首次响应时间的中位数，是几乎没有人跟踪的销售指标——也是最容易在毫无预警的情况下恶化的那一个。 哈佛的研究人员向 2,241 家美国企业发送测试询盘做审计时，首次响应的平均时间是 42 小时，23% 的企业从未回复 。这不是出于决定，而是漂移的结果。纠正它的媒体成本为零，因为这些询盘都是企业已经花钱买来的。
几乎每家企业都会做的错误诊断
这段对话重复得几乎有些滑稽。企业投钱做广告，广告带来询盘，询盘进到 WhatsApp——三个月后，有人在会上说“线索质量不行”。从那一刻起，讨论就变成了受众定位、创意素材、关键词，或者换一家代理商。所有人都在看漏斗的顶部。
几乎没有人去看客户发出消息和企业首次回复之间的那段间隔。
这不是因为疏忽。这是因为这段间隔根本不出现在任何地方。它不在 Google Ads 后台，不在 Meta 的广告管理工具里，不在 GA4 里，也不在代理商每月发来的报告里。媒体后台止于点击；CRM（如果有的话）从合格线索开始。响应时间正好住在两者之间的那道缝隙里——而没有任何一道缝隙有主人。
结果是企业守着一个让人安心却错误的解释。“线索不行”让人安心，因为它把责任外包给了媒体供应商，还暗示了一个可以花钱买到的解决方案：加预算、换一个活动、换一个供应商。而“我们花了半小时才回复”让人不舒服，因为这个解决方案买不到——它只能靠组织。而组织比花钱更难。
这篇文章讲的就是这道缝隙：现有研究已经揭示了什么，为什么关于它流传的几乎每一个数字都很糟糕，在一个实际运营里时间究竟漏在哪里，以及如何测量你自己的数字——不需要新工具，也不需要 IT 项目。
首次响应时间的中位数是什么？为什么不是平均值？
它是客户第一条消息与第一次人工回复之间的间隔，取排在队列正中间的那个案例。 一半的询盘等待的时间比它短，一半比它长。相比之下，平均值会被少数几天后才回复的对话彻底破坏——它描述的是一个并不存在的运营状态。
这个区别是实务上的，不是统计上的。设想十个询盘：九个在 5 分钟内得到回复，一个在三天后才被回复，因为有人周一才翻到那条被漏掉的消息。这组数据的中位数是 5 分钟——这确实就是典型客户的体验。而平均值超过七小时。如果你用平均值来管理团队，你会得出运营很慢的结论，而它其实不慢；如果你用平均值来替自己辩护，你就会把一个严重的个案藏进一堆好案例里。
在一个间断性接待的运营里——这是任何没有专职客服中心的企业的常态——平均值和中位数经常讲出完全相反的故事。所以有这条规则：中位数描述运营，尾部描述风险。 两者都重要，哪一个都不能替代另一个。
还有第三个几乎从不出现、却最能说明问题的指标：根本没有收到任何回复的询盘比例。 这不是慢，这是全损，而它不会进入任何平均值，因为没有间隔可以测量。它从报告里消失，恰恰因为它是最坏的情况——而且，如后文所示，它也是第一次测量的人最震惊的那个数字。
在失去这个询盘之前，你有多少时间？
比几乎所有人想象的都少。 这个主题最扎实的参考来自 James Oldroyd 主持的 MIT Sloan 研究：对一个来自网络的询盘，等 30 分钟而不是 5 分钟再打电话，会让这个询盘被筛为合格线索的机会降低 21 倍。
这里需要一个精确说明，大多数营销文章都搞错了，而它正好能区分谁读过原始资料、谁只是抄来的。“5 分钟、21 倍”这个数字出自 MIT Sloan 2007 年的 Lead Response Management 研究——不是 来自常被一起引用的那篇 Harvard Business Review 文章。那篇 HBR 文章是另一项工作，发表于 2011 年 3 月，作者是 James Oldroyd、Kristina McElheran 和 David Elkington，标题是 The Short Life of Online Sales Leads 。它做的是另一件事：向 2,241 家美国企业发送测试询盘，测量每一家要花多长时间才回复。
HBR 这次审计的发现，正是读这篇文章的人最关心的数据：
