sensitivity", "last_feature_click": "discount_calculator"}。
在Dify中配置留存挽回Agent工作流
进入Dify项目 → 「Workflows」→ 「Create new workflow」，选择「Agent」类型，命名“RetentionRecoveryAgent”。
拖入一个「HTTP Request」节点，配置为接收Amplitude Webhook推送的JSON数据；将响应体中的user_id、behavior_preference、last_feature_click三个字段映射为工作流全局变量：context.user_id、context.behavior_preference、context.last_feature_click。
添加「Condition」节点，设置分支逻辑：当context.behavior_preference == "price_sensitivity"时，进入“优惠定向唤醒”分支；否则进入“通用关怀”分支。这一步必须用字符串精确匹配，【若写成包含式判断（如in或regex），会导致不同偏好用户被错误归入同一策略路径】。
在“优惠定向唤醒”分支中，接入「LLM」节点，提示词模板如下：
你是一位资深电商运营专家，正在向一位近期未登录但曾多次使用折扣计算器的用户发送挽留消息。请基于以下信息生成一条不超过60字的微信私信文案：用户偏好类型：{context.behavior_preference}；最后互动功能：{context.last_feature_click}；当前平台可用权益：新人券满199减30、老客加赠运费险。禁止提及“流失”“召回”等负面词汇，必须包含一个明确行动指令。
将挽回动作与用户ID绑定并触发
方法一：前端自动注入
在Dify应用的前端页面中，于Amplitude SDK初始化后插入以下代码：
amplitude.getInstance().identify(new amplitude.Identify().set('retention_status', 'at_risk'));
这行代码会将用户ID与“at_risk”状态实时写入Amplitude用户档案，后续所有事件都将自动打标。
方法二：后端闭环调用
在Dify工作流末尾添加「Tool Call」节点，调用已配置的「SendWeChatMessage」工具，传入参数：to_user_id = context.user_id，content = {LLM节点输出的文案}，template_id = "RETENTION_WX_01"。
确认该工具在「Tools」中已完成企业微信API鉴权与模板消息注册，且模板ID在微信后台已通过审核。
Dify构建基于行为偏好分析的用户留存挽回Agent
轻辰同学_2114
2026-11-03
520人浏览
原创
