她在广东东莞。在苏等等的家发的四房两厅装修视频底下,别人正在评论区排队要户型清单,她跟了一句 — 「可以也给我发一下清单吗」。
系统 4 分钟内评分、起草、送达。1 小时 22 分后她回了两个字「三房」,AI 45 秒内跟上,还当场把「三房」对齐成「三室」 — 然后一步到位开口要微信。
本案最刺眼的不是话术,是手里握着「广东 · 东莞」省市两级完整地区数据,全程一个字都没用上。整条案例按 6 个模块复盘 — 做到位的与 还能拧紧的。
下面三块是这条案例的原始信号:她留评论的四房两厅装修视频、那句带着「也」字的跟风索取、以及 1 小时 27 分钟里 3 条来回的完整对话。全批最短的一条 transcript,但每一句都有得说。
messages.role = ai,右侧紫色气泡,右上角带「小星·全屋定制」金色徽章);#2 来自 DB(role = customer,左侧灰色气泡)。本案 DB 3 条与手机聊天截图完全一致,无遗漏、无需截图补录 — 这在本批案例里是少数。sent_at / created_at。抖音客户端截图上显示的时间戳与落库时间存在数分钟偏移(客户端只在间隔较大时插入时间标签),以 DB 为准。
时效性是 Akke 链路最先体现的工程指标,本案两端都很干净:评论 14:05 → 破冰 14:09,全程 4 分钟;客户 15:31 回了两个字,AI 15:32 就跟上,间隔 45 秒。中间那段 1 小时 22 分的沉默不是系统的锅 — 球在客户手上,她只是刷完视频走开了。
📌 本案的时效结论很干净:系统两次出手都是分钟级,唯一的长间隔完全由客户节奏决定。这类样本的价值在于它把「延迟」拆清楚了 — 不是所有等待都该记在系统头上。真正值得优化的不是这 1 小时 22 分本身,而是这 82 分钟里 AI 什么都没做:没有二次轻触,没有在等待期补一条「清单我先按你家户型给你留着」。
内容侧是评分模型 + 破冰话术生成共同决定的:客户留了什么、系统看到了什么、AI 写了什么。本案的关键词只有一个字 — 「也」。它决定了这个客户是什么人,也决定了破冰本该怎么写。
在苏等等的家发的四房两厅装修视频底下,她写下 「可以也给我发一下清单吗」。拿掉那个「也」字,这就是一句普通的索取;加上「也」,整句话的含义完全变了 — 它说明她看到了评论区里别人在要清单,而且别人已经拿到了。她不是自己想到要清单的,她是被带动的。
intent_reason = 「问购·一般·在调研」,comment_type_reason = 「索要清单,购买信号」):产品型 · 中 specificity · active。首条 AI DM 在 transcript(#1)。结构很标准:招呼带昵称 → 指明视频 → 承诺可以发 → 反问房型。问题不在结构,在第二段用错了主语。
跟进只有一条(#3),但信息量塞得很满:术语对齐 → 已备好 → 细节佐证 → 价格暗示 → 渠道理由 → 索要微信,六件事一句话干完。开头那三个字是本案最值得抄的细节;结尾那一句是本案最该改的动作。
本案 AI 在第二句就开口要微信 — 这让账号信任度成为决定成败的那一层。她要不要给,很大程度取决于她点开「小星·全屋定制」头像之后看到了什么。本案触达账号 DB 内部名「零星」,聊天气泡右侧带金色「小星·全屋定制」徽章。
accounts.following_count(同步于 6-25)accounts 无粉丝字段 · 需运营主页截图补数
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。本案是全批 12 条里唯一一个 comments.city 有值、且是客户自报现居市的完整样本 — 省市两级齐全:广东 · 东莞。
然后,破冰和跟进全程一个字都没提东莞。
comments.ip_location · 抖音 IP 反查comments.city · 本批唯一非空 · 客户自报现居市source_accounts.city · 「苏等等的家」标为本地号但市字段未入 → is_same_city = nullcomments.city 里,只是没人去读。
comments.city 非空时,强制注入城市名到破冰首句。这是本案能提炼出的最具体、最零成本的一条改进。
source_accounts.city 未入,is_same_city 无法判定。本案客户市已知(东莞),只要补录号源城市,就能第一次真正跑通「同城判定」这条逻辑 — 拿到判定结果后才能打「本地仓 / 本地安装队 / 可上门量房」这类最强的信任锚。建议优先补录本地号的城市字段。
本案对话未涉及价格话术(无单价、无总价、无预算区间)— 具体报价模块跳过。唯一沾边价格的表述是跟进里的一句「工厂直供比门店低不少」。所以本模块的重点不是"报得对不对",而是"该不该报"。
"评论入库 → 评分 → 起草 → 发送"在 DB 里是几行行变化,物理世界对应的是一台阿里无影云电脑上常驻的抖音客户端。账号 channel_pref = cloud_pc,不再依赖运营本机的手机和 ADB 线。本案是本批回写质量最好的样本之一 — DB 3 条与手机截图完全一致。
抖音 web DM 在 Fly Tokyo 出口被风控屏蔽,Akke 现阶段靠云电脑常驻 GUI 自动化触达:cron 派单进队列,云电脑上的 poll agent 拉单,用模板匹配 + SendInput 在抖音 PC 客户端里完成搜人、开会话、粘贴、发送。通道判定有硬证据 — accounts.channel_pref = "cloud_pc"。
channel_pref = cloud_pcmin_send_interval_seconds = 30
本案 messages 表里 2 条 AI + 1 条客户回复全部入库,与手机聊天截图逐字一致。同批多条案例出现「客户连发短消息被漏捕」的问题,本案没有 — 但这更可能是因为对话稀疏(每轮间隔以小时计),而不是捕获逻辑变强了。
followup_policy = standardhanded_off_at = null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。
comments.city 非空 — 全批 12 条里唯一一个省市两级齐全的样本。source_accounts.city 为空,is_same_city 判不了 — 本案客户市已知,是最有希望跑通同城判定的一条,却卡在号源侧。comments.city 非空时强制注入城市名到破冰首句。零成本、零风险的信任加成。channel_pref = cloud_pc 硬证据,不再依赖运营本机手机和 ADB 线。23107cde-…-a9ddb4156505b35972a9-…-8df5bb52ffab · stage ice_breakMS4wLjABAAAAiwOF…bIWS7655558671637079494 · 四房两厅装修 · 号源「苏等等的家」(本地号)channel_pref = cloud_pc)· ≥30s/条