HBR 审计（2011）——2,241 家企业 结果 首次响应平均时间 42 小时 在 1 小时内回复 37% 在 1 到 24 小时之间回复 16% 超过 24 小时 24% 从未回复 23%
把最后一行再读一遍。2,241 家企业里有将近四分之一——真实的公司，有销售团队，花了钱才拿到那些询盘——让一条商业询盘完全没有得到任何回复。不是回复得慢。是没有回复。
在有人拿它来反驳之前，先说两点诚实的限制。第一：这些研究测的是美国企业的表单询盘，以 B2B 为主，而回复渠道是电话。WhatsApp 是另一个渠道、另一个国家、另一种时间预期——结论的方向可以迁移，确切的量级不行。 第二：这些研究都已有十多年。没有任何迹象表明客户从那时起变得更有耐心了；合理的假设是相反的，而这对本文的论点有利，不是不利。把它当作数量级参考，绝不要当作合同指标。
为什么关于这件事流传的数字几乎都很糟糕？
因为其中大部分没有可追溯的一手来源——它们是在互相引用的文章之间循环回收的统计数字，一直到源头消失不见。 如果你去搜这个主题，会找到几十个整齐又好看的数字。值得知道怎么区分哪些还值点什么。
套路总是相似的。某个数字出现在一家软件供应商的营销材料里。一个博客引用了这份材料。另一个博客引用了这个博客。到第三跳，出处已经变成了“据研究显示”，或者变成了一家知名公司的名字——而那家公司可能从未发表过那样的东西。这个数字流传数年，在演示里被反复重复，进入商业提案——却没有人能找到原始文件，因为它不存在，或者从未公开过。
四个问题可以把可用的数据和装饰性的数字区分开：
谁测的，有名字吗？ 可识别的作者，可识别的机构。“据研究显示”不是来源。测了什么，样本是什么？ “2,241 家美国企业，通过表单发送测试询盘”是可以核实的。“领先企业”不是。谁出的钱？ 由卖这个问题解决方案的一方发布的研究并非毫无用处——但需要打折，而且这个折扣必须被明确声明。是哪一年的，背景还成立吗？ 把 2011 年关于电话的数据用在 2026 年的 WhatsApp 上，必须附上明确的限制说明。没有它，就是走私。正因如此，这篇文章只依靠两项研究，并且反复回到它们：它们可识别、有作者、有描述清楚的样本，任何读者都能自行核对。两个你能验证的数字，比二十个你只能被动接受的数字更有价值。
还有一个实际的结论，也是后面所有内容的要点：再好的外部基准，也无法告诉你你自己的数字是多少。 它只能说明问题存在而且很大。只有你自己的测量才能说明你是否有这个问题，以及问题有多大。所以这篇文章最有用的部分不是引用研究的那部分——而是教你怎么测量的那部分。
为什么迟缓会在没人做决定的情况下形成？
因为没有人会决定把事情变糟。 运营很少因为某个可识别的决定而变慢——裁员、政策调整、换工具。它们是因为累积而变慢的：几十个小而合理的选择，没有一个的明示后果是“回复得更慢”。
这是一整类运营问题的特征，值得学会辨认。当一个数字因为决定而变差时，有人可以被质问，数字也会回来。当它因为漂移而变差时，不存在某个人犯错的时刻——因此也不存在某个人去纠正的时刻。漂移只能被持续测量打断，永远不会被注意力打断。
再加上增长的影响。当询盘量上升时，接待的人会觉得自己更忙了，这是真的；也会觉得自己交付得更多了，从绝对值上说这也是真的。感觉里没有体现出来的是：队列增长得比回复能力更快。同样的投入面对更大的量，表现出来就是等待——而等待不会发出声音：放弃的客户不会抱怨，他只是不再回来。
还有一个专属于用消息接待客户的人的陷阱。对话不会消失。它就留在那里，标为未读，随时可以被回复。这造成了一种“什么都没丢”的错觉——毕竟消息还在。但是一段对话的商业价值并不会在时间里被保存下来。 对大多数意图而言，三小时后回复等于没有回复——还额外付出了让某个人花十分钟才发现这一点的成本。
时间流失的四个点
“我们回复得慢”是症状，不是诊断。实际上，这段间隔累积在四个不同的点上，各有不同的成因和不同的纠正方式。弄清楚你属于哪一个，可以避免把钱花在错的地方——通常就是招人。
