AI 工作實務
客戶名單愈來愈長,訂單為什麼沒有一起長?AI 業務開發的成交缺口
AI 業務開發應從商機卡在哪一段開始設計。名單研究、訪談整理、提案草稿與 CRM 更新,都需要接到明確的客戶下一步;企業應以合格商機的推進、報價後跟進及成交品質,評估 AI 是否真正改善業務流程。

本文目錄
先定位成交缺口,再決定 AI 要做什麼名單研究要產出接觸理由,不是公司百科開發訊息的任務,是換到一個合理的下一步方法圖解訪談之後,最重要的是把未知留下來報價後跟進,要解決阻礙而非提醒存在一個可重算的業務試點,如何避免漂亮假象CRM 欄位少一點,責任反而要更清楚以四週安排,做出可用的業務工作流把同一個案件,從名單一路接到交付可直接帶進週會的商機推進表專題編輯:Renee Kuo|數據分析與成長編輯
封面:AI 生成概念插畫,非實拍。
業務主管打開週報,看到本週新增名單、寄信數與提案數都比上週多,業績卻沒有起色。再往下問,才發現新增名單多半沒有明確需求;幾份報價寄出後,沒有人記錄客戶何時決定;已有預算的客戶,反而因為等待技術確認而停在原地。
這類問題不能單靠更快寫開發信解決。AI 會把某個步驟加速,但如果被加速的是錯誤對象、過早提案或無效跟進,公司只是更快地消耗名單與同仁時間。業務開發的首要目的,是讓有需求、能被服務的客戶,逐步完成購買決策。
本文聚焦 B2B 報價型企業,提出一條從選客戶、找理由、訪談、報價到跟進的工作方法。文中的企業與數字均為示範,不代表特定公司成果。文章不提供大量寄信策略,也不把 AI 的文字品質等同成交能力。
本文目錄
先定位成交缺口,再決定 AI 要做什麼
銷售流程可以分成幾個可觀察的狀態:符合目標客群、已建立有效對話、需求已確認、方案已提出、採購條件已確認,以及成交或結案。每個狀態都要有進入條件。若「曾寄一封信」就算有效對話,「有興趣」就算合格商機,CRM 的數字會很熱鬧,卻很難支持預測。
主管可以先抽查最近一批報價案件,逐筆問三件事:客戶希望解決什麼工作問題,下一個決策由誰做,雙方約定的下一步是什麼。如果業務回答不出來,現在缺少的通常是需求理解與決策資訊。讓 AI 再產一份漂亮簡報,不會自動補上這些資訊。
另一種情況是資訊完整,但內部動作太慢。業務已確認規格,卻要等行政找舊版報價、工程估工、主管確認折扣。這時 AI 適合整理資料、比對缺項、準備簽核材料,讓有權決定的人更快看懂。應改善的是部門交接,不是要求業務提高寄信次數。
| 可觀察的卡點 | 先查的證據 | AI 可協助的工作 | 不能直接推論的成果 |
|---|---|---|---|
| 名單多、回應少 | 客群條件與接觸理由 | 公開資料整理、名單分類 | 寄信更多就會成交更多 |
| 訪談多、報價少 | 需求與採購條件是否清楚 | 訪談摘要、缺漏提問 | 客戶有回覆就有預算 |
| 報價多、決策慢 | 決策人、期限與阻礙 | 跟進草稿、待辦提醒 | 沉默代表價格太高 |
| 成交多、毛利下降 | 讓利、客製與履約成本 | 版本比較、條件核對 | 營收增加等於效益增加 |
這張表的用途是決定試點範圍,不是替每個客戶打分。可以從最常發生、又有可用資料的一段開始,例如「報價寄出後沒有下一步」。完成條件也應具體:每份有效報價都留下對方決策事項、雙方約定日期與負責人,而非只是系統新增一個提醒。
不要同時改變名單來源、產品、報價方式、業務獎金與 AI 工具,再把結果全部歸給 AI。變動太多會讓效果無法解釋。先保留原本的客群與商品,在一個環節建立一致方法,才比較容易判斷哪些改善值得擴大。
名單研究要產出接觸理由,不是公司百科
企業常請 AI 整理一家公司,得到成立時間、產品、據點與一大段產業介紹。這些資料可能正確,卻沒有回答業務最重要的問題:為什麼這家公司現在值得聯絡,我們能協助哪一件事,需要先確認什麼?
