拍摄现场没有铺标准路线，只放了一把餐椅、一小撮碎屑、一块边角翘起的地毯。这三样就是当天的分镜。
扫地机器人的广告常把导航、识别、吸力和自动维护堆在一起。信息越完整，用户越难把技术翻译成“回家后少了的麻烦”。
长镜头里避障、沿边和清扫同时发生，画面很热闹。剪辑师把它拆成三条，每条只保留一个问题和一次完整的处理。
对比
从堆砌技术，到一条解决一个难点
调整前调整后
一条正片叠加多项技术一条素材只解决一个清洁难点
用样板路线证明机器的动作用真实家具和边界证明处理结果
脚本从功能清单写起脚本从难点库和用户的问题写起
团队做了“场景任务地图”，按真实的难点整理内容：家具密集的地方、墙角、毛发和碎屑、临时放下的东西、地面材质的切换、连续工作后的维护。
“素材证据链”先说明场景条件，再展示机器如何处理，最后回到用户是否还需要补一下。拍摄时避免不可能出现的障碍物和过度整洁的样板间。
穿过桌腿那段拍了好几遍。它是怎么处理的，一定要看得清清楚楚。
DEEBOT 场景拍摄导演
结果
之后，发生了什么变化
创意团队可以按难点快速找到已有脚本、拍摄条件和用户追问。新增能力时，也能直接落到新的场景或尚未解决的场景上。
成果留在了内容资产里。产品证明从一条正片，扩展成了可以持续更新的难点与证据组合。
项目之后的变化
- 证明说服力 ↑
- 功能堆砌 ↓
现在一条只回答一个难点，用户的追问也更具体了。
DEEBOT 产品营销负责人
素材库可以按清洁难点检索，创意不再从功能清单写起。