1. 消息来了，没有人被通知
询盘进入一台共用的手机、一个没人在看的打开的标签页，或者一个“偶尔看一下”的收件箱。这里耗掉的时间不是接待时间：是发现 的时间。这是最常见的一个点，也是最便宜的纠正，因为解决办法是配置，不是招聘。它也是最具欺骗性的：团队在岗，客户在等，而这两件事没有相遇。
2. 所有人都看到了，没有人是主人
通知发给五个人，而其中没有一个人对那个具体的询盘负责。每个人都很合理地假设别人会接。这是旁观者效应用在客户接待上——而且随着团队变大它会更严重，这让“多招人”的直觉不仅昂贵，有时还会反效果。
3. 所有东西都进同一个队列
现在就需要这个服务的询盘，排在一个打算半年后再说的人后面，因为没有任何东西把他们分开。没有分流，队列就按先来后到处理——而这是存在的所有排序里最不与价值相关的那一种。这里中位数甚至可能还不错：问题在于它掩盖了最有价值的询盘都在尾部。
4. 需求发生在排班之外
一部分询盘到来时没有人在排班——而“没有人”通常意味着“没有人，因为我们按惯例而不是按曲线定了工作时间”。这是下一节的主题。
这四个点在报告里产生同样的症状，却需要完全不同的纠正。所以测量必须先于解决方案：不知道时间累积在四者中的哪一个，任何干预都是赌博。
你自己的数据通常就能指出你属于哪一个：
数据显示的现象 可能的流失点 纠正 一天中任何时段延迟都差不多，连团队在岗时也一样 1 —— 没有人被通知 主动通知 延迟随着团队变大而变糟 2 —— 没有人是主人 带指定负责人的分配 中位数不错，但有价值的询盘在尾部 3 —— 单一队列 按紧急程度分流 延迟集中在特定的时间段 4 —— 在排班之外 按真实曲线排班 完全没有回复的询盘，分散出现 1 和 2 叠加 通知 + 主人，按这个顺序
你的团队应该在哪个时间段在线？
在需求存在的时间段——而它很少和标准工作时间重合。 周一到周五排 8:00 到 18:00，是从现场办公继承下来的惯例，不是对找你公司的人的行为的解读。
真实的曲线通常有两个被惯例忽略的特征。它有一个集中的核心——一天中的某几个小时占了相当大一部分量——还有一条傍晚开始的尾巴，由那些白天在上班、只能下班后处理私事的人构成。按惯例排班会同时在两头出错：清晨人手过剩，而恰好在时间最少的那些人发来询盘时人手不足。
但在改动任何排班之前有一个陷阱，它值得一条自己的规则：一个月的数据描述的是那一个月，不是这个运营。
短区间常常呈现出一个很有说服力的规律——某个意外的日子出现峰值，某个看起来很新的时段。这些规律中的大部分，在放到更大的时间窗里比对时，会显露为某个具体广告活动、某种季节性、某个一次性事件的效应。那不是需求：那是你自己那个月做的某件事留下的痕迹。基于它调动人力，意味着把团队调到真实曲线的反方向，然后还得再调一次。
排班决策的依据 风险 惯例（标准工作时间） 清晨过剩，夜间尾部不足 一个月的区间 把广告活动的效应误当成需求规律 12 个月或更长的时间窗 低——前提是数据已经导出并读过
排班改一次就很贵，改两次更贵。在动人之前，先确认这个规律能在一个大时间窗里站得住。
为什么这个指标不存在于你的技术栈里？
值得理解一下：为什么在一家配好了 GA4、有在投广告、有月度报告的公司里，一个如此关键的数字能够保持不可见。这不是马虎：这是工具之间如何划分世界的可预见结果。
媒体平台知道点击之前的一切，点击之后什么都不知道。它可以记录这次点击去了一个消息链接，但对话发生在一个不属于它、也不回传任何东西的应用里。对广告后台来说，点击就是故事的结尾。
GA4 知道网站内部发生的一切，网站外面什么都不知道。如果有人埋了这个事件，它会记录对话按钮的点击——而很多人没有埋。从浏览器打开应用的那一刻起，GA4 就天然失明了。
