她的评论只有四个字加一个表情——「求一份[可怜]」。系统 7 分 52 秒把私信发了出去;两天后她给了微信,进企微 50 秒拿到柜体报价和配置清单图,79 分钟问出了 174 平五房三卫全屋整装。
她连问三次「茂名有没有服务网点」。我方查完回的是一句实话:最近的网点在佛山、广州,开车 400 公里,超出服务半径要加约 3000 元远程费——同时把总账、摊薄单价、甚至「不选我们也行,我帮你推荐高州本地口碑好的」一并说了。
六分钟后她回:「这样子,那我再看看先,麻烦你了」。
这不是一条话术失败的案例。话术做到了它能做的全部——输的是物理距离。真正该修的系统问题只有一个:决定结局的最后三条消息,一条都没回写进数据库。
下面三块是这条案例的原始信号:她留言的那条视频、那句四个字的评论、以及横跨抖音私信 + 企业微信两条通道的完整对话(共 25 条)。抖音只做了两件事——把人接住、把微信要到;企业微信侧才是户型、面积、风格、报价、以及最后那次诚实到底的坏消息传递发生的地方。
下方各分析模块用 #N 引用回这里。抖音侧 #1–#9(紫),客户微信号在 #6;企业微信侧 #10 起(绿)为加微后的真实培育对话。我方每条回复下面都有三层标注:💡 逻辑(为什么这么说)、🧠 AI 怎么想的(它当轮看到什么、按哪条规则判、数字谁算的)、📚 出处(这句话是调了哪篇知识库 / 哪条话术范例,还是写死的模板)。
出处一律以库里的真实召回记录为准,只有真能查到的才标——没有这一栏,说明这条查不到可追溯的出处;标「没有模型参与」的,说明那一轮是确定性代码直接发的。
qwen3-235b 生成,云电脑网页版 DM 自动发出
🤖 AI代回 · 方案B 企微文字 + 配图 · 由企微自动代回(方案B)qwen3-235b 生成,云电脑 GUI 自动发出(已入库,可精确断言)
👤 未入库 · 出处待确认 #23#25 与 #9数据库里没有对应的消息行,也没有对应的 LLM 调用记录,故不标 AI。#23#25 仅见于企微客户端截图,推测为夏夏在云电脑上手动发出,但无法从数据确认(原先的推断依据"门店库和远程费口径 AI 调不到"已被证伪,见 #23 的调用链)
📚 每条我方回复的逻辑框里还标了「话术库」出处——[确定性] 代码按信号/关键词硬触发(能精确断言调了哪条:如报价走 pricing.ts、发资料走素材库具名条目)· [语义/合成] 按 embedding 相似度检索或 AI 合成(不可事后精确重建,只能标到"哪类知识库")。
comments.city 抄来的,而那只是她人在的地方;两天后她会亲口纠正"不是东莞的户型的,高州的"(#4)。comments.city=东莞(由 IP 属地"广东"推的)。前置的 analyzeComments 先把这条判成 product · medium · active · 78 分;同时评论命中「索取型」词表(求 / 清单 / 资料 / 手册)→ 系统据此认定这个人从头到尾只为拿到那份清单而来,所以她之后的每一轮都会走 (R) 资料交付骨架、全程禁止反问。称呼「燕子姐」= 昵称去掉装饰符号后加「姐」。material-delivery.ts 头注释记着实测——20 个开口要资料的客户流失 17 个,其中 12 个的死因就是被一句反问("给个 v 我发你,你家几室几厅?")劝退。所以它没问户型,直接要号。material-delivery.ts)—— 四步骨架 + 写死的收口句「整份是带图的表格,抖音发不了文件、发图也会压糊,你报个微信号给我」。那句"见光板和封边"式的具体坑,也是确定性函数按客户提到的空间挑的、不是人人收到同一句。llm.ts 三处 prompt 都写着"一字不差照发,别压缩"。dm-reply/wechat-push.ts 里的 WECHAT_RECEIVED_TEXT,本轮没有任何模型参与。quality/protected-phrases.ts):质检模型曾判它"像机器人发模板、缺人情味"、建议改口语化,被驳回——它同时是加微状态机的识别锚点(认出"添加您啦/申请通过"才算加微完成),改口语化 = 整条链断掉。pricing.ts 是唯一事实源(柜体 568 元/投影㎡ ≡ 284 元/房产证㎡,来自原价 868 − 样板房补贴 300),投影面积走"房产证 ÷ 2 ×(1±5%)"的金牌公式 → 138.23 ÷ 2 ≈ 69 投影㎡ × 568 ≈ 3.9 万,由代码确定性算好塞进 prompt,模型只负责套话术、碰不到数字。为什么非这样不行:模型自己编的数字,客户加了微信一对表格就穿帮,比不给数字更伤信任。general),等知道几房了才有对应的布局图。