老八烧烤
78 分中意向 · 他问「这款多少钱」，系统 6 分钟报了全屋价，他回了一个字：床

四个字的问价、六分钟的破冰、一个字的纠偏

下面三块是这条案例的原始信号：一条 product 类问价评论、它所在的美式家具号视频、以及当天下午到傍晚 3 条的完整对话。先看全貌 — 客户在家具号下问「这款多少钱」，指的多半是视频里那件家具；破冰却按全屋整装口径报了 650 一平。他没走，但也没接这个价，只回了一个字「床」——把话题拉回他真正想问的东西。系统 #3 自动改口去谈定制床，对话就停在了这一问上。

老八烧烤 📍 湖北

这款多少钱

2026-07-13 16:23:48 CST · 评论于「小刘厂长美式家具」视频（号源类目：本地号 · 成都）· 关键词 [多少钱]

📹 评论所在视频（在抖音打开）· 号源「小刘厂长美式家具」· 类目「本地号」

下午 4 点的评论 6 分半破冰 · 客户回复后 AI 1 分 48 秒自动接住

触达侧的时效在本案是过关的：评论 16:23:48 留下，16:30 完成评分建会话，16:30:12 破冰送达——全程 6 分 24 秒。真正的等待发生在客户侧：他隔了 1 小时 44 分才回那个「床」字。而系统在他回复后只用了 1 分 48 秒就自动代回接住——这条 DOM 捕获 → AI 自动代回 → DOM 发出的闭环，是本案最干净的一段。

他问的是床，话术答的是全屋 · 品类错位是本案最硬的短板

这是本案最该拧的一环。号源是美式家具号，视频里放的是家具，客户留的是「这款多少钱」——「这款」指的显然是屏幕上那件东西。但破冰（#1）套用了通用的全屋整装模板：650 一平、硬装软装柜体家电全包、你家新房还是翻新。客户没有被这个价说服，也没回答新房翻新，只用一个字「床」把话题掰了回来。#3 的自动代回意识到了错位并改口，但仍然回避了他唯一想要的东西——价格。

2.1 触发评论 · 最典型的 product 问价信号

「这款多少钱」是全屋定制赛道里最直白的 product 类信号——他不是来学工艺、不是来求资料，他就是在问价。系统据此判成 product、specificity medium、freshness active，给了 78 分中意向。这个分数是合理的：主动问价说明有真实购买意图，但一句四个字、没说房况没说预算，还谈不上高意向。关键在于「这款」两个字带着强烈的指代性——它绑定的是视频里的那件家具，这个上下文没有被破冰话术接住。

2.2 系统给他打了 78 分

2.3 破冰文案 · 报价很快，但报错了品类

首条 AI DM（#1）结构上没毛病：招呼 → 点明来意 → 给价 → 说明包含范围 → 反问场景，四段齐全，而且面对问价不绕圈、直接给数字，这一点值得肯定。问题出在给的是哪个数字：客户在家具号下问一件家具的价，话术报的是「全屋装修整装全包 650 一平」。

2.4 跟进 · 改口很快，但还是没给他要的价

客户只给了一个字 · 信任几乎还没开始建立

本案客户没做任何身份检查（没问「你们是哪家 / 你是做什么的」）——但这不代表信任已经建立，更可能是因为他压根还没投入：整场对话他只输出了一个字。一个报了 650/平却答非所问的开场，加上一个展示资产未抓取的发送号「文哥」，客户要是回头点主页核一下「这人靠不靠谱」，我们心里是没底的。

湖北客户 × 成都本地号 · 跨省捞人，报的却是本地整装单价

Akke 的地区信号分三层：客户 IP 属地（省）、自报现居（市）、号源服务市。本案三层拼出来的图景有点尴尬：客户 IP 在湖北、没自报市；号源「小刘厂长美式家具」是成都本地号。也就是说，一个成都的本地家具号，把评论捞到了一位湖北客户身上（is_same_city = null，同城比对无从进行）。而破冰报的 650 一平整装全包，本质上是成都口径的价——它能不能覆盖湖北的落地交付，页面上没有依据。

本批少见的「主动报价」案例 · 但报的是他没问的那个价

本案是整批里价格戏最足的一条：客户开口就是问价，破冰第一条就直接抛出数字——整装全包 650 一平，硬装软装柜体家电预留都包。不绕圈、不吊胃口，对问价型客户这是对的姿态。但价格的标的物错了：他问的是视频里那款床，我们报的是全屋每平米单价。他用一个字「床」表明了这一点，而 #3 改口之后依然一个价都没给——问价的人，两轮下来一个能用的数字都没拿到。

链路本身跑得很干净 · 但单字回复的意图消歧全交给了 AI

「评论入库 → 评分 → 派单 → DOM 发送 → DOM 捕获回复 → AI 自动代回」这条闭环在本案完整跑通、没有一处掉链子：3 条消息全部回写、无失败、无系统消息误入，客户回复后 1 分 48 秒 AI 就自动接住发出。技术侧是本批的干净样本。但它也暴露了一个产品级问题：客户回的是一个字「床」——这种极短、高歧义的输入，意图消歧完全由 AI 自行猜测（它猜成了"问床的尺寸或布局"），没有任何机制把它升给人工判断，而这恰恰是最该由人接管的时刻。

7.1 当前 · 无影云电脑 · 浏览器 DOM 版私信自动化

7.2 五步链路 · 本案 5 步全绿，短板在"何时交给人"

标准 5 步（常驻环境 / 调度派单 / 执行发送 / 捕获回写 / AI 自动代回）本案全部达标——这在本批里不多见。真正的优化空间不在链路可靠性，而在升级规则：像「床」这样单字、指代模糊、且客户明显在纠正我方口径的回复，应该触发人工介入或至少触发"先给价"的策略分支，而不是让 AI 用三个反问把它接过去。

78 分中意向 · 问价来的人，两轮下来没拿到他要的价

这条案例哪里做得好，哪里还能拧紧

给上面 6 个分析模块各打一个评价。good = 已达可复用标准；mid = 能用但有压缩空间；bad = 是这条链路的明显短板。本案技术链路全绿、速度也够快，输在话术答错了问题——是「跑得快 ≠ 答得对」的典型样本。