CRM 开始得太晚。它诞生于合格线索，也就是在有人已经对话过、评估过并决定录入之后。而这里是所有扭曲中最糟糕的一个：因为慢而丢掉的询盘，恰恰因为被丢掉了而从 CRM 里消失。 企业因此没有自己损失的记录，而任何只建立在 CRM 上的漏斗分析都受制于“存活者”——它测的是通过的人，永远不是被留下的人。
剩下的是客户接待这一层，数据真正所在的地方——而它几乎从来没有主人。接待工具通常归运营或销售管，不归市场；它产出的报告讲的是客服人员的生产力，不是获客表现。没有人有错。这个指标正好住在两个部门和三个系统的边界上，而没有主人的边界不会被测量。
修复是架构层面的，不是工具层面的。按投入从小到大，有三项埋点：
对话渠道的点击事件，带来源。 网站上的每一个消息链接都触发一个事件，标明它是从哪个页面出去的。它把媒体和对话的开始连起来，这是最低要求。在第一条消息文本里带来源标记。 一段预填的文字，按页面或活动而不同，客户不作修改就发出去。它是能穿过应用边界的东西——而且不依赖 cookie，也不依赖跟踪同意，因为这是客户自己发出的内容。把响应时间和媒体指标一起报告 ，放在同一份文件里，用同样的节奏。第三项看起来很官僚，却最能改变行为。出现在管理层会看的报告里的指标，才是有人会去维护的指标。住在没人打开的看板里的指标，会漂移好几年都没有人看见。
这件事用钱算是多少？
用你公司已经有的四个数字就能估算，而这笔账通常让人不舒服。 不能做的是用别家公司的数字——包括这里引用的研究。它们证明问题存在；只有你的测量才能说出它对你的成本是多少。
这四个数字是：每月询盘数 、无回复比例 、你接待的那些询盘的成交率 和平均客单价 。损失收入的估算就是这四者的乘积——询盘数 × 流失比例 × 成交率 × 客单价。
三点限制能让这笔账不变成虚构。第一：把已接待 询盘的成交率套用到未接待 的询盘上，是一个偏乐观的近似 ，因为未接待的那部分里有些意图本来就更弱。把结果当作上限，不要当作已确认的损失。第二：紧急的询盘，其客单价和成交率都和其他的不一样——如果能分开，就分开，因为损失正集中在那里。第三：这笔账忽略了“得不到回复”造成的口碑影响，它确实存在，但用这四个数字估不出来。
账算完之后，真正重要的不是绝对值。而是这个对比：挽回一个你已经拥有的询盘要花多少钱，相对于买一个新的要花多少钱。 因为慢而丢掉的询盘已经付过钱了——带来它的媒体费用早就从账上出去了。挽回它的成本是通知的配置和自动回复的设计，这些都是一次性成本。买一个新询盘要付你那个广告活动的单个线索成本，每个月都付，永远都付。
正因如此，这几乎总是一个获客运营里回报最高的可用干预——同时也几乎总是最后才被做的那一个。它看起来不像一个市场营销项目：不产出素材，不产出活动，不产出好看的幻灯片。它产出的是同一笔预算带来更多收入，而这从一开始就是付费媒体想买的东西。
如何纠正，以及正确的顺序
顺序比措施本身更重要，而它跟着上面描述的四个流失点走——从最便宜的纠正到最贵的。
1. 通知和主人，先于招聘
确保一个询盘的到来会产生一个信号，并且这个信号有一个指定的接收人。带主人的分配一次解决前两个流失点，通常能在不往工资单上加人的情况下把中位数砍下来，而且它是配置——不是项目。
2. 真正回答问题的自动回复
“您好！我们已收到您的消息，会尽快回复”不是自动回复——这是一条披着接待外衣的等待通知。有用的自动回复会交付信息：价格区间、真实的服务时间、交付周期、下一步。它能完整解决一部分询盘，并缩短留给人工的队列。
专门说价格，值得直面那个经典的顾虑。公布价格区间会赶走本来就不会在这个区间购买的人——而这个人会消耗团队的时间才得出同样的结论。留下来的人带着校准好的预期而来，这是成交的最佳条件。如果你的运营有排队，在人工之前过滤不是损失：这是把产能还给有真实意图的人。
3. 按紧急程度分配
在第一条消息里做一次简单的分流——一个问题，两三个选项——就能把能容忍半小时的队列和连三分钟都不能容忍的队列分开。把所有东西留在同一个队列里是一个业务决策，不是技术限制。
