案例 15 · 本地生活脚本
Datawhale原书章节 · 印刷页码 145—156 · 当前仅加载一页

原书第 147 页 · 点击页面可放大查看
查看与复制本页文字
文字由原PDF提取,阅读顺序和表格请以原页为准。
但我真正开始介入之后发现,问题并不只是“写不够快”。 本地生活内容有一个很特殊的地方:不同商户之间差异很大。可能都是餐饮,有的是高 端酒店,有的是连锁餐厅,有的是独立的小店;不同门店的主打菜品、活动、老板表达 方式、目标客群都不一样,通用模型按固定模板生成,很难照顾到这种差异。 我后来判断,与其把大量成本放在模型和本地部署上,不如先解决真正影响结果的事 情:业务流程到底怎么拆、哪些经验应该交给AI、哪些地方必须保留人的判断,以及如 何让AI的输出稳定地贴近这个团队自己的内容标准。 这也是我作为FDE最先关注的地方。 我会从客户每天真实发生的工作开始,看哪些事情适合让AI承担。 Q2:在你参与之前,这个问题过去是怎么解决的? 他们过去主要依靠运营人员的经验来完成内容生产。有人负责文案,有人负责拍摄,有 人负责剪辑,再由团队负责人进行协调和审核。对于客户数量还没有这么多的时候,这 种方式是完全能够运行的。 因为人有一个优势:遇到不同的商家、不同的菜品和不同的情况,人可以根据经验临时 判断。 比如一个运营人员长期服务餐饮客户,他可能知道什么样的老板适合什么表达方式,也 知道什么样的菜品应该突出什么卖点。这些东西很多时候就存在于人的脑子里,没有被 沉淀成标准化的文档。 所以过去的流程本身没有错,问题在于:规模一上来以后,过去依赖人的经验就很难继 续放大。 他们后来也尝试过直接让AI写,包括本地部署DeepSeek,但效果并没有达到预期。简 单地把历史文案、写作范式交给模型,并不能解决问题。 147/243