4 min read
这是一个说明性的综合故事，取材于独立经营的手艺人常常描述的情境。人名和细节均为虚构；工作流程是真实的，可以照着做。
周二晚上 7:40。Marcus 刚在车库里洗完刷子，手机又震了起来。又是一位房主发来的短信：四张照片，拍的是一条墙漆剥落的走廊和一块天花板污渍，外加每个单干的油漆工在漫长一天结束时最怕听到的问题：“这个大概要多少钱？”
Marcus 一个人经营一家室内油漆公司。他活儿干得好，文书工作却一塌糊涂。在做出任何改变之前，他典型的一周是这样的：通过短信收到八到十个报价请求，晚上开车出去两三趟上门看房间，然后坐在厨房餐桌前用手机敲出报价。他每周要在报价上花大约六个小时，而且没有任何报酬，还总是把活儿输给回复最快的人。
下面讲讲他如何用手头已有的工具解决了这个问题，以及他一路上学到的东西。
真正的问题不在定价，而在速度
Marcus 知道怎么给一单活儿定价。他脑子里装着多年的经验：面积、刷几遍、一块水渍需要多少前期处理、是否包括线条和天花板。他做不到的，是在请求进来后的一小时内，把这些经验变成一份清晰的书面报价。
油漆行业竞争激烈。美国劳工统计局指出，相当大比例的油漆工是自雇人士，这意味着房主通常只需发条短信就有好几个选择。第一个给出清晰、专业答复的人，往往就能拿下这单活。
第一步：把定价思路写在纸上
在接触 AI 之前，Marcus 花了一个周日下午，把自己实际的定价方式写了下来。不是一份完美的价目表，只是几条实在的经验法则：
- 按墙面每平方英尺计算的基础价格，根据刷漆遍数而定
- 天花板、线条、门和装饰墙的附加费用
- 污渍、修补、墙漆剥落和挑高天花板的前期处理附加费
- 每单的最低价格，让小修小补也值得跑一趟
- 永远不包括的项目（搬动重型家具、清除墙纸）
事实证明，这一页纸是整个项目中最有价值的部分。后来他开始转向按项目一口价收费时，这页纸也帮了大忙，我们在如何从按小时收费转向按项目定价一文中介绍过这种做法。
第二步：让 ChatGPT 来看照片
自从 OpenAI 增加了图像和语音功能，ChatGPT 就能看懂照片了，而 Marcus 本来就订阅了 Plus 套餐。他创建了一个名为“报价”的 ChatGPT Project（一个把指令和文件放在一起的文件夹），上传了他的定价页面，并给了它以下固定指令：
- 查看照片并描述你看到的内容：房间类型、表面材质、可见的损坏、关于天花板高度的线索。
- 列出你无法从照片中判断、需要向客户询问的事项。
- 按照我的定价规则拟定一个价格区间，并说明你的假设。
- 给客户写一段简短友好的回复，包含价格区间、假设条件和待确认的问题。
- 永远不要把价格区间当作最终价格。
从此以后，每当有请求进来，他就把照片转发到这个项目里，再加一条语音备注，说明客户提到的情况，大约两分钟就能拿到一份草稿。
第一个月实际发生了什么
老实说，效果不错，但并不神奇。
有效的地方：大多数请求的回复时间从“今晚或明天”缩短到了一小时以内。草稿能抓住他累的时候偶尔会漏掉的细节，比如询问天花板上的污渍是旧漏水留下的，还是仍在漏水。他估计自己每周六个小时里省回了四个小时。
不足的地方：AI 不太擅长从照片判断尺寸。从低角度拍摄的狭窄走廊，看起来像一个大房间。头两周里，它有两次把面积高估了将近一半。Marcus 的解决办法是在回复模板里加了一句话：“能否告诉我房间的大致尺寸，或者拍一张把门也拍进去的照片作为比例参考？”
他还发现，当活儿看起来很小时，AI 有时会把他的最低价格往下调。他在指令中把这条规则写得更严格，并且每次发送前都会核对每一个数字。
第三步：上门看房变成了确认，而不是摸底
最大的变化在于他如何安排晚上的时间。他不再每个房间都开车去看，只上门查看客户已经接受价格区间的活儿。上门变成了快速确认尺寸、握手成交，而不是一次推销拜访。他晚上的上门次数从每周大约三次减少到了一次。
每完成一单，他都会在项目里添加两行备注：估算的价格区间、最终价格，以及让他意外的地方。随着时间推移，草稿越来越接近他的实际报价，因为项目里积累了越来越多的过往案例可供比对。
Marcus 会给其他单干手艺人的建议
- 先把你的定价规则写下来。AI 只是更快地重复你的判断。如果规则只存在你的脑子里，它就帮不上忙。
- 根据照片报价时，只给区间，绝不给最终数字。只要假设条件清楚，客户都乐于接受一个价格区间。
- 请客户提供尺寸参考。多加一句话，就解决了大部分测量错误。
- 最后一遍审核要由人来做。花两分钟检查，好过因为报错价格而进行一次尴尬的对话。
如果你的报价请求主要通过电话而不是短信进来，可以再配合一种方法，接住你在工地上漏接的电话；我们对AI 接待员、语音信箱和电话应答服务的比较是个不错的起点。
有哪件文书工作是你每天晚上还在厨房餐桌前做的？那很可能就是你的第一个项目。
