AI辅助整理：本文基于下方列出的公开原始来源改写，不代替原文。
核心摘要： 全球最大珠宝品牌之一 Pandora（约6.8万销售点）用 Salesforce Agentforce 建了两个智能体：个人导购 Gemma 依据场合、送礼对象与预算做有温度的推荐，客服 Clara 处理“我的订单到哪了”等高频问题。Salesforce 披露 Clara 已自主完成约60%的服务请求，净推荐值上升；线上渠道约占全球销售额22%。Gemma 目前仍在部分市场测试，尚无全量效果数据。
业务背景
Pandora 是全球最大的珠宝品牌，1982年起家于哥本哈根，目前在全球100多个国家拥有约6800个销售点（含2700家概念店），员工约3.7万人。
其销售强项是“叙事式体验”：店员在店里通过聊天把顾客的故事与某件饰品相连。公司希望把这种线下导购的“魔力”复制到线上，同时改造偏交易化的客服体验。
要解决的问题
2024年 Pandora 由500-600名专家组成的客服团队通过邮件、网页和在线聊天处理大量咨询，手工逐条回复拖慢响应、造成排队；即便节日增派临时人手，高峰期仍超负荷。
既有聊天机器人只能机械地处理“我的订单到哪了”，呆板、交易式的口吻与品牌一贯温暖、个性化的服务不匹配。
AI 怎么落地
Pandora 用 Agentforce（Agentforce 360 平台的智能体层）建了两个智能体。个人导购 Gemma 会先向顾客提几个问题，判断送礼对象与预算，再结合订单历史、Commerce Cloud 商品信息、Bloomreach 推荐数据和存于 Databricks 的定性洞察，给出贴合场合与故事的推荐，并用语气控制对齐门店店员口吻。
客服 Clara 专门处理订单状态与首饰保养等 FAQ，能读取 Service Cloud 与 Commerce Cloud 数据即时作答，超出范围时无缝转人工并附会话摘要。
实施步骤
Clara 由 Salesforce 专业服务团队与 Publicis Sapient 合作在数周内构建完成，先只把北美与英国约十分之一的 FAQ 流量路由给它，随信任提升再逐步加流量、扩市场。
Gemma 则在选定市场先行测试，全球铺开前持续收集对话数据做迭代。背后用 Data 360 沉淀对话洞察，为营销与销售策略提供输入。
结果证据与边界
数据来自 Salesforce 客户案例披露：Clara 已能自主完成约60%的服务请求，净推荐值随之提升；Pandora 约22%的全球销售额通过 Salesforce 电商体系成交。
需要说明：Gemma 对转化率的拉动属于公司“预期影响”，尚无全量市场实测数据；案例页面也未披露明确的精确发布日。整体属于厂商案例口径，非第三方审计结果。
可复制动作
第一，把“订单查询+FAQ”这类高频低复杂请求先交给客服智能体，优先减轻约六成重复负担。
第二，导购类智能体接入多源客户与商品数据，并用语气控制锁定品牌调性，避免“答非所问式冷冰冰”。
第三，用灰度流量（如先开放十分之一）逐步验证与扩展，而不是一次全量上线。
第四，把数据留存策略与地区合规（如欧洲零保留要求）一并纳入上线前设计。
证据与边界
- Clara自主完成约60%服务请求及净推荐值提升为Salesforce客户案例披露。
- Gemma对转化率的拉动属公司预期影响，尚无全量市场实测数据。
- 案例页面未披露明确的精确发布日，来源为厂商案例口径。
企业今天可以做什么
可复制的做法：一是把高意向、低复杂度的“订单查询+FAQ”最先交给客服智能体，先分流约六成重复请求再谈扩张；二是导购类智能体要接入订单历史、商品库、第三方推荐与定性研究等多源数据，用语气控制对齐品牌人设；三是在没有把握前只路由一小部分流量做灰度，比如先从北美与英国的十分之一 FAQ 流量起步，随信心提升再放量。