试听课老师匹配：首堂体验更像量身接待而不是随

这个案例来自 教育培训 场景，讲的是招生环节一个非常关键、却常常被当作普通排班处理的动作：
试听课安排给谁上，并不是“谁有空谁上”这么简单。学员年龄、基础水平、家庭关注点、课程风格和老师的接待能力如果没有一起看，试听体验很容易在第一节课就偏掉。

很多试听转化不高，不是课程不好，而是老师匹配得不够准。

这个现场到底发生在什么地方

常见于：

K12 学科试听
少儿英语试听
素质教育体验课
一对一试学

现场真实状态通常是：

顾问知道家长最在意什么
教务知道哪些老师有空
校区负责人知道哪些老师试听转化更稳
但这些信息很少在排试听时被完整合起来

真正难的地方是，试听课既是教学动作，也是转化入口。

原来的处理链条为什么会卡

改造前，试听老师安排大多优先看档期。

典型链条通常是这样的：

顾问确认客户想试听；
教务看哪个老师有空；
安排试听；
课后再看家长反馈和是否报名。

旧流程最常见的卡点有这些：

1. 有空不等于最合适

试听课最怕老师风格和学生差太多。

2. 顾问掌握的家长顾虑没被带进排课

老师上课前未必知道家长最在意什么。

3. 老师试听转化能力存在差异

但旧流程不一定会把这种差异纳入匹配。

4. 试听失败难复盘

是老师不合适、学生不匹配，还是顾问前置信息没传到位，旧流程不容易看清。

改造前的旧流程简图

flowchart TB
    A[顾问确认试听需求] --> B[教务优先看空闲老师]
    B --> C[安排试听课]
    C --> D[课后再看家长反馈]
    D --> E[匹配问题往往到结果时才暴露]

这条旧流程为什么总让试听体验看起来有点碰运气

从项目复盘角度看，真正的问题不是老师不优秀，而是“识别客户特点、匹配老师风格、带上前置信息、复盘试听结果”这条链没有被系统化。

1. 首堂课容错率很低

第一印象一偏，后面很难追回来。

2. 空档排满不等于体验最好

试听更需要匹配而不是只看效率。

3. 老师需要知道客户背景

这样上课和沟通才更有针对性。

4. 校区难沉淀“什么样的试听最容易成”

结果只能靠经验流传。

派宝怎么把多智能体放进去

派宝做的不是替校区决定最终排课，而是把“先整理试听对象画像、再匹配老师、再同步关注点、再复盘效果”这条链跑顺。

1. 客户意向判断先识别试听对象真正关注的重点

是提分、兴趣、课堂气氛还是学习习惯。

2. 排班建议结合老师风格、经验和档期做匹配

不是只看谁有空。

3. 内容摘要生成把试听前置背景同步给老师

老师上课前更知道要重点关注什么。

4. 客户回访总结帮助校区沉淀试听匹配经验

下一次不必再完全靠直觉。

改造后的新流程详细图

flowchart TB
    A[试听需求进入系统] --> B[客户意向判断能力<br/>识别试听关注点]
    B --> C[排班建议能力<br/>匹配更合适老师]
    C --> D[内容摘要生成能力<br/>同步试听背景给老师]
    D --> E[试听后客户回访总结能力<br/>沉淀匹配结果]
    E --> F[试听体验更稳更有针对性]

上线前后到底差在哪

以 试听量大、老师风格差异明显 的校区为例，连续运行 5 周后，最明显的变化不是试听课更多了，而是原本最依赖“碰到谁就谁上”的匹配动作，开始更像一次有依据的安排。

上线前后对比表

对比项	改造前	改造后
试听老师匹配准备耗时	较长	缩短约 39%
试听前老师对家庭背景了解程度	偏低	明显提升
试听后因风格不匹配导致的反馈落差	较多	明显下降
校区对试听匹配经验的复盘能力	一般	明显增强
试听到报名的转化稳定性	波动较大	明显提升