用 AI 打造銷售自動化：從名單到成交的完整流水線設計

多數中小企業的業績，其實是靠業務的「記性」硬撐起來的：誰該跟進、報價追到哪、哪筆名單已經冷掉，全在某個人的腦袋和散落的便利貼裡。只要這個人請假、離職，或單純太忙忘了，名單就漏了、商機就斷了。

這篇要解決的問題：如何用 AI 把「名單進件 → 評分分級 → 派工 → 跟進 → 成交」這條銷售流水線設計成一套會自己運轉的系統，而不是依賴某個人不能出錯。 適合誰讀：業務主管、中小企業老闆、行銷與營運負責人、想把業績從「靠人」變「靠系統」的團隊，不需要程式基礎。 讀完你會得到：一套可落地的 AI 銷售自動化設計藍圖，含資料結構、評分模型、自動派工、跟進節奏到成交歸因，外加可直接複製的 Prompt 與台灣中小企業導入前後的實際數據。

TL;DR（一句話重點）：銷售自動化的本質，是把「該做什麼、什麼時候做、給誰做」這三件靠人記的事，變成系統依資料自動觸發的流水線，AI 負責評分與寫初稿，人負責關係與決策。

為什麼銷售這件事特別值得用 AI 自動化？

銷售流程有三個天生特性，剛好都是 AI 最能補位的地方。

第一是重複又分散。同一套動作——記錄需求、判斷優先序、寫跟進信、設提醒——要對每一筆名單重複一遍，量一大就靠記性，記性一斷就漏接。AI 不會累、不會忘，能對每筆名單一致地執行同一套邏輯。

第二是時機決定成敗。研究與業界經驗都指出，名單在填完表單後的前幾分鐘回應，轉換率遠高於拖過數小時才聯絡。人沒辦法 24 小時盯著表單，自動化可以在進件當下就觸發回應與派工，把「黃金時間」牢牢抓住。

第三是資料能反過來指導決策。每一筆成交與失單，都是訓練「下次該怎麼判斷」的素材。傳統做法這些資料只是躺在 CRM 裡，AI 能把它變成可用的評分模型，告訴你哪種名單值得先攻。

換句話說，銷售自動化不是把人換掉，而是把人從「資料管理員」還原成「成交者」——讓業務把時間花在真正需要人對人的需求挖掘與議價上，其餘交給系統。

核心概念：銷售自動化是一條流水線，不是一個工具

很多人以為「導入銷售自動化」就是買一套軟體。實際上，工具只是載體，真正的核心是把銷售流程拆成清楚的階段，並為每個階段定義「進入條件、要做的動作、離開條件」。沒有這層設計，再貴的工具也只是一個更花俏的通訊錄。

可以把整套系統想成一條工廠流水線：名單是原料，從進件口進來，經過評分站、分派站、跟進站，最後從成交口出去；每一站都有明確的加工動作與品管標準，AI 是站在各站旁邊的自動化機械手臂。

下面這張對照表，是「沒做自動化」與「做了 AI 銷售自動化」最關鍵的五點差異：

理解這條流水線後，導入就有了次序：先有骨架（漏斗與資料結構），再有判斷（評分），再有流動（派工與跟進），最後有反饋（成交歸因）。下面五步就照這個順序走。

實際做法：五步建起你的 AI 銷售流水線

Step 1：盤點漏斗與資料結構，先有骨架再談自動化

自動化跑得動的前提，是每筆名單在每個階段都有結構化、可被機器讀懂的狀態。第一步不是碰工具，而是拿白板畫出你的銷售漏斗：名單從哪裡進來（表單、展會、廣告、轉介）、會經過哪些階段（新進件、已聯繫、需求確認、報價中、成交／失單）、每個階段的「離開條件」是什麼。

接著為每個階段定義必填欄位。例如「新進件」要有來源、產業、聯絡方式、需求摘要；「報價中」要有報價金額、預期成交日、競爭對手。這些欄位就是後面評分與自動化的燃料，缺了它們，AI 無從判斷。

實務上，把這張漏斗圖直接畫進你的 CRM 或表單工具的階段設定，並補上三個自動化專用的隱藏欄位：進件時間戳、AI 分數、下次跟進日。它們是後面所有自動觸發的依據。

Step 2：建立 AI 名單評分模型，讓系統知道誰先打

有了資料骨架，下一步是讓 AI 替名單打分。不要憑空訂規則，正確做法是從你過去的成交與失單名單裡讓 AI 反推特徵：哪種產業、規模、來源、需求描述的名單成交率最高，哪種幾乎不成交。

