8 轮真实问答：一场客户现场的完整实录

昨天下午，客户现场

昨天下午 4 点，我们带着老板 AI 经营助手去到一家做了 8 年的饰品品牌客户那里做演示和复盘。

客户负责人对这套系统的核心期待只有一句话：告诉我怎么用。

他关心的，是销售数据怎么分析、畅销款怎么备货、连锁店怎么定价这些具体的经营问题。

下面是当天下午现场发生的 8 轮真实问答。原文复刻，客户名/品牌名、商品编码与款式名称均已脱敏处理。

▲ 第 1 轮 · 七月经营分析报告

这份报告里，最值得我们停下来想一想的，不是「毛利率提升 11 个百分点」这种好消息。

而是这句话：量增价跌订单数同比 +7.6%，销售额却同比 -42.3%。

系统告诉你"发生了什么"，但只有追着问下去，才能告诉你"为什么"。

▲ 第 2 轮 · 销售订单与出库单对账

客户听完这一段，自己先愣了一下。

因为在 ERP 里看着一切正常 —— 单据都在，库存数字也没问题。但这个问答把一个长期被掩盖的结构性问题扒了出来：销售订单流程在 2020 年就停了，订单和出库之间没有关联字段。

这种问题，不追问，永远发现不了。

▲ 第 3 轮 · Top100 备货计划

这是当天耗时最长的一段。

老板没有直接说"给我备货清单"，而是说：这半年的 Top100，做一个针对 8 月的备货计划。

系统从一个普通问题开始，一层层往下拆 —— 月度趋势、品类拆分、库存风险、覆盖天数、P0/P1/P2 优先级。

中间穿插了一段很关键的判断："Top100 中需区分饰品和包材/辅料，后者虽然量大但不应按销量备货。"

老板看完后，又追了一句（这就是第 4 轮）。

▲ 第 4 轮 · 一张表，标清轻重缓急

客户的语气很直接：

系统没有"去查报表菜单"、没有"去找模板"、没有"等明天"。

当场生成 Excel、五个优先级、列清楚每款的覆盖天数和补货建议。

老板在演示结束前，自己又追问了一个动作："每个店的价格带分析、补货建议定期推送给加盟店老板、生产合伙人也要能看。"

这些需求，全部在演示现场被当场确认。

▲ 第 5-8 轮 · 七夕主推方案

8 月 29 日是 2026 年七夕（这是当时系统查到的），客户就在演示现场追加了一轮：根据历史七夕的销 售风格，帮我设计今年的主推产品、文案和备货计划，主推主力品类。

系统同时打开了三个方向：查历史七夕数据、搜历史会话偏好、联网了解今年品类趋势。

▲ 第 5-8 轮复盘 · 老板当场让 AI 重做

七夕组这 4 轮，是当天最有价值的一段。

不是因为方案做得多漂亮，而是因为老板当场抓到 AI 报错。

这一个来回，把客户最关心的事全暴露出来了：

—— AI 不是万能的，它会犯事实性错误。但好的系统，老板能当场质疑、当场校验、当场要它重做。这个过程里，老板自己也在不断校准口径（"改成条码""排除已下架""真的是 19 号吗？"）。

AI 出错不可怕，可怕的是错了不追问、追了不修正、修正了不沉淀。

这份七夕方案后来被存进了"长期记忆"，下次老板再说"七夕主推"，系统会直接接着 8 月 19 日的时间线往下推。

复盘 · 客户自己说出来的价值

演示结束后，我们坐下来复盘。客户提到了几个具体场景，这是他原话整理：

客户自己最后讲了一句话：

从这 8 轮问答里，看到的 3 件事

把对话和复盘放在一起看，能看到 3 个不属于这张表里的东西：

1. 老板问的是业务语言，不是 SQL。

"七月份报告"、"销售订单还有多少货没交"、"Top100 做一个 8 月备货计划"、"根据历史七夕设计主推产品"——全是老板自己的口头语，没有任何报表菜单名、字段名、SQL 痕迹。

2. 追问的过程，比结果本身更重要。

第 4 轮那张 Excel 不是突然冒出来的，是前面三轮一层层往下追问出来的。第 8 轮"8月29日是七夕吗"更典型——结果错了不重要，重要的是老板能追问、AI 敢认错、追完之后整个时间线前移 10 天、参照系换成 2023。

固定报表做不到这件事。

3. 业务跟进的"过程数据"，在 ERP 里看不到。

ERP 告诉你单据存在、库存存在、销售额存在。但它不告诉你：为什么这条数据口径会被客户改 3 次、这个加盟店老板为什么会临时要补货建议、生产合伙人为什么也能登进去、七夕方案的时间线为什么突然前移 10 天。

这些过程的数据，过去没有沉淀，现在开始有了。