一張有用的客戶研究卡,可以限定為四個區塊。第一是符合目標客群的證據,例如服務範圍、企業規模的公開資訊或相關部門。第二是可能的觸發事件,例如新據點、招募特定職務或公開宣布流程改變。第三是與自家服務的關聯推論。第四是尚待確認的需求,不可把推論寫成已知事實。
例如一家製造商公開招募海外業務,可以推論它正在增加相關能力,但不能直接說它的 CRM 管理混亂,也不能聲稱它急需 AI 導入。合理的接觸方式,是提出與跨語資料、客戶研究或報價協作相關的問題,讓對方判斷是否有需要。公開訊號只是開啟對話的理由,不是替客戶診斷的證據。
資料來源應優先選公司官網、正式公告、公開職缺與合法取得的活動資訊。每項紀錄保留網址、看到的日期與簡短原意,避免把搜尋摘要當完整事實。不同分公司、同名公司及過期頁面也要分開;名稱相似不代表是同一個採購單位。
對人名、職位與聯絡資訊要特別節制。公開可見不代表可以無限制蒐集、加工或群發。企業應依自己的合法蒐集與利用依據、對外聯絡政策及適用規範處理。本文建議先用公司層級資料與既有合法名單試行,避免為了追求自動化而引入無法說明來源的聯絡資料。
一張研究卡若寫完仍不知道要問什麼,代表內容需要再刪減。可以要求 AI 最後只列三個待確認問題,並說明每個問題會影響哪一項業務判斷。例如「目前報價是否需要跨部門估工」,會影響方案是否涉及流程整合;「誰負責核准」,會影響下一次會議是否需要更多角色參與。
研究時間也應設定上限。對尚未有互動的陌生公司,不宜投入與大型已確認商機相同的深度。先做足以判斷是否值得接觸的整理,有回覆後再補資料。AI 降低單次研究成本,並不代表所有潛在客戶都應做成完整報告。
開發訊息的任務,是換到一個合理的下一步
一封開發信不必說完全部服務。它需要讓對方理解接觸理由、可能相關的工作問題,以及一個低負擔的下一步。AI 草稿最常見的問題,是把公司介紹、工具功能、趨勢敘事與銷售承諾塞在同一封信,讀者看完仍不知道為什麼要回覆。
可以採用「觀察、關聯、提問、行動」的順序。觀察只寫可核實的公開事實;關聯寫成可能性;提問聚焦對方工作;行動則是確認一項需求、安排短談或索取適合的資料。這是本文提出的寫作方法,並非經驗證的固定轉換公式。
以下是一段虛構示例:「看到貴公司近期擴充海外業務團隊,想了解目前客戶研究與報價資料是否需要跨部門整理。若已有固定流程,我們可以先對照一件實際工作,判斷 AI 適合協助哪一段。若由其他同仁負責,也請告知合適窗口。」它沒有把未確認問題寫成客戶痛點,也沒有承諾一定提升多少營收。
使用 AI 前,先給它可用的事實、不能使用的說法、公司真正能交付的範圍與希望取得的下一步。若沒有客戶案例授權,就不要讓模型補出品牌名稱;若沒有成效證據,就不用百分比承諾。產出後由業務確認姓名、公司、服務範圍與連結,再按既有規範發送。
同一封訊息不應只換公司名稱就寄給所有人。真正的差異應來自對象的工作責任與觸發事件。但也不需要每次重新寫一篇長文,可以保留結構與已核准的服務描述,僅調整與客戶有關的證據和提問。這樣才能兼顧效率與一致性。
遇到沒有回覆的客戶,先確認是否值得再聯絡,以及是否有新的相關資訊。重複催問「是否收到」並不增加價值。可以提供一個有用的比較表、補充對方曾提到的問題,或清楚結束本輪聯絡。拒絕、退訂或不適合的訊號應被記錄,不能因為 AI 能持續寫信就一直追蹤。
主管審查訊息時,不只看語氣是否專業,也應查三件事:有沒有把推論當事實、有沒有不必要的個人資料、下一步是否適合客戶目前階段。這三項比追求「看起來很像真人」更能支持長期信任。
