![](https://developer.qcloudimg.com/http-save/yehe-12743977/600b65cd80515ba6755a4731647bf19b.png)

David AI 做的事，用一句话能说完：让 AI agent 挑出一批没有网站的本地小店，挨个把网站造好，再寄一张带二维码的纸质明信片过去，扫码进站的店主转成月费订阅。

这件事被讨论得多，通常是因为「AI 自动赚钱」这个角度。但真正值得工程视角看的是另外三件事：**「这家店没有网站」怎么判定**、**几百个站怎么批量造且不出事故**、**一个物理触点上的转化怎么归因**。这三件事跟 AI 关系不大，做任何一个批量交付 + 线下触达的系统都会撞上。

据创始人在 The Koerner Office 播客第 303 期（2026-05-25）自述，一轮实验的规模是 350 家名单、341 封妥投、20% 扫码率，单张明信片成本约 7 美元、一轮 350 张约 400 美元，网站业务做到 8000 美元以上/月 MRR（上线约一个月）。这些数字都是创始人自报口径，本文只把它们当实验规模，不当稳定转化率。

> 数据时点 ｜ 截至 2026-05-25（播客自述口径，抓取日快照）｜收入口径：月经常性收入（MRR，创始人自报）

## 一、「没有网站」不是一个查询，是一个判定

最容易被低估的一步，是名单。公开的商户数据里通常有名称、地址、电话、行业分类，但**很少有「有没有独立站」这个字段**——因为它不是商户的属性，而是需要去探测的事实。

能做的探测大概三层：

1. **商户 ID → 待验域名**：按店名做域名猜测（去掉空格、连字符、加行业词），逐个查 DNS 与 HTTP。命中率高但误伤也高，同名小店在同一个城市里不罕见。
2. **搜索引擎/地图资料里的官网字段**：很多平台会展示「网站」这一栏，直接取用比猜域名稳，代价是覆盖不全、字段经常是空的。
3. **反向验证**：拿到的域名必须能解析出与商户匹配的内容（店名、地址、电话至少两项命中），否则不算「已经有站」。

这一步的判定口径直接决定后面所有事。口径太松，把「只有 Facebook 主页」「只在外卖平台有个页面」的店判成「已有站」，名单就缩水；口径太紧，把别人的站误认成这家店的，就会出现「我给你做了个新网站」寄到一家明明有官网的店门口——这种错误在物理世界里是有成本的，不是删条数据就完了。

所以这条链路的工程要求不是「爬得更全」，而是**判定可解释**：每一条「无站」的结论都要能回溯到「查了哪些待验域名、各自返回了什么」。留不下这个痕迹，后面就无法抽样复核，也无法解释误伤。

## 二、批量造站：模板是质量下限，抽取是上限

给一家从没做过线上生意的小店造站，需求其实是固定的：店名、做什么、在哪、怎么联系、营业时间、几张门头或产品图。这几乎就是一个模板能覆盖的全部内容。

工程上的形态通常是：**结构化字段 + 一套固定版式 → 静态页 → 对象存储 + CDN**。选静态而不是 CMS，理由很实际：交付物是一次性的，店主不会去后台改版式，也没有编辑需求；静态站没有数据库、没有运行时、没有要打的补丁，几百个站点的运维面接近于零。

质量的分层也很清楚：

- **下限由模板保证**——版式固定意味着最差的结果也是「一个能看的、信息齐全的页面」；
- **上限由内容抽取保证**——从商户数据、地图资料、评价里抽出的营业时间、品类、服务项越准，页面越像「真的了解这家店」；抽错了，模板再漂亮也是错的。

这里有个反直觉的点：**模板站的转化不靠设计，靠「像是专门做的」**。同一套版式批量产出几百个站，视觉上必然同质；能抵消同质化的只有内容的具体程度——写清「周三到周日 10 点到 19 点」「修的是日系车」这种细节，比换十套配色有用。

