# 独立提案 — 11 个 World-Class AI Ideas(中文版)

**日期:** 2026-07-28 · **作者:** Claude(Chief AI Officer 视角)· **性质:** 本报告是 [Report 2](./2026-07-28-ai-copilot-development.md) 的 **Part E 独立扩展** — Report 2 的 C2–C5 是回应 CEO 的 brief(RAG chatbot、知识库上传、channel agents、orchestration master brain),而这一份是**我自己的判断**:11 个您没有提出、但我们的数据和架构已经支持的方向。

**World-class 的标准不是概念新颖,而是「别人抄不走」。** 所以每一个 idea 都注明:为什么是*这家公司*能做 — 依据是我在 2026-07-27 实测的数据(详见 Report 2 Part B)。

---

## 第一层:Data Flywheel(数据自动化 — 一切的地基)

### Idea 1 — 自己写自己的 Playbook(Self-Writing Playbook)

**您的原构想是上传 world-class 销售知识库;我建议反过来:从自己的数据里「挖」出来。**

- **概念:** 我们有 ~1,900 条已被 `ConversationAnalyzer` 结构化分析的 transcripts(Zoom 1,694 + Phone 214 + F2F 4),每条都带 objections、buying stage、0–10 sales performance score;另有 98 个 Converted 和 79 个 Lost 的成交结果做标签。一条 extraction pipeline 定期追问:「**在同一个 objection 面前,赢单的对话做了什么、输单的没做什么?**」输出一份持续自我更新的 objection → rebuttal playbook。
- **为什么是我们:** 这份 playbook 由*我们的市场、我们的楼盘、我们团队的中英夹杂话术*构成 — 竞争对手买不到。上传的书本知识只是 seed,自己的 corpus 才是 moat。
- **落地:** 一个 scheduled batch job(现有 `AiClient` + prompt registry),输出进 Idea 12 的统一 KnowledgeBase;喂给 Copilot、WhatsApp draft、coaching。
- **风险:** 样本偏差(赢单少)→ 初期人工审核每条 pattern 再入库。

### Idea 2 — 自己填自己的 CRM(Self-Filling CRM)

**Report 1 最难看的数字:182 张 bookings 里 0 张有 SPA price / bank / closer。靠 UI 提醒改变不了人的纪律 — 那就不要求人。**

- **概念:** 这些事实*已经存在于对话里*:「SPA 上礼拜二签了」「Maybank 批了 90%」,closer 就是录音里说话的那个人。一个 extraction agent 读新的 transcripts 和 WhatsApp threads,**提议**(suggest-tier)字段更新 — 一键接受,和现有 Phone Call 的 suggested-match review 一模一样的 UX。
- **为什么是我们:** 全公司对话已经流经统一管道(inbox + 录音 pipeline),而且 lead == user 的单一 identity spine 让每条信息都能落到正确的人身上。
- **落地:** 每条新 transcript / 每日 WhatsApp 摘要 → structured extraction(沿用 `normalize()` 防幻觉钳制)→ 提议队列。**这是所有其他 idea 的营养来源 — 我排第一优先。**
- **风险:** 错误提取污染 CRM → 永远只到 suggest tier,不自动写入。

---

## 第二层:Growth Engine(增长引擎)

### Idea 3 — AI 就是 Funnel,而不只是 Funnel 里的工具(AI-as-the-Funnel)

- **概念:** 现在的获客是 webinar 形状的:定时、批量、费力。而 Property Match 和 Rental Estimate 两个表单型 lead magnet 的提交数是 **0** — 表单形状的获客已经失效。我们有 15,528 个楼盘的 catalog 和现成的分析引擎:把一个**公开的 conversational property advisor** 放到 WhatsApp 上(马来西亚人本来就在那里),什么楼盘都能问、答案有据可查,聊着聊着就完成 qualify + 预约。一条 24/7 不休息的新 funnel。
- **为什么是我们:** bridge、AI profiles、objective 机制、catalog 全都已上线 — 缺的只是把它们对准公众。
- **落地:** 先在一个楼盘/一个 campaign 试点;严格 grounding(只答 catalog 有的事实),超出范围 → handoff。
- **风险:** 品牌风险最高的一个 — 所以试点先行,升级门槛用 eval 数据说话。

### Idea 4 — Traffics 创意闭环(Creative Loop)

- **概念:** 我们有 campaign/adset/ad 级的归因(`lead_funnels` + session-level ad snapshot),还有 feature-flagged 的 AI Video 模块。当某条 ad 的 CPL 衰减,自动生成有据可查的变体(catalog 事实 + Idea 1 挖出的 winning hooks)→ 经现有 Meta API 推送 → 度量。Ad ops 从每月一次的苦工变成受监督的 flywheel。
- **落地:** 先只做 copy 变体(suggest tier),video 后置。

### Idea 5 — Campaign Factory(一句话开出一条完整 funnel)

- **概念:** 现在开一个新 campaign 要手工建 funnel landing、slots、WhatsApp welcome/reminder flows、Meta campaign — 全是我们自己的模块。一个 orchestrated workflow 从一句 brief(「八月 KLCC 新盘,主打首购族」)生成整套草稿:landing 文案、flow 步骤、ad creative、受众建议 — 人审核后一键上线。
- **为什么是我们:** 这不是接第三方工具,是把*自己家的*五个模块串成流水线 — hyperautomation 的教科书场景,而且每一环都有现成 API。
- **风险:** 范围大 → 排在 Phase 3 之后。

