一、要解决的问题WHY
高客单骑行品类的直播间里，用户提问密集但转瞬即逝：一条弹幕问"我 172 骑 52 码合适吗"，
三分钟后就滚没了。运营侧的真实困境是——内容选题靠感觉、私域跟进没有名单、话术靠临时发挥。
我把半年直播积累的 2598 张用户截图做成结构化数据，产出三样可直接使用的东西：
一份可检索的问题库（内容选题用）、一份分层客户名单（私域承接用）、
一套分类对应的话术（客服与转化用）。
二、方法链路HOW · 每一步可复跑、可调参
1
OCR 提取 — 2598 张截图经 macOS Vision（zh-Hans）批量转文本
2
页面分类 — 按版式特征识别 7 类页面，剔除无用户信息的看板页（53 张）
3
结构化客户记录 — 抽取出昵称、提问、观看时长、人工意向备注
4
问题归并 — 精确去重后，用 bigram Jaccard 捕获近似重复（阈值 0.55）
5
意向打分 — 6 类信号加权，输出 S/A/B/C 分层与对应承接动作
三、页面类型分布2598 张截图
| 页面类型 | 截图数 | 用途 |
|---|
| 评论精选页 | 1386 | 提问库主来源 |
| 观看时长榜 | 502 | 停留时长信号 |
| 私信 / 问询列表 | 207 | 一对一意向线索 |
| 意向线索页（含人工意向备注） | 100 | 高价值：成交/意向标签来源 |
| 送礼榜 | 73 | 高活跃度信号 |
| 其他 | 277 | — |
| 数据看板（无用户信息，跳过） | 53 | 不计入客户池 |
四、意向分层模型6 类信号加权 → S/A/B/C
| 信号 | 权重 |
|---|
| 成交 / 下单 / 定金 / 锁单 | +35 |
| 明确意向 / 咨询指定车型 | +28 |
| 处于对比、纠结期 | +12 |
| 每条主动提问 | +4 (≤20) |
| 每 1 分钟观看时长 | +1.5 (≤15) |
| 每个高价值需求类目 | +6 (≤18) |
| 每张出现过的截图 | +2 (≤10) |
| 分层 | 分数 | 人数 |
|---|
| S 高意向 | ≥60 | 23 |
| A 意向 | 40–59 | 168 |
| B 关注 | 20–39 | 580 |
| C 泛互动 | <20 | 4547 |
| 合计 | 5318 |
分层怎么用：S 级 24 小时内 1v1 触达、给专属权益促锁单；A 级进承接 SOP，推对应 FAQ 与实拍图；
B 级内容触达、等下一个节点激活；C 级沉淀进社群池，不单独投入人力。
—— 把有限的人力从 5318 人收敛到 191 人，这是这套分层最直接的价值。
五、用户需求分布3064 条提问 · 归入 9 大类 + 其他
| 需求分类 | 提问数 | 占比 | 是否决策深水区 |
|---|
| 车型 / 配置咨询 | 860 | 28.1% | ✅ |
| 颜色 / 外观 | 686 | 22.4% | |
| 尺寸 / 身高适配 | 247 | 8.1% | ✅ 头号障碍 |
| 价格 / 优惠 | 168 | 5.5% | ✅ |
| 材质 / 工艺 | 81 | 2.6% | |
| 产品对比选择 | 58 | 1.9% | ✅ |
| 售后 / 质保 | 55 | 1.8% | |
| 购车意向 / 已成交 | 22 | 0.7% | ✅ |
| 物流 / 发货 | 9 | 0.3% | |
| 其他 | 878 | 28.7% | |
关键发现：「尺寸 / 身高适配」只有 247 条（8.1%），但它和价格、配置、对比一样属于决策深水区——
四类高价值需求合计 1355 条，占全部提问的 44.2%。
高客单骑行品类的用户不是不问，而是卡在"我到底该买哪个码"这一步不敢下单。
这条结论直接改了两个动作：内容侧把尺码换算做成常驻内容，承接侧把尺码问题前置到第一轮话术。
六、归并阈值怎么定的证明 0.55 是选出来的，不是拍的
| 阈值 | 归并后簇数 | 压缩率 | 最大簇 |
|---|
| 0.35 | 2518 | 17.8% | 9 |
| 0.45 | 2840 | 7.3% | 5 |
| 0.55 ← 采用 | 3011 | 1.7% | 3 |
| 0.65 | 3061 | 0.1% | 2 |
| 0.75 | 3063 | 0.0% | 2 |
阈值越低归并越激进，但会把不同意图的问题错并到一起——表现就是「最大簇成员数」暴涨
（0.35 时单个簇塞进 9 条不同说法，已经属于误并）。
0.55 是拐点：压缩率开始明显，且最大簇仍可控（3 条）。0.45 以下开始误并，0.65 以上几乎不做事。
方法局限与说明：本语料已先做过精确文本去重，因此 Jaccard 近似归并这一层的边际收益有限——
压缩率仅 1.7%（3064 → 3011，额外合并 53 条）。这一步的价值不在"大幅去重"，而在两点：
① 兜住精确去重漏掉的近似重复（大小写、错别字、空格差异）；
② 为后续"新问题 → 匹配已有簇 → 推荐话术"提供检索索引。
七、交付物与可验证性DELIVERABLES
- 客户分层名单 —— 5318 行 CSV，含意向分与打分依据
- 问题簇库 —— 3011 个标准问法，按分类与命中次数排序
- 可交互看板 —— 输入一条弹幕，实时出分类与应对话术
- 分析报告 —— 含阈值敏感性扫描与分层模型说明
可复跑：整套流程纯标准库实现，从原始截图到分层结果可一键重跑，
便于核验与二次迭代。
可迁移性：这套方法不依赖骑行品类——任何有直播间弹幕或社群提问的品类，
换掉分类词典即可复用。