pricing.ts:柜体 568 元/投影㎡ ≡ 284 元/房产证㎡(原价 868 − 样板房补贴 300),投影面积走「房产证 ÷ 2」金牌公式。数字由代码算好塞进话术,模型碰不到。checklist:general(户型未知走通用版),引导语写死不过 LLM5room(户型未知的 general 是没有图的,因为不知道几房画不出来、那时候就该继续问)。layout:5room,按客户说的"五房三卫"确定性匹配(户型未知的通用版没有图——不知道几房画不出来)general 是没有图的——不知道几房画不出来,那时候就该继续问style-quiz.ts 的 QUIZ_STEPS step 1)的常量原文;三张图由选图矩阵按三个风格分类各抽一张(法式奶油 style-14 / 现代极简 style-12 / 原木侘寂 style-11),抽到的编号记进会话去重集合,同一客户不会重复收到同一张。style-quiz.ts step 1 的注释直接点着这单的名:"⚠️ 别写「实拍」:这批是 3D 效果图不是工地实拍照,客户一眼看出来就是当场穿帮(2026-07-28「燕子」那单:话术说实拍、图却是渲染的别墅外景)" —— 常量已改成"效果图",真正的自家落地实拍走另一条 kb/case-photos.ts 通路。下面三张就是她当时真收到的图。style-quiz.ts 里已经有 isProtestingUnanswered / hasConcreteSignal 这类钩子可用——有提问就让位给应答、下一轮再问。这是编排优先级问题,不是模型能力问题:模型压根没拿到这道题。renovation_stage 明明已经抽到了"还没交房"(见 #22),抽到了却没有任何下游动作用它。role=customer 落库、带着真实的 wecom_msgid,但内容是"微信 / 07/21 / @微信 / 07/21"——不像任何人会说的话,更像云电脑那侧的 GUI 抓取把窗口里的界面文字(联系人名 + 日期)当成了一条新到的客户消息。这条案例的时效表现是全绿:抖音 7 分 52 秒首触、企微每条自动回复 21 秒到 1 分 31 秒、连"查门店库"这种必须人工介入的动作也在 23 分 32 秒内兑现并给出了完整答复。唯一的时效瑕疵是嘴上那句"稍等两分钟"——不是做慢了,是话说早了。
50s / 55s / 1m31s / 21s / 33s / 24s,没有一条超过 1 分 31 秒。📌 客户视角全程:07-26 19:20 留评论 → 07-27 10:22 回应(隔夜 14h54m)→ 07-28 15:40 纠正地区(隔 29h17m)→ 16:27 给微信 → 17:30 加微 → 19:19 搁置。两个大 gap 都是客户自己的节奏。我方从头到尾没有一次让她等超过半小时。
唯一该改的是那句"稍等两分钟":真实工作量(查库 + 算距离 + 算远程费 + 重算报价)根本不可能两分钟做完,最后用了 23 分半。许一个做得到的时间,比许一个好听的时间重要。
内容侧有两个看点。一是信息密度的暴涨:抖音评论只有「求一份」三个字加一个可怜表情,进企微 79 分钟后系统手里已经有了茂名 · 174 平 · 五房三卫 · 全屋 · 原木侘寂 · 还没交房加五条硬性需求。二是#23 那条坏消息传递——它是本批案例里质量最高的一条话术。
硬伤只有一个,但很扎眼:客户明确问的产品问题,从头到尾没人回答。
在旭东聊装修(全国性装修知识号)的《装修应该提前准备什么?》底下——这条视频 1.2 万赞、936 条评论、1.3 万收藏,是条典型的高流量干货视频——燕子只留了「求一份[可怜]」。
四个字里其实藏着三件事:①她要的是那份"准备清单",指向明确,不是随手划过 ②用了"可怜"表情,是伸手要东西的姿态,说明她愿意跟评论区互动,接私信的心理门槛低 ③但零参数——没说面积、没说进度、没说预算,所以这是"想了解"而非"要下单"。事后印证得很准:她在企微里亲口说了"还没交房的……提前了解一下"。
抖音破冰(#1)四步骨架齐整,客户也确实回了——但第三步的地域锚锚错了城市,成了这条链路上唯一一处需要客户亲自纠正的地方。
企微侧 109 分钟里跑完了「报锚价 → 给清单图 → 承接整装 → 出柜位图 → 卸压力 → 发风格图 → 补范围 → 查网点 → 重算总账 → 给退路」一整套动作。#23 那条尤其值得整个团队拿去当模板。
这条 lead 的信任表现是全案最稳的一块:客户从没问过"你们是哪家公司"、愿意给微信、愿意报出面积户型和一堆私人规划,最后在决定不买的时候还说了句"麻烦你了"。被拒绝时收到的道谢,是信任最硬的证据。但要说这份信任建在什么资产上,入口那一端我们拿不出证据:抖音「文哥」号的主页简介、粉丝数、作品数一个都没抓到。