关于自动化的一点说明，因为很多项目正是在这里脱轨：任何跟客户对话的自动化，一出生就必须把它的边界用书面形式声明清楚。 它自己回答什么，它必须交给人工的是什么，以及它在任何情况下都不做什么。没有这个，本来要拯救响应时间的机器人会变成下一个问题的原因——然后企业就把一切关掉，回到起点。
优化指标而不是优化结果的陷阱
一旦首次响应时间变成一个被跟踪的数字，就会出现一个可预见的诱惑——在有人善意地掉进去之前，它值得一句提醒。
不改善任何东西而改善这个指标，是轻而易举的。只要快速回点什么就行：“已收到您的消息，顾问会来为您服务。”数字直线下降，会上的图表很漂亮，而客户为他真正来找的东西等待的时间一点没变。企业开始测量的是挥手的速度，不是接待的速度。
这是任何指标变成目标之后的经典效应：当测量成了靶子，它就不再是一个好的测量。而这里的走偏特别容易，因为退化的版本在报告里和好的版本无法区分——两者都显示为“我们在 2 分钟内回复”。
两道防护就能解决，而且两道都很便宜：
测量到有用 回复的时间，而不是到第一次回复的时间。 有用的回复是交付了客户可以使用的信息的回复——一个价格、一个期限、一个可用时间、一个能让接待往前推进的问题。确认收到随便你发；只是不要把它算作接待。永远和一个结果指标一起看。 真正变成对话的询盘，或者变成成交的询盘。响应时间在下降而结果不动，说明被管理的是指标，不是运营。这并不与使用自动回复的建议相矛盾——区别在于内容。一个交付价格区间和真实服务时间的自动化就是 有用的回复，它算。一个只通知“会有人来”的自动化不是，也不该算。区分两者的问题是：读完这条之后，客户知道了什么他之前不知道的事情吗？
这周就在你的运营里测量它
要拿到第一个数字，你不需要新工具。 你需要一份对话导出和一个下午。如果你的运营用的是客户接待平台，导出就存在；如果用的是普通应用，可以按样本手工统计——这已经足够用来做决定了。
至少导出 12 个月。 不是三个月，不是一个月——理由见关于排班的那一节。如果导出来的是多个文件，先全部合起来再统计：“全年”的导出常常被截断而不作提示，而一段被截断的区间看起来和完整的区间非常像。按对话分组 ，不是按消息，并在每一段对话里找出客户的第一条消息和人工客服的第一次回复——不是自动回复。算三个数字，不是一个： 间隔的中位数、有人工回复记录的对话比例，以及完全没有回复的比例。第三个通常最让人震惊，也是从前没有人掌握的。按小时和按星期几切分 ，找出真实的需求曲线，再和现在的排班对比。完整读 50 段对话。 这是没有人做、却最有收获的部分。关于第五步，值得强调。数对话回答的是“多少”；读对话回答的是“什么”。正是通过读，你才会发现客户真实的用词——它几乎从来不是你网站上的用词——先于其他一切出现的摩擦点是什么，以及人们会要什么你并不卖的东西。你从未梳理过的需求，天然不会出现在媒体报告里： 报告只能告诉你已经存在的广告活动和你买过的关键词。客户自发写下的东西，是唯一拥有这个信息的来源。
两点注意。客户接待的对话包含个人数据——请以聚合、去标识的方式处理，并以对待客户数据库的同等谨慎对待这份导出，因为它就是客户数据库。另外，记录测量的日期：这个数字的价值在于时间序列，不在于单个时点。测一次是好奇；每个月都测，是控制。
机器人回复对客户体验不好吗？
比一个快的人工差，比一个不来的人工好太多。 重要的比较不是机器人和理想客服之间——而是机器人和真实的替代方案之间，而这个替代方案对 HBR 审计的将近四分之一的企业来说是毫无回复。
让自动化变糟的，几乎从来不是“它是自动化”这件事。而是那种什么都解决不了的自动化：长长的菜单、泛泛的回答、没有通向人工的出口。一个交付真实信息、并提供清晰路径转到人的自动首次回复，会被感知为效率，而不是冷漠。
实用规则：机器人擅长可预测的事，极不擅长敏感的事。价格、营业时间、地址和交付周期是可预测的。谈判、例外，以及任何带情绪负荷的对话是敏感的，设计上必须保证它们能快速到达一个人——而不是由一个假装共情的脚本来处理。
常见问题
WhatsApp 上多快的响应时间算好？