方法圖解

這張圖整理本文的決策條件。使用時請對照實際任務、資料與責任人;未確認的條件應保留待查,不能以圖解取代必要驗證。
訪談之後,最重要的是把未知留下來
AI 很適合把訪談整理成有結構的材料,但訪談摘要有一個危險:模型可能把零散語句整理成過度完整的需求。客戶說「我們可能明年處理」,摘要卻變成「明年導入」;說「預算要問主管」,卻被改成「已有預算」。這些差異會直接影響報價與預測。
建議把訪談紀錄分為已確認、待確認、內部判斷三欄。已確認要有對方說明或文件依據;待確認列尚缺資訊;內部判斷則保留推論理由與信心限制。公司可以依任務調整欄位,但不要讓三種內容混在同一段漂亮摘要裡。
需求至少要能回答:誰在做什麼工作、目前如何完成、哪裡造成損失、理想成果是什麼、由誰驗收,以及哪些條件不能改。對 B2B 報價型企業而言,後面三項尤其重要。沒有完成定義,報價容易只剩工時;沒有驗收角色,提案可能一直在沒有決定權的人之間流轉。
Microsoft 官方文件說明 Sales agent 可根據商機及相關紀錄整理摘要,也提供將郵件摘要存入 CRM 的功能。這些是產品功能說明,不能直接推導為成交率提升;資料是否完整、紀錄是否連到正確商機,以及人員是否覆核,仍會影響實際使用。來源 1 來源 2
實務上,應先讓 AI 產出「待寫入 CRM 的建議」,由業務確認後再存檔。尤其是預算、預計成交日、需求優先級與競爭對手等欄位,不能因為文字中出現相關詞彙就自動填入。若客戶只是舉例提到一家廠商,不代表該廠商正在參與競標。
每次會議結束前,業務可以用一分鐘口頭確認下一步:「我們會在週四前提供兩種範圍的方案;您這邊協助確認使用部門與核准流程;下次會議再討論是否進入試點。」AI 能協助記錄,但雙方是否真的同意,需要當下確認。會後自行產生的待辦,不能冒充共同承諾。
若公司不允許錄音,也能使用經同意的人工筆記。資料完整度較低時,摘要應保留限制,並把關鍵問題回傳客戶確認。追求完整逐字稿不是唯一方法;可核實的決策紀錄與下一步,往往更接近業務需要。
報價後跟進,要解決阻礙而非提醒存在
報價寄出後的沉默,可能代表價格不符、範圍不清、內部尚未排優先順序、採購程序未啟動,或客戶根本沒有決定期限。這些原因需要不同回應。如果 AI 只根據經過幾天產生催信,容易把所有商機當成相同狀態。
每份報價應搭配一張決策卡,至少記錄方案版本、客戶要確認的事項、預期決策角色、雙方約定時間與目前阻礙。跟進內容要對應阻礙:不清楚差異就補比較;擔心執行就補驗收方式;預算未定就確認範圍;沒有急迫性就討論時間安排,而非立即降價。
例如客戶表示「需要內部討論」,業務可以先問討論的核心是預算、使用對象還是執行風險。AI 再根據已確認問題準備一頁說明。若什麼都不知道就產出十頁提案,可能只是把閱讀負擔轉給客戶,沒有推進決策。
報價版本也需要管理。折扣、交期、服務次數與付款條件分散在郵件和通訊軟體時,AI 摘要可能混用不同版本。應以正式核准版為準,保留版本號與日期;客戶要求變更時,先列差異及影響,再由有權者確認。草稿能產生得快,不代表可以跳過商務責任。
| 客戶狀態 | 合理的跟進內容 | 應避免的動作 |
|---|---|---|
| 方案差異不清楚 | 以相同條件比較交付範圍 | 再寄一次相同簡報 |
| 擔心執行風險 | 提供驗收、責任與退出方式 | 保證絕對成功 |
| 預算尚未確定 | 討論必要範圍與分階段選項 | 未確認就全面降價 |