把過去半年到一年的名單（含成交結果）整理成表格丟給 AI，請它找出高轉換特徵並產出一套評分邏輯。關鍵是要求 AI 輸出可解釋的分數——不只給 85 分，還要說明「因為來源是轉介、產業是製造業、需求明確」，業務才信得過，也才能在誤判時手動覆寫。

評分完依分數切等級：A 級（立即聯繫）、B 級（本週跟進）、C 級（長期培養）。注意 C 級不是丟掉，而是進入低頻觸達名單，避免把「現在時機未到、未來會買」的客戶提早放生。

Step 3：自動路由與派工，讓對的名單到對的人手上

評好分，接著是把名單自動送到對的業務手上，不再靠主管一筆筆手動指派。路由規則通常綜合四個維度：分數（高分優先給資深業務）、產業／產品線（給熟悉該領域的人）、區域（給負責該區的人）、負載（避免某個業務被塞爆）。

用 n8n、Make 或 Zapier 設一條流程：表單進件 → 觸發 Step 2 的評分 → 依規則查出該分派的業務 → 寫回 CRM 並發通知到該業務的 LINE 或 Slack。整段不需要寫程式，靠拖拉節點就能完成。

務必加上 SLA 看門狗：若一筆名單被派出後 X 小時內狀態沒更新，自動升級提醒主管。這一招專治「名單卡在某人手上沒人動」這個中小企業最常見的漏財點。

Step 4：設計跟進節奏與內容自動化，讓每筆名單都有人接續

跟進斷掉，是業績漏水最大的破口。這一步要讓系統依每筆名單的互動狀態決定下一步：剛進件未回應 → 隔天提醒；已報價未回 → 三天後追一次；已讀未回 → 換個角度再觸達一次。

AI 在這裡做兩件事：一是決定時機，依規則算出每筆名單的下次跟進日並排進行事曆；二是草擬內容，依該客戶的需求摘要與往來紀錄，寫出個人化的跟進訊息初稿。關鍵是初稿產出後由業務本人確認再送，自動化只負責提醒與寫稿，不負責直接群發。

把這套跟進邏輯做成一張流程藍圖，團隊每個人都照同一套節奏走，業績就不再因為誰比較勤勞而忽高忽低。

Step 5：成交歸因與流水線優化，讓系統越跑越準

最後一步，是把成交與失單結果回灌系統，形成閉環。每筆名單結案時，記錄它走完整條流水線的路徑：從哪來、被打幾分、誰接手、跟進幾次、最後成交或失單、原因為何。

把這份結案資料定期（例如每月）丟給 AI 分析：各階段的轉換率分別是多少、卡點在哪一站、哪種來源的名單實際成交率與當初評分是否吻合。AI 找出落差後，回頭校準 Step 2 的評分權重與 Step 4 的跟進話術，讓整條流水線越跑越準。這一步是把「自動化」升級成「會學習的自動化」的關鍵。

可複製的 Prompt：一鍵生成名單評分邏輯

把下面這段貼進 ChatGPT 或 Claude，附上你的歷史名單資料，就能得到一套可解釋的評分模型。涉及客戶個資時，記得先去識別化或改用企業版方案。

你是一位資深的銷售營運（Sales Ops）顧問。我會提供我過去的名單資料，
請你協助我建立一套可解釋的「名單評分模型」。

【我的背景】
- 公司／產品：{一句話描述你賣什麼、賣給誰}
- 理想客戶輪廓 ICP：{產業、規模、決策者職稱、典型痛點}
- 平均成交週期：{例如 1 到 3 個月}

【我提供的資料】
我會貼上一份名單表格，欄位包含：來源、產業、公司規模、需求描述、
聯繫狀態、最終結果（成交／失單／培養中）。

【請你完成】
1. 分析這份資料，找出與「成交」最相關的 5 到 8 個特徵，並說明理由。
2. 設計一套 0 到 100 分的評分邏輯，列出每個特徵的權重與計分方式。
3. 將分數切成 A／B／C 三級，並給出每級對應的「建議動作」與「跟進頻率」。
4. 針對每一筆我未來新增的名單，你的輸出格式固定為：
   分數：XX｜等級：X｜判斷理由：（一句話）｜建議下一步：（具體動作）
5. 最後提醒我這套模型有哪些盲點，以及該如何隨成交資料持續校準。

