建材行业
一、这类企业的做法通常是什么样的
订单靠微信和电话进来：客户发一张手写单照片，或者直接说「老规矩」。
价格一客一价，还分工地价、门店价、老客户价，全在业务员脑子里。
送货地址经常变：同一个客户有多个工地，每次要确认送到哪。
对账要几天：翻单据、对微信记录、核欠款。
由此产生三个典型后果：
- 录单靠人。 图片和语音要人翻译成订单，占掉大量时间。
- 价格报错。 业务员记错价、新人不知道价，报错了客户不认。
- 对账慢。 月底几个人核几天，还核不准。
二、这件事的矛盾在哪
矛盾一：最省事的做法，也是最难管的做法
订单靠微信和电话进来：客户发一张手写单照片，或者直接说「老规矩」。这样做省事，但所有信息都在个人手里，人一走就断。
矛盾二：灵活是竞争力，也是错误的来源
这个行业的灵活性是必要的——客户情况千差万别。但当规则只存在人的经验里，新人上手慢、老人记错、走了带不走。
矛盾三：想要数据，但数据是从错误的地方汇总的
很多企业上了报表，发现数字不对就不看了。问题不在报表，在源头。
三、看三个数（你自己判断该不该做）
| # | 指标 | 怎么判断 |
|---|---|---|
| 1 | 每天录单花多少时间？ | 录入人数 × 每人每天小时数。超过 4 人小时/天，就值得算账。 |
| 2 | 对账差异率是多少？ | 每月对不上的单数 ÷ 总单数。超过 2% 说明流程有漏洞。 |
| 3 | 报价错误造成的损失有多少？ | 报低了少收的钱、报高了客户流失，加起来一年多少。这个数大部分企业算不出来，但一定存在。 |
⚠️ 说明：上表的判断标准是我们的经验参考值，不是行业标准。不同规模的企业合理区间差异很大，它的作用是帮你判断「要不要认真算这笔账」。
四、FDE 怎么落地
场景1：订单结构化
你遇到的：图片、语音、群里喊话要人翻译。
我们做的：接一个入口，客户下单直接进系统，图片语音识别转文本，人只确认。
关键取舍：识别不会 100% 准，设计成人确认而不是全自动。
场景2：价格规则显式化
你遇到的：一客一价全在脑子里。
我们做的：客户等级、区域、历史采购量对应什么价，写进系统，报价自动匹配。
关键取舍：规则越细越准也越难维护，从 3–5 条主要规则开始。
场景3：多工地地址管理
你遇到的：每次要确认送到哪。
我们做的：客户下挂多个收货地址，下单时选，默认带上次的。
关键取舍：默认带出容易带错，要提示确认。
场景4：对账自动勾稽
你遇到的：月底几个人核几天。
我们做的：订单、出库、收款三环节自动勾稽，对不上的列出来。
关键取舍：要求三个环节数据都在系统里，收款还手工记的话先解决收款。
五、服务包建议
| 你的情况 | 建议路径 |
|---|---|
| 不确定从哪下手 | P0 诊断（免费）——先看三个数 |
| 想先试订单结构化 | P0 → P1 原型（1–2 周） |
| 订单价格对账都要改 | P0 → P2 交付（3–8 周） |
建材行业我们建议从订单结构化或价格规则入手。前者省人力，后者省钱。
六、边界说明
这一节很重要，请认真看。
| 我们能做到 | 我们做不到 |
|---|---|
| 把流程线上化、把数据连起来 | 让一线自觉用系统（这需要管理） |
| 把规则显式化 | 替你决定经营策略 |
| 自动勾稽、主动预警 | 保证数据源头一定准确 |
| 让做错变难 | 让不想做变成想做 |
最后一条最关键：系统能让「做错」变难，但不能让「不想做」变成「想做」。
什么情况下我们建议不做：
- 老板自己不看数据、只让下面人搞
- 流程本身还没定型，每天都在变
- 数据源头完全不在系统里，且短期内不会改
- 只想做个演示给客户或银行看
常见问题
建材企业最值得先做的 AI 或自动化是什么？
通常是订单录入。因为建材的订单大量来自图片和语音，翻译成本高、错误代价大。价格规则也值得做，但涉及管理决策，阻力更大。
客户有多个工地，地址怎么管？
客户下挂多个收货地址，下单时选择。注意系统默认会带上次的地址，客户搬了工地或换了地址时要提示确认，否则会发错。
业务员不愿意用系统怎么办？
先让系统帮他省事，而不是给他增加工作量。比如代客录单比手写快、报价自动匹配不用查，他自然会用。如果系统只是增加他的录入负担，一定推不动。
我们已经有订货系统了，还需要做吗？
取决于现有系统能不能覆盖你的实际流程。标准功能够用就不需要；如果像我们做过的案例那样——不支持跨订单按商品行拣货——那就需要扩展。先做诊断。
先聊清楚问题，
再谈要不要做
90 分钟诊断会，免费。我们会告诉你这件事值不值得做、大概多少钱、以及——如果结论是"不该做"，也会直接说。