| 決策角色未參與 | 請窗口安排適合的討論 | 把窗口回覆當最終核准 |
| 暫時沒有優先性 | 記錄再評估時點與條件 | 持續無差別催促 |
跟進應有結案條件。若客戶明確不適合、沒有需求或拒絕聯絡,就應結束;若延後,記錄重新啟動的條件。CRM 裡長期沒有下一步的案件,不應一直算在近期可成交商機中。清理這些案件可能讓管線數字變小,卻能讓主管更準確安排資源。
對已成交客戶,交接給執行團隊也屬於銷售流程。AI 可以整理承諾、範圍、排除事項與待補資料,但必須以核准文件為依據。若業務為促成成交增加了口頭承諾,應先補確認,不要讓執行團隊從摘要中第一次發現新的義務。
一個可重算的業務試點,如何避免漂亮假象
以下是假設案例,金額為新臺幣,僅示範比較方式。某公司選定 60 筆已確認需求且準備報價的案件,分兩個條件相近的觀察批次,各 30 筆。原流程每案整理與跟進平均需要 90 分鐘;試點流程的草稿、覆核與更新合計平均需要 65 分鐘。
若只看作業時間,30 案可釋出 750 分鐘,即 12.5 小時。但還要扣除建立模板與維護的投入。假設本期另花 8 小時整理流程,首期淨釋出只有 4.5 小時。後續是否持續節省,要在模板不再大量修改後繼續觀察,不能把初期一次性成本永久忽略。
同時應記錄合格下一步的比例。假設原批次有 12 案留下雙方確認的後續動作,試點有 18 案,分別為 40% 與 60%。這可以作為值得追查的變化,但樣本小、案件條件未必完全相同,不能直接宣稱 AI 造成 20 個百分點提升。應核對客群、案件難度、業務人員與觀察期間。
成交結果必須等同一批案件到達可比較的觀察期限後再看。不能拿本月剛報價的案件和去年已追蹤半年的案件比較。已成交、失敗、延期與尚未決定應分開,避免把尚未成熟的案件都算成失敗,或把尚未確認的口頭意向算成收入。
若成交增加,也要檢查毛利與履約成本。多拿到三張低價且高度客製的訂單,未必比原本少量但健康的訂單更好。可以同時看訂單毛利、收款條件、客訴與執行追加工時;AI 的效益應連到公司的經營成果,而非單一銷售活動數字。
不要把省下工時與新增營收重複計算。若同仁正是用釋出的時間完成更多成交,兩者可能屬於同一條效益路徑。可以分別呈現產能與結果,但在總效益金額中要說明如何避免重複。資料不足時,先報告工時與商機推進證據,通常比硬算 ROI 更可信。
試點也可能顯示 AI 不值得用在某段工作。對規格極度標準、原本幾分鐘就能完成的報價,新增提示與覆核可能反而更慢。這時應保留既有模板,把 AI 用在較複雜的需求整理或例外辨識。導入成功包含知道哪些工作不需要改。
CRM 欄位少一點,責任反而要更清楚
若業務每天必須填大量與決策無關的欄位,AI 自動填寫只會讓冗餘資料增加得更快。可以先檢查每個欄位是否真的被用來做決策:主管看它決定什麼,填錯會造成什麼影響,誰能修正,多久需要更新。沒有用途的欄位應重新評估。
一個小型團隊的最小紀錄,可以包含客戶、商機、需求、當前階段、證據、下一步、負責人與日期。金額及預測機率要依公司既有定義管理,不應由模型依語氣猜測。當工作需要更細的產品、地區或採購條件,再逐步增加欄位。
資料寫入必須能追溯。AI 建議從哪一封郵件或哪一份筆記取得資訊,哪位業務確認,何時改成新版本,都應保留。對外發信、修改正式價格、刪除案件或批次變更狀態等動作,應另有明確授權與可回復方式。能讀 CRM 與能改 CRM,是不同的能力與風險。