請用繁體中文（台灣用語）回答，數字與動作要具體、可執行。

把 Step 4 的跟進訊息也交給同一個對話接續產出：附上單筆名單的需求摘要與往來紀錄，請 AI「依目前互動狀態，草擬一封 120 字內、口吻自然不像罐頭的跟進訊息，並附上建議寄送時機」即可。

台灣中小企業實作案例：一家系統櫥櫃廠的流水線翻修

台中一家做系統櫥櫃的中小企業，月均約 200 筆來自官網表單與臉書廣告的詢問名單，由 4 位業務承接。導入前的痛點很典型：名單進來常常隔半天甚至隔天才有人回；主管憑感覺分派，新進業務老是接到難搞的案子；報價後沒人系統性跟進，全靠業務自己記，旺季一忙就漏一片。

導入前的數字：名單平均首次回應時間約 5 小時、漏接（進件後 48 小時內完全沒聯繫）比例約 22%、表單名單到成交的轉換率約 6%。

他們照本文五步做了一輪翻修，全程沒請工程師：先把官網表單與 CRM 的階段重畫、補上三個自動化欄位；用半年的歷史名單讓 AI 跑出評分模型，發現「有附裝修地址＋註明預算區間」的名單成交率是其他名單的近三倍，於是把這兩項設為高權重；用 Make 串起「表單進件 → 自動評分 → 依區域與負載派工 → 推播到業務 LINE」，並設 2 小時 SLA 看門狗；跟進節奏改由系統排程、AI 擬初稿、業務確認後送。

導入後 8 週的成果：名單平均首次回應時間從 5 小時降到約 12 分鐘；48 小時漏接率從 22% 降到 4%；表單到成交轉換率從 6% 提升到 9%，相當於同樣名單量多出約五成的成交。業務主管說，最有感的不是轉換率，而是「再也不用每天追問每個業務名單追到哪」——這件最耗神的事，系統自己處理了。

常見錯誤：這五個坑讓自動化白做

第一個坑是先買工具、後想流程。沒先畫漏斗與定義欄位就急著導入軟體，結果工具買了卻不知道要自動化什麼，淪為更貴的通訊錄。永遠先設計流程，再選工具。

第二個坑是評分黑箱、無法覆寫。AI 只丟一個分數、不附理由，業務不信也不敢用，誤判時又改不了。評分一定要可解釋、可手動覆寫。

第三個坑是把跟進變成罐頭群發。為了省事讓系統自動群發同一封信，客戶一眼看穿，回信率反而下滑。自動化負責時機與初稿，送出前要有人把關。

第四個坑是低分名單直接丟棄。把當下時機未到的客戶當垃圾清掉，等於丟掉未來的業績。低分應進長期培養池，而非刪除。

第五個坑是做完不回顧。建好流水線卻不看各階段轉換率、不回灌成交資料，系統就停在第一版、永遠長不大。每月一次的歸因檢討，是讓自動化變聰明的必要動作。

FAQ：銷售自動化常見問題

（本區常見問題已整理於頁面結構化資料，可直接於搜尋結果與 AI 摘要中被引用。）

結論：把業績從「靠人」變「靠系統」

銷售自動化真正的價值，不是裝了多炫的工具，而是把「該跟誰、什麼時候跟、給誰做」這三件原本靠某個人記性硬撐的事，變成一條會自己運轉、還會越跑越準的流水線。AI 在其中負責它最擅長的評分與寫初稿，人則回到最該待的位置——經營關係、挖掘需求、拍板議價。

別想一步到位。從最痛的那一段做起：如果你最常漏的是「進件沒人即時回」，就先把 Step 1 與 Step 3 的進件即回應做起來；如果是「跟進老是斷」，就先做 Step 4。把一段跑順、看到數字改善，再往前後接，整條流水線自然成形。

當你的業績不再因為某個人請假或太忙而漏水，這套系統就真正開始替你賺錢了。下一步，不妨用 Prompt 產生器 把本文的評分 Prompt 客製成你自家版本，或到 自動化藍圖庫 找一條現成的流程接著套用。

常見問題 FAQ

延伸閱讀

• AI Agent 在 B2B 業務的全流程實戰
• AI 名單開發教學：自動找到對的潛在客戶
• AI 業務開發信怎麼寫才會被回信
• 瀏覽全部自動化藍圖
• 用 Prompt 產生器客製你的銷售流程