## 三、几百个站点，真正难的是幂等与清理

批量生成听起来是「跑个循环」，实际最容易出事故的地方在状态管理：

- **重复触发**：任务重跑、批次重叠、人工补跑，同一个商户被造了两个站，域名占了两个，明信片上的二维码指向哪一个？
- **重建**：模板升级后要不要把已交付的站重新生成一遍？重新生成会覆盖店主可能已经转发出去的页面内容（虽然静态站一般没人改，但总有例外）。
- **清理**：店关了、换地址了、明确说不要了——站点要下线，域名要不要留？留着是成本，放掉是别人可以抢注。

可行的做法是把「一个商户一个站」当成一条**有状态的记录**：以商户 ID 为幂等键，状态走「已判定无站 → 已生成 → 已投递 → 已转化 / 已放弃」，每次动作前先读状态再决定做什么。批量任务只允许「推进状态」，不允许「无条件重做」。

配套的是**批次**这个概念：350 家是一批，一批对应一次直邮、一份预算、一组可对比的结果。没有批次，后面的归因就无从谈起——你不知道这个转化是哪一轮、哪张明信片带来的。

## 四、纸质明信片：唯一可归因的触点

线上获客的归因已经被做烂了，纸质直邮反而干净：**一张明信片 = 一个二维码 = 一个短链 = 一批收件人**。扫码进来的人，来源是确定的。

链路大致是：明信片上的二维码 → 短链（按批次、按商户编码）→ 落地页（这家店自己的站）→ 转化动作（留电话 / 订阅 / 回电）。中间每一跳都能记一次，落到「哪个批次、哪家店、什么时候扫的」。

据同一期播客披露，这一轮 350 家名单里有 341 封妥投、扫码率 20%。这两个数字里，**341 封妥投**说明的是地址数据质量（名单从哪来、有没有做过地址校验），**20% 扫码率**说明的是触达设计——它远高于纸质直邮常见的响应水平，比较合理的解释是那张明信片上说的不是「买我们的服务」，而是「你的店已经有个网站了，扫一下看看」。

也就是说，**前置的造站动作本身就是触达的一部分**：它把一封陌生广告变成了一条关于对方自己的信息。这个设计没法照搬到没有前置交付的场景里。

但要克制一点：350 家的样本、创始人自报、单轮实验，这个量级不足以证明 20% 是可复现的转化率。工程上应该按批次记录扫码、落地、回电、成单四段，跑够几轮再谈比率——只记「扫码率」一个数，等于把漏斗压成了一个点。

## 五、合规与副作用：这类打法最容易踩的坑

批量造站 + 主动寄件，等于同时碰了两条敏感线，而且都不是技术问题，是设计问题：

1. **商标与冒用**。给一家店造站，页面里必然出现它的店名、可能的 logo、地址电话。做得好是「帮你做了个页面」，做得不好就是「伪装成官方」。可行的边界是页面上明确标注这是第三方制作的展示页、提供「认领」和「下架」入口，而不是做成一模一样的官网。
2. **直邮的地址来源与拒绝机制**。实体邮件同样受反垃圾约束：地址从哪来（公开商户数据 vs 购买名单）、有没有退订/拒收通道、寄送频率。一轮 350 封是实验规模，放大十倍就会开始收到投诉，而投诉的处置成本远高于明信片本身。

这两条的共同点是：**必须预留「撤回」通道**。系统要能回答「这家店说不要了，多久之内它的站会下线、名单里会不会再出现它」。答不上来，就不该把批次放大。

## 六、为什么后来转去做咨询

从公开信息看，团队现在的定位已经变成给实体企业做 applied-AI 的咨询式交付（官网口径是「三周交付一套生产系统」）。这个转向本身是个信号。

模板站这类交付，边际价值是递减的：站点同质化、内容靠抽取、SEO 上又没有域名权重积累，做完一批之后，第二批的说服力反而下降。而同一批客户真正缺的往往不是一张页面，是「把线下的活儿接进系统」——排班、报价、回访、库存。这类需求的单价和黏性都更高，代价是没法批量，只能一个个做。