不存在通用的数字，谁给你一个，你就该怀疑他——理由见关于来源质量的那一节。存在的是方向：越接近分钟级越好，而 5 分钟和 30 分钟之间的差别大到足以出现在学术研究里。测出你现在的中位数，并把下一个目标设为在它基础上按百分比下降，而不是从别家公司抄来的数字。
我需要 24 小时的团队吗？
几乎肯定不需要。你需要的是覆盖你真实的需求曲线。在讨论夜班之前，先看傍晚那条尾巴——没有被接待的量通常就在那里，而且覆盖它便宜得多。
如果我的 WhatsApp 是普通应用，怎么测？
手工，按抽样。取最近几个月的 50 段对话，记下客户第一条消息和你第一次回复的时间，算中位数。它比完整导出粗糙，但足以揭示一个数量级上的问题——而这正是大多数运营所拥有的那类问题。
在网站上公布价格不会赶走客户吗？
会赶走本来就不会在这个区间购买的人——他会消耗团队的时间才得出同样的结论。而它会筛出留下来的人。如果你的接待有等待队列，在人工之前过滤不是损失：它正是把产能还给有真实意图的人的办法。
消失的客户以后会回来吗？
一部分会回来，而且恰恰是紧急程度最低的那部分。紧急的询盘不会回来——他会跟先回复他的人把事情解决掉。由于这通常是单位价值最高的询盘，因慢造成的损失不成比例地集中在企业最不能失去的那一段。
这适用于 B2B，还是只适用于本地服务？
这里引用的研究测的正是美国 B2B 企业对表单的回复。两种情况下的机制是一样的；在不同情境之间变化的是可容忍的时间窗，而不是“它存在、而且几乎没人测量它”这个原则。
我公司每月收到的询盘很少。这还适用吗？
更适用，不是更不适用。量少的时候，每个丢掉的询盘都是当月收入里更大的一块。相对的好处是诊断更简单：你可以把所有对话都读完而不用抽样，而且纠正办法几乎总是通知和指定责任人，不是自动化。量少让这个问题更便宜解决，也更贵忽略。
纠正要花多少钱？
第一条战线——通知和带指定主人的分配——通常是配置，不是招聘。第二条和第三条涉及自动化，有项目成本。关键在于这三条都不涉及增加媒体投入 ：你是在挽回你已经付过钱的询盘。
为什么我的代理商从来没给我看过这个？
因为数据不在媒体后台里。它在客户接待工具里，那通常属于另一个部门，而且需要导出并阅读内容，而不是拉一份现成的报告。大多数情况下这不是恶意——这是一道没有人被指派去跨越的系统边界。
拿这些做什么
如果你只从这篇文章里带走一件事，就带走这个：在给媒体多加 R$ 1 之前，先测量你首次响应时间的中位数，以及从未收到回复的询盘比例。 这两个数字一个下午就能拿到，而它们会彻底改变关于广告表现的整场对话。
在客户接待运营处于漂移状态时投媒体，等于为一个已经处理不过来的队列买更多询盘。额外的回报不会出现，结论变成“线索不行”，然后循环重新开始——用更多的预算。
好消息是，这类问题属于现存最便宜解决的那一类。客户已经想跟你说话了。已经找上你了。已经在等了。只差有人先到。
来源
Oldroyd, J. B.; McElheran, K.; Elkington, D. The Short Life of Online Sales Leads . Harvard Business Review，2011 年 3 月——通过发送测试询盘对 2,241 家美国企业做的审计。· Lead Response Management Study ，MIT Sloan School of Management（Oldroyd，2007）——5 分钟这一发现和 21 倍这个系数的来源。这两项研究都可识别、有署名、有描述清楚的样本，读者可以自行核对——这是 Evolutiva 对它发布的任何数字都适用的标准。
如果你不想自己测。 这篇文章最后要的是两个数字：你首次响应时间的中位数，以及从未收到回复的询盘比例。把这两个数字找出来，正是 Evolutiva 在免费诊断 里做的事——你的询盘从哪里来、他们等了多久、在哪里流失。你会带着这些数字离开，之后跟我们合作或者不合作都一样。
