微信小店尺码推荐复盘，应把同一次购买前的穿着目标、客服建议依据与买后反馈对应起来，再判断需要补什么条件。WorkBuddy可用AI整理授权记录中的完整过程，帮助服装商家检查建议方式；不合身反馈不能直接证明推荐错误，也不宜统一改成买大一码。
客户收到衣服后说紧了，售后只登记尺码不合，主管看到的仍是一个结果。买前是否说明想宽松、客服依据哪份表、买家最终选择什么，若分散在几段沟通，团队就容易反复用经验改建议，却找不到该改的具体环节。
这次复盘先围绕同一款式、同一次购买，把前后过程接起来。实际购买款式与尺码由正式业务记录核实；客户口头提到想买M，不代表最后确实购买M。没有完成对应的记录单列，不硬拼成一条完整过程。
尺码资料还要区分测量对象。Shopify的尺码表说明区分身体测量与成衣测量，两类数字用于不同比较。复盘时确认当时引用哪一种、单位和部位是什么，不能把平铺宽度直接当作身体围度。
知你AI助手可查询授权客户、历史会话和消息。先限定微信小店渠道、商品和观察期，召回提到选码与穿着反馈的候选，再读购买前后必要上下文。商品负责人另提供当时适用的款式规格、测量说明及正式购买结果，不能从历史答复倒推出正确尺码表。
WorkBuddy支持MCP配置，完成当前环境授权后，可以提出：“对照已核同次购买，列买家明确的穿着目标、客服曾询问的条件、具体建议和依据、实际购买选择、后续明确反馈。每格附原话或正式资料来源；缺失的保留空白，不给客户身体评价，不自动推荐新尺码。”
先解析客户与渠道，再定位同次事项；只读任务所需片段。带消息词的历史检索按已保存指南存在近半年等限制，结果还受授权与分页影响，不能把查到的几条售后当成全部购买反馈。
下图为MCP连接后台布局示意。对照表在AI客户端准备，不是服装推荐或退换管理页面。
以下商品、数字和客户完全虚拟，只演示复盘方法，不构成真实选码建议。负责人已核实本次购买为示例外套甲的M码，并提供当时适用的成衣平铺表；其中M码胸部平铺宽度为52厘米。
买前原话：“我平常穿M，这次想肩部宽松一点，要套在衬衫外面。”客服当时答：“平常M就选M。”
买后原话：“穿衬衫以后肩部活动紧，想要的宽松效果没有。”现有资料没有提供肩部实测，也没有这位买家的其他相关比较信息。
| 复盘项目 | 有依据的记录 | 可以提出的改进 |
|---|---|---|
| 使用目标 | 衬衫外穿，希望肩部宽松 | 建议前保留叠穿与关注部位 |
| 原建议依据 | 只引用平常穿M | 检查是否说明当前款式差异 |
| 正式商品资料 | 已提供胸部平铺宽度 | 肩部信息尚缺，交商品岗位补核 |
| 实际购买与反馈 | 已核购买M，自述肩部活动紧 | 作为待复查线索，不直接判质量 |
这份输出找到的是建议条件缺口：客户已经提出肩部与叠穿需求，回复却只使用平常码数。现有材料不足以证明L码一定合适，也不能用胸部宽度替代肩部数据。商品岗位先确认可提供什么，再决定怎样引导买家比较常穿衣物或说明不确定部分。
可以让AI继续：“把每一条改进写成当前建议中少了什么、需要哪个准确来源、客服下一次先问或先解释什么。不要把客户感受改写成实测结论，也不要自动生成退换资格。”
下图为AI客户端辅助复盘流程，原话与数值全部虚拟。
不要只收不合身的记录。可在相同款式与相近范围中补看明确满意、未提出建议、买家后来改选以及信息不足的过程，分别保留，避免把每一次不合身都归到客服推荐。是否需要进一步统计，由团队结合正式购买范围决定。
知你AI助手帮助找回前后沟通，WorkBuddy准备可检查的配对表。具体商品数据、对外尺码说明与个案售后由商家确认；共享材料只留判断所需内容，不要求顾客为复盘补交无关身体资料。先完善一个款式的建议依据，比给所有商品统一加一句偏小更可靠。
先对应实际购买、建议依据与明确反馈，不用单一结果直接归责。
应核对当前款式的真实规格与穿着目标，不能只按字母替代比较。
不能直接混用，先说明测量对象、部位、单位与比较方式。
不要补猜，由商品岗位核实可用资料，再说明比较方法与未知项。
不能，个案按正式订单、适用规则和实际业务流程处理。
尺码建议复盘要接起同一次购买的目标、依据、选择与反馈。用AI找出条件遗漏与资料缺口，再由商品负责人核实，让客服下一次能解释为什么这样比较，而不是只重复平常穿几码就买几码。
如果尺码售后总停留在不合身三个字，难以知道买前建议该改哪里，可以了解知你AI助手官网，用AI把授权沟通中的选择条件与后续反馈放在一起复盘。
也可以扫码交流你的客服数据整理需求：
全渠道智能客服系统，聚合微信、小红书、抖音等平台咨询，支持自动回复与多客服协同。
知你AI助手官网 >AI 驱动的智能接待助手，基于知识库生成可确认的推荐回复，提升响应效率。
知你快回官网 >浏览器插件，为小红书、抖音、网页客服场景提供快捷话术库与 AI 自动回复。