所以这条链路的完整故事值得记一笔的地方在这里：**批量自动化负责验证需求，人工交付负责赚钱**。前面那套造站 + 直邮的流水线，最大的产出可能不是那些网站，而是「哪些店主愿意为一个线上入口付月费」这个结论。

## 七、口径提醒

写这类案例最容易出的错，是把创始人在播客里的一句话当成财务事实。需要区分：

- **8000 美元以上/月 MRR** 是「上线约一个月」时的自报值，口径是月经常性收入，不是累计收入，也不是利润；
- **单张约 7 美元、一轮 350 张约 400 美元** 是明信片的物料与寄送成本披露，不含造站、人力与后续跟进；
- **20% 扫码率** 是单轮样本的结果，不能当稳定转化率引用；
- 另有一支睡前故事邮件的订阅副线，规模在 300 美元以上/月 的量级（同节目披露）。

还有一件必须说清的事：这家 David AI 与旧金山那家同名的语音数据公司（累计融资规模数千万美元）**毫无关系**，两者只是重名，别混着引用。

---

**项目信息**

- 项目：David AI（getdavid.ai，美国，创始人 Brandon Doyle）
- 公开形态：AI agent 批量为本地小店造站 → 纸质明信片（带二维码）直邮 → 转为本地商家网站月费订阅；另有 AI 定制睡前故事邮件订阅副线
- 实验规模（2026-05-25 播客自述）：350 家名单、341 封妥投、20% 扫码率、单张约 7 美元、一轮约 400 美元、网站业务 8000 美元以上/月 MRR
- 现状：已转向向实体企业交付 applied-AI 生产系统（官网口径「三周交付」）
- 本文讨论的是这类批量交付 + 线下归因系统的通用工程问题与公开披露的规模，不涉及猜测其内部实现细节

David AI 做的事，用一句话能说完：让 AI agent 挑出一批没有网站的本地小店，挨个把网站造好，再寄一张带二维码的纸质明信片过去，扫码进站的店主转成月费订阅。

批量给本地小店造站的流水线：名单判定、模板渲染与直邮归因

架构设计

职业发展

DavidAI用AI为无网站本地小店批量建站，寄出带二维码明信片引流，以扫码率20%、月收入8000美元以上的自述数据，展示批量交付、物理触达与归因分析的完整链路，为实体企业AI应用提供可验证的工程范式。

对象存储

数据库

热销域名限时优惠，新客首年免费！


domain

CDN免费试用


文章

问答

视频

教程

学习中心

腾讯云实验室

直播

竞赛

腾讯云代码分析专区

腾讯iOA零信任安全管理系统专区

腾讯云架构师技术同盟交流圈

腾讯云数据库专区

腾讯云智能顾问专区

腾讯云原生专区

腾讯混元专区

腾讯云TCE专区

腾讯云Lighthouse专区

腾讯云HAI专区

腾讯云Edgeone专区

腾讯云存储专区

腾讯云智能专区

腾讯轻联专区 

腾讯云开发专区

TAPD专区

腾讯轻量云游戏服专区

EdgeOne AI 安全实战专区

腾讯云最具价值专家

腾讯云架构师技术同盟

腾讯云创作之星

腾讯云开发者先锋

腾讯云代码助手

云原生构建

TAPD 敏捷项目管理

Cloud Studio

SDK中心

API中心

命令行工具

涵盖代码开发、场景应用、自动测试全流程，助你从零构建专属AI助手

一站式MCP教程库，解锁AI应用新玩法

聚焦“写作效率、视觉美观与运行性能”三方面进行全面升级，为您提供更高效、稳定的创作环境

社区富文本&Markdown编辑器全新改版上线，欢迎大家体验!

诚挚邀请您参与本次调研，分享您的真实使用感受与建议。您的反馈至关重要，感谢您的支持与参与！

社区新版编辑器体验调研

批量给本地小店造站的流水线：名单判定、模板渲染与直邮归因-腾讯云开发者社区-腾讯云

批量给本地小店造站的流水线：名单判定、模板渲染与直邮归因

批量给本地小店造站的流水线：名单判定、模板渲染与直邮归因

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