0

客户回访用 AI 辅助，话术和记录怎么留

• jjipb_admin_66 发布于
• 收藏

客户回访用 AI 辅助，话术和记录怎么留 一家做门窗的公司，装完一单要回访三次：当天道谢、一周问使用、三个月问有没有问题。执行了半年，回访率从九成掉到四成，原因是没人愿意打——打完还要写记录，一个电话五分钟，写记录八分钟。 问题不在电话，在记录。把记录这半段交给模型，回访率一个月回到八成。这篇说清楚话术怎么给、记录怎么留、哪些环节不能让它碰。 回访要解决的不是满意度打分 很多公司的回访表就...

0

装修报价单用 AI 审，能查出哪些漏项

• jjipb_admin_66 发布于
• 收藏

装修报价单用 AI 审，能查出哪些漏项 每年这个时候都有人拿着报价单来问：这份六万八的报价，能不能签。单子看着挺细，三十多行，每一项都写了单价和数量。翻到第三页就看出问题：防水只写了卫生间地面，墙面没提；拆除费单列，垃圾清运没有；水电按点位算，可全屋只列了二十三个点位。 这类漏项，人查要一小时，还得是懂行的人。让模型过一遍，十分钟能列出七成，剩下的靠经验补。 报价单为什么容易藏东西 装修报...

0

票据和凭证用 AI 识别，准确率怎么控住

• jjipb_admin_66 发布于
• 收藏

票据和凭证用 AI 识别，准确率怎么控住 一家代账公司每月要处理三千多张票，发票、收据、行程单、银行回单混在一起。以前两个会计录入，一个月错三四十张，错的地方集中得厉害：金额位数看错、税额算错、日期写成上一年。 上了识别之后，速度提了四倍，错的类型也变了。人工错的是看漏，机器错的是想当然。控住这两类错的办法不一样，得分开治。 机器错在哪几处 金额和位 最常见的一种错是把金额读成另一个数量...

0

投标文件用 AI 起草，哪些部分不能交给它

• jjipb_admin_66 发布于
• 收藏

投标文件用 AI 起草，哪些部分不能交给它 一家做钢结构的中型公司找我们，说他们每次投标都要熬三个通宵，标书三百多页，七成内容是上一份改过来的。我们看了一遍，真正决定中不中的那部分只占三成，其余是公司介绍、资质清单、售后承诺这类格式化内容。 能交给模型的正是这七成。但那三成，一个字都不能让它碰。分不清这条线，标书做得再漂亮也可能是废标。 能交给它的部分 公司简介、组织架构、设备清单、质量体...

0

门店排班交给 AI 排，哪些约束必须写进去

• jjipb_admin_66 发布于
• 收藏

门店排班交给 AI 排，哪些约束必须写进去 一家六个店的小连锁，排班一直是店长手写。每周四晚上排下周，排到十一点，第二天必有两个人来找：一个说那天有课，一个说连着上六天了。店长改一版，又冒出新的冲突。后来把这张表交给模型排，第一版更乱，因为它不知道谁在读书、谁住得远、谁不能开早。 排班这件事，模型不缺算力，缺的是信息。你脑子里的那些前提，它一条都看不见。想让它排得能用，得把约束一条条写下来，写...