e7d50b4c · 抖音号 24384939266这是本案唯一真正致命的一节,也是最该被记住的一节。地区在这里错了两层:第一层是识别错——系统把她当成东莞客户,破冰连讲两遍"东莞",直到她自己开口纠正;第二层不是错,是硬边界——她真正的房子在高州(茂名代管的县级市),我们最近的服务网点在佛山、广州一带,开车约 400 公里。她连问三次"服务网点在哪",问的就是这件事;而这 400 公里,最终就是这单没成的全部原因。
comments.ip_location · 省级没错,但粒度不足以定服务地comments.city · 被 opener 直接当成服务城市用了,客户 07-28 亲口纠正source_accounts.city · 「旭东聊装修」是全国性知识号,本就无服务市comments.city 采到的是她发评论时人在哪,不是她房子在哪,而 opener 把它当服务城市用了。企微侧画像后来已自动修正为 city=茂名,说明系统能纠、只是纠得晚。价格是这条案例做得最扎实的一块。客户刚加上微信、只丢了一句「C户型 约138.23㎡」,50 秒后拿到 3.9 万;50 分钟后她说自己其实是 174 平五房三卫,再过 51 分钟就拿到了重算后的 4.9 万——外加一笔本可以藏起来的 3000 元远程服务费,主动提前交代。两次报价口径一致、算数自洽,没有一处虚报。
pricing.ts 的唯一事实源:柜体 568 元/投影㎡(原价 868 减样板房补贴 300),换算用"投影 ≈ 房产证 ÷ 2"的金牌公式。138 平 → 3.9 万、174 平 → 4.9 万,手算复核完全对得上;远程费 400×8=3200("3000 出头")、3000÷174≈17.2("每平米多 18 块")也都自洽。这在动辄口径打架的报价环节里很难得。这条链路的分工其实很健康:AI 负责秒级响应、挖信息、按口径报价出图;人负责兜住 AI 兜不住的那一下——组织那条决定成败的坏消息传递。该自动的自动了,该人接的人也接了。
但"AI 干不了"这个说法要收窄:门店清单、服务点清单、远程费费率全都在知识库里、当天多轮都被召回过;AI 真正调不到的只有一样——两地之间的公里数。
问题也不止一个:人做的那三条一条都没写回数据库;而次日又有一条被抓取噪声触发的自动回复(#27)带着另一套远程费口径发了出去,两边记录谁都不知道谁。
e7d50b4c · 野荞名下channel_pref = cloud_pcAabc159263加微后进入企业微信。常规文字与配图由方案B AI 自动代回(qwen3-235b)产出,在夏夏的云电脑上由 GUI 自动发出;需要现查现算的动作(最近的服务点在哪、开车多远)由人接管(#23)。注意 #15#17 这两轮根本没有模型参与——是风格问答的确定性题目直接发的。
messages 停在 18:49:36stage=nurture、updated_at 也停在那一刻。而真实世界里,19:13–19:19 之间已经走完了给报价 → 亮 400 公里和远程费 → 客户搁置 → 收口。last_inbound_at / stage 的自动跟进都会挑错时机——比如对一个已经明确说"我再看看"的客户发催促;③ 本页第一版就是被这个缺口误导的,差点把一次做得很漂亮的坏消息传递写成"我方失联五小时"。给上面 6 个模块各打一个评价。本案的价值在于它把两件事分得很清楚:哪些是我们做得不好(锚错城市、吞掉客户提问、人工消息没回写),哪些是我们再努力也改不了的(房子在 400 公里外)。话术、时效、报价、信任四项都交出了可复用的样本;输的是地理,丢的是数据。
50s / 55s / 1m31s / 21s / 33s / 24s,没有一条超过 1 分半。customer_profile.city 已从东莞更新为茂名。pricing.ts 唯一事实源 + 投影≈房产证÷2 金牌公式;400×8=3200、3000÷174≈17.2,手算复核全对。五房三卫 自动匹配、效果图按分类抽取并去重。stage 仍 nurture,而真实对话已在 19:19 收尾。last_inbound_at/stage 的自动跟进会挑错时机——比如去催一个已经说"我再看看"的人。979e206c-…-3a1c30dde0bcfee1d288-…-c7325ccd22b8ice_break / 企微 nurture(⚠️ 未随结局更新)4e419231-…-6f0fed07bfeMS4wLjABAAAAXBu_GeSBad…F1eBJSqvxiaoxia:燕子❤️e7d50b4c · 抖音号 24384939266 · 野荞名下)channel_pref=cloud_pc · 日限 30Aabc159263_quiz.done=true