多個商機屬於同一家公司時,尤其容易寫錯對象。客戶可能同時討論培訓、顧問及系統建置,不能因公司名稱相同就把所有對話合併。建議使用明確的商機識別碼,並在寫入前顯示目標案件與待變更欄位。使用者確認的是具體變更,不是一句模糊的「幫我更新」。
當同一封郵件被重複處理,系統也不應新增兩份相同紀錄或寄出兩次跟進。可用來源訊息識別、版本與操作紀錄降低重複,並在重試前核對是否已完成。這些技術行為應由實際整合方案驗證;本文提供的是需求條件,沒有宣稱已完成任何產品測試。
主管每週可抽查少量案件,對照原始材料與 CRM。抽查的重點是需求是否真實、下一步是否經確認,以及金額與日期有無被過度解讀。若只看欄位填寫率,系統可能很快達到百分之百,卻把不確定資訊填得比以前更完整。
以四週安排,做出可用的業務工作流
第一週選擇一種客群與一段流程,留下目前作業方式與基準。請業務帶三件順利案件、三件卡住案件,逐筆找出缺漏。最後只選一個優先問題,例如報價後沒有明確下一步。先把「完成」寫清楚,再開始整理提示詞。
第二週建立研究卡、訪談紀錄與跟進模板。模板要能保留未知、原始來源與版本,不要求每個欄位一定有答案。安排業務用過去資料重做,檢查是否真的減少整理負擔。主管在這週確認哪些內容可以對外使用,哪些必須經核准。
第三週小範圍試行。由少量同仁使用真實但經授權的資料,AI 產出草稿,人員確認後執行。每天記錄最耗時的修正與最常見錯誤,避免只收集「很好用」的心得。若系統把客戶未承諾事項寫成承諾,就先修正這項問題,再增加使用量。
第四週比較成果。看作業時間、資料完整性、客戶下一步與錯誤後果,並確認維護責任。若需要串接 CRM,先把已經有效的流程變成整合需求;不要用串接專案來掩蓋流程仍未定義的問題。通過後再增加其他客群或產品。
這四週不保證成交。B2B 採購可能需要更長時間,成果應依實際銷售週期持續追蹤。四週可作為初步觀察期,先檢查團隊是否能穩定產出可信研究、保留需求證據、確認下一步,以及避免不必要的行政重工。這些是後續商業成果的必要基礎。
對業務主管而言,培訓的驗收也應調整。不要只要求學員展示一段提示詞,而是交出一張研究卡、一份經覆核訪談紀錄與一則對應阻礙的跟進草稿。能在同一個案件上把三者接起來,才比較接近工作能力。
把同一個案件,從名單一路接到交付
用一個完整示範,能看出各張表是否真的相連。假設一家提供設備維護服務的公司,想接觸正在擴充產線的製造商。研究卡只能記錄已看到的公開擴廠資訊,並提出「是否需要調整維護安排」的問題;它不能直接寫成對方既有服務商失職。第一封訊息的目的,是確認相關窗口與是否存在需求。
對方回覆願意短談後,業務在訪談中得知,主要困擾是跨廠維修紀錄分散,並非設備故障率特別高。這個資訊會改變提案方向。如果前一段已經讓 AI 寫好一套更換設備方案,業務反而可能被自己的草稿限制。正確做法是回到已確認問題,將需求定義為紀錄整理、服務回報與跨廠查詢。
接著客戶提到「先讓一個廠試用看看」。這還不是正式採購同意,應補問試用範圍、資料可用性、驗收角色與預算流程。AI 可以把待確認問題整理成清單,但業務要判斷哪些適合在下一次會議詢問,哪些需要先由資訊或法務確認。不要把所有問題一次丟給窗口,造成對方替供應商完成需求分析。
需求確認後,提案只比較兩個可交付範圍:先整理既有維修紀錄,或增加受控的查詢介面。每個範圍列輸入、交付、排除事項與驗收方法。客戶若擔心資料外流,跟進內容就補資料處理和權限說明;若擔心維護成本,就補責任與移交安排。這時再寄一般公司簡介,對決策的幫助有限。
