Dify智能客服用户画像与标签管理实战指南
要让Dify智能客服准确理解用户意图并给出个性化响应，核心在于将行为数据转化为结构化画像和可复用的标签。缺乏这一步，所有对话都只能输出泛化的“标准答案”，无法精准触碰用户的真实需求。
从对话日志中自动提取基础用户属性
操作路径非常直接：进入Dify控制台，点击左侧的「日志」，进入「对话日志」，再点右上角的「导出CSV」。拿到CSV后用Excel打开，筛选出包含“手机号”“邮箱”“地区”“设备类型”的那些字段行。
这一步千万不能跳过原始日志的清洗——Dify默认导出的日志里没有用户ID映射，直接导入会导致标签错位。你需要用正则表达式（比如1[3-9]d{9}）从message字段里批量抓取手机号，并与session_id建立唯一关联。
清洗完成后的数据，保存为user_base.csv，记得第一行字段名要包含：session_id、phone、region、device_type、first_contact_time。这样就把用户数据底子打扎实了。
在Dify中创建用户标签体系
接下来搭建标签体系。点击左侧导航栏的「设置」→「用户管理」→「标签管理」→「新建标签组」。
比如，新建一个叫【用户生命周期】的标签组，类型选「枚举型」，然后逐一添加标签：新客、活跃用户、沉睡用户、流失用户。
关键前提是——必须勾选「启用自动更新」，否则后续规则引擎根本没法触发标签变更，等于白忙一场。
再建一个【地域偏好】标签组，类型选「文本型」，用来存放用户主动提及或系统识别出的城市名，比如“杭州”“成都”。这个字段在后续的知识库路由中能发挥重要作用。
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「对话结束事件」+「消息中包含关键词『发片』『报销』『对公』」；动作为「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：再加第二条规则——触发条件设为「单日对话轮次 ≥ 5」且「平均响应时长 < 1800ms」；动作为「更新用户标签」→标签组【服务敏感度】→值设为「高响应期待型」。
有一点要特别留意：两条规则的执行顺序不能颠倒，否则那些高响应期待型的用户，可能因为没触发财务关键词而被漏标，那就麻烦了。
第四步：点击「启用规则」，系统会立刻开始扫描历史对话日志并批量打标——这个过程通常需要3到8分钟，具体看日志总量。
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，插入这样一段模板：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}}。
别小看这段代码——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。试想一下，新客会收到引导式话术，沉睡用户则直接看到召回优惠信息，这种差异化的体验，才是智能客服该有的样子。