### Idea 6 — Market Intelligence Radar(市场情报雷达)

- **概念:** 每周自动生成一份中英双语市场简报:新盘发布、交易数据、利率动向,**并且和我们 catalog 里的具体楼盘挂钩**(「本周 X 区新增供应,影响我们在售的 Y、Z」),经 Telegram `Notifier` 推给团队。销售开口永远有新鲜、有据的谈资。
- **落地:** web search + catalog grounding + 现有 Notifier 事件;半天级别的工程量,先做最简版。

---

## 第三层:People & Operations(人才与运营)

### Idea 7 — Buyer Simulator(买家模拟器)

- **概念:** Coaching 只能*事后*复盘;把时态反过来 — 用 Idea 1 挖出的真实 objection corpus 构建 AI「买家」:多疑的 Sri Petaling upgrader、DSR 吃紧的首购族。新人对着 AI 买家反复演练 closing,由*同一个* analyzer 打分(和真实通话同一把尺)。训练从「听你打坏的电话」变成「把 rebuttal 练成肌肉记忆」。
- **为什么是我们:** 市场上没人这么做;而 simulator 的燃料(真实 objections + 评分器)我们都有。

### Idea 8 — AI Loan Companion(贷款陪跑员)

- **概念:** 马来西亚楼市成交的最大瓶颈是 loan。Wealth Planning 模块已经有 WhoPay CCRIS 报告解析和 bank-rules simulator(纯客户端)。把它长成一个 WhatsApp 上的贷款陪跑 agent:DSR pre-check、材料清单、银行比较、LO/SPA 里程碑提醒。
- **三重回报:** 减少 79 个 Lost 里因贷款流失的部分;每个里程碑自动喂 Idea 2 的 CRM 字段;交楼后的第一个 referral ask 时机由它标记。
- **风险:** 金融合规敏感 → 只做资讯与流程陪跑,不做建议性推荐。

### Idea 9 — Membership Success Agent(会员成功代理)

- **概念:** 452 个 member subscriptions + LMS 进度(目前只有 8 条 lesson progress — 本身就是 churn 信号)。一个 agent 监测会员参与度:课程停滞 → nudge;完课 → 引导到 portal 工具;续费窗口 → 个性化 renewal 沟通。教育业务和交易业务之间的 cross-sell 桥。

---

## 第四层:Demand Recycling(需求循环 — 最被低估的一层)

### Idea 10 — Lost-Deal Marketplace(输单不丢,需求再匹配)

- **概念:** 79 个 Lost engagements 不是垃圾,是**带预算、带偏好的活跃需求数据**;Concierge 模块同时躺着业主的卖/租委托。一个 AI matchmaker 把两边接起来:在楼盘 A 输掉的买家 → 匹配到 subsale/rental 的 B。**「没有一个 lead 被浪费」**变成系统属性,而不是口号。
- **为什么是我们:** 需求侧(analyses、quiz、lost reasons)和供给侧(concierge listings、15.5k catalog)都在同一个数据库、同一个 `lead_id` spine 上。

### Idea 11 — Project-Launch War Room(新盘发布作战室)

- **概念:** 新盘上架的那一刻,AI 反向扫描全部 9,846 个 leads 的历史信号(analyzer 提取的 budget、看过的区域、quiz 答案、portal 行为)→ 自动生成**按匹配度排序的 call list**,每人附一句「为什么是他」+ 开场白草稿。发布日的前 48 小时从混乱变成弹药充足。
- **落地:** 就是 Copilot 的一个 tool + 一个排序 prompt — Phase 1 之后几乎是免费的。

---

## 优先级矩阵(我的真实押注顺序)

| 顺序 | Idea | 理由 | 依赖 |
|---|---|---|---|
| 1 | **#2 Self-Filling CRM** | 是所有系统的营养来源;解决 Report 1 的最痛数据缺口 | Phase 0(timeline + tool-use) |
| 2 | **#1 Self-Writing Playbook** | 复利最强的资产;喂 Copilot / drafts / coaching / simulator | 录音 corpus(已有) |
| 3 | **#11 War Room** | Copilot 建好后近乎免费,销售立刻有感 | Copilot v1 |
| 4 | **#8 Loan Companion** | 打在马来西亚成交的真瓶颈上 | #2 |
| 5 | **#3 AI-as-the-Funnel** | 上限最高、品牌风险也最高 → 单盘试点 | AI profiles(已有) |
| 6 | **#7 Buyer Simulator** | 差异化极强,燃料来自 #1 | #1 |
| 7 | **#10 Lost-Deal Marketplace** | Concierge 供给量起来后启动 | 数据积累 |
| 8 | **#4 Creative Loop → #5 Campaign Factory → #6 Radar → #9 Membership** | 增长层按带宽推进 | 各自模块(已有) |

**一句话总结:** 您的 brief 造的是「AI 帮团队干活」;我这 11 个造的是「AI 让公司拥有别人没有的资产」— 自我更新的 playbook、自我维护的 CRM、不休息的 funnel、不浪费的需求池。两条线不冲突:Report 2 的 Phase 0–1 是共同地基。

> 英文摘要见 Report 2 的 **Part E**(供外部 AI model 评审用);挑战清单同 Part D。