假設客戶最後選擇較小的範圍,業務不應把它視為 AI 提案失敗。若範圍符合實際需求、毛利健康、能順利履約,就可能是更好的成交。交付團隊收到的應是核准版方案、資料清單、責任人與待辦,而非整段聊天歷史。AI 在這條流程的角色,是減少資訊遺失,並協助每一個角色理解下一步。
這個示範也提供反向檢查方法。若任何一段無法連回上一段的證據,例如提案功能沒有對應需求、折扣沒有對應阻礙、成交預測沒有對應決策日期,就先停止擴大自動化。流程的斷點若沒有修補,新增工具只會讓斷點更難被看見。
團隊分工,避免所有事情都回到業務身上
業務負責確認客戶語意與下一步;主管負責資源優先順序和商務例外;產品或技術人員確認可交付範圍;行政協助版本與紀錄;資訊人員處理權限與系統整合。小公司可以由同一人兼任,但每件事仍要有明確的責任視角。AI 不應因為能產出所有文件,就成為沒有責任人的共用出口。
例如業務可以修正訪談摘要,卻不能自行變更標準付款條件;資訊人員能修復串接,卻不應決定商機是否值得投入。把這些界線寫進流程,能減少「系統已經做了,所以只能接受」的情況。遇到錯誤時,也比較容易定位應修正內容、授權還是技術。
可直接帶進週會的商機推進表
下載:AI 業務開發與跟進工作表。表格保留事實、推論與待確認事項,讓同仁可以先用現有試算表開始,不必等 CRM 改版。
| 週會問題 | 應提出的證據 | 本週應決定的事 |
|---|---|---|
| 這是合格商機嗎? | 客戶需求、對象與服務適配 | 繼續投入或結案 |
| 卡在哪裡? | 對方回覆與內部待辦 | 解決哪一個阻礙 |
| 下一步誰承諾? | 雙方確認的動作與日期 | 負責人及追蹤方式 |
| 是否需要讓利? | 價格以外的阻礙與毛利影響 | 調範圍、補證據或維持 |
| AI 有幫助嗎? | 修正工時、錯誤與推進結果 | 擴大、修改或停用 |
企業若要規劃業務 AI 培訓或流程改善,可先整理一份已去識別的案件材料,向天地人提出需求。從一條具體的報價與跟進流程出發,較能判斷需要的是工具能力、跨部門工作設計,還是系統整合。
常見問題
沒有 CRM,也能做 AI 業務開發嗎? 可以。先用一致欄位記錄客戶、需求、證據與下一步。當資料量、權限或協作複雜度增加,再評估 CRM 與整合方式。
AI 可以幫忙預測成交機率嗎? 可以做分析輔助,但需要足夠且定義一致的歷史資料。不能只依客戶語氣產生百分比,並當成可靠的業績預測。
最先應自動化哪一段? 優先選資料可取得、完成條件明確、出錯可修正的整理工作。正式報價、商務承諾與對外聯絡仍需依公司的核准及授權規範處理。
名單數應不應該當 KPI? 可以作為活動量,但要搭配客群品質、合格對話、商機推進與成交品質。單獨提高名單數,可能只會增加後續篩選成本。
資料與圖片說明
查核日期為 2026/11/17。Microsoft 文件僅支持文中所述功能,不構成成效背書;流程、表格與數字為本文原創示範。封面為 AI 生成概念插畫,非實際客戶資料。專題編輯角色說明見作者頁。
本文由 TARAISG 使用 AI 協助撰寫與整理來源。案例、工作表與方法圖解均已標示用途;目前未有具名人工終審紀錄,不宣稱已經專家審核。
本文由 TARAISG(TIANDIREN AI SOLUTION GROUP)使用 AI 模型產生正文、整理來源並設計實務工具。方法依據與限制列於文末;案例為明確標示的教學假設。未有具名紀錄時,不宣稱經人工或專家審核。
查看內容製作與更正說明