日志

示例演练:用 AI 跟进停滞的 B2B 商机

一个说明性的示例演练:用 AI 跟进停滞的 B2B 商机。团队和数字都是假设,并非客户成果。内容包括设计思路与衡量方式。

joseph j.founding engineer1 分钟阅读

示例演练. 这是一个说明性的示例演练,并非客户成果。销售团队和其中的每个数字都是假设。它展示基于 Claude 的跟进助手如何找出沉寂的商机,并以销售本人的口吻起草下一次触达,由销售审阅并发送每一条消息。

问题不在线索数量,而在记忆。商机在一次不错的第二次通话后停滞,销售转向更热的线索,之后没人想得起来回头跟进。管道在 CRM 里看起来很健康,实际上正在内部悄悄死去。

为便于说明,假设一位销售副总裁的 CRM 里堆着一批已经沉寂的未结商机:状态仍是开放,却毫无进展,也没有购买任何新线索。问题是,当销售在合适的时机用合适的消息去联系时,其中有多少会重新回到真实对话中。这是需要衡量的数字,本文不对它给出任何数值。

为什么这么多商机会死在跟进环节?

AI 如何帮助跟进停滞商机?

AI 每天读取 CRM,标记出已经超出正常节奏而安静下来的商机,并用销售代表的语气、基于真实的沟通记录起草下一条消息。代表审阅后发送。它挽回的是你已经拥有的管道,而不是去追新线索,发送量维持在人工水平,可送达率因此保持稳定。

一名手上有 40 个未结商机的销售(仅为说明的假设),不可能在脑子里同时记着 40 个跟进时钟。于是声音最大的商机赢得当天的注意力,安静的那些就漂走了。这种漂移要到季度末才显现,那时一个已列入预测的商机,原来自第二次通话后就再没动静。我们的面向销售的 AI工作正是围绕这一模式展开的。

这个设计由哪些部分组成?

三个部分,没有一个是花哨的。一个环节负责给已经超出正常节奏而安静下来的进行中商机打分;一个起草环节根据真实的沟通记录写出下一次触达内容;还有一份代表每天打开的清单,取代手动翻查 CRM。

  • 发现:每天早上读取 CRM 中的进行中商机,标记出已超过预期下一次触达日期的商机,并按商机规模和最后一次真实回复加权。
  • 起草:为每个被标记的商机,用代表本人的语气写出一条简短的跟进内容,引用沟通记录中真实发生过的事,不写「只是想跟进一下」这类套话。
  • 审阅:把草稿放进一份「今天该联系谁」的清单,代表读过并点击发送之前,什么都不会发出去。

起草这一步,正是应当改变回复质量的部分。一条写着“您提到续约在第三季度,我想在那之前把试点排好”的跟进,比“只是来问问进展”更容易得到回复。Claude 会读取整个邮件往来,提取具体的切入点,这样销售修改的是一条真实的消息,而不是从空白页开始写。

We are

一份每日清单,把值得联系的安静商机以及一版可以直接编辑的初稿交给每位代表,每一条消息都由人来审阅和发送。

We aren't

一个按定时器给每个进行中商机群发「只是跟进一下」模板邮件的自动群发器,只会训练潜在客户把你过滤掉。

发送量应保持在人力范围内。销售发出的跟进数量与一个人合理能发的相当,并且来自各自已预热的邮箱。助手改变的是哪些商机得到关注,以及每条消息写什么,而不是发出多少条,因此垃圾邮件投诉和送达率不应受影响。这条“人在回路中”的底线,与我们的 AI 落地实施工作遵循的纪律相同。

如何判断它是否有效?

预计起初会有一段嘈杂期。检测步骤会标出因正当原因而安静的商机,销售拿到一份不信任的清单,有些人干脆不再打开。解决办法是调整节奏逻辑,并让它学会忽略销售有意搁置的商机。

要衡量的信号是重新激活:清单标出的商机中,有多少回到了真实对话,并与启用前的同类商机比较。先确定这个基线,并且只统计销售因清单提示才联系的商机。模型是容易的部分,你真正要检验的是它周围那个枯燥的循环。期刊里有更多此类模式的示例演练。

这里没有客户引言,因为没有客户。这个设计的检验标准很简单:有了一份告诉你谁沉寂了的清单,以及一条真正能发出去的消息,销售还会因为自己的收件箱而丢单吗?

Stennir 是一家年轻的工作室,本文是一个设计,而不是过往业绩。如果你是销售副总裁,正看着已列入预测的商机在 CRM 里悄无声息,要挽回的管道其实早已在你手里。告诉我们你在做什么,我们会基于你真实的商机数据来界定跟进循环的范围。

告诉我们哪项工作最耗时间。

30分钟。无需准备。我们会坦率地告诉您AI能否帮上忙,以及从哪里开始。