AI Agent 在 B2B 業務的應用：名單開發、開發信、需求挖掘、提案、跟進全流程實戰

每個 B2B 業務都知道一個殘酷的事實：真正在「賣東西」的時間，可能只佔工作天的三分之一。其餘時間都在找名單、補資料、寫開發信、做會議紀錄、排跟進、更新 CRM——這些事很重要，卻不直接帶來成交。

這篇要解決的問題：如何用 AI Agent 把名單開發、開發信、需求挖掘、提案、跟進這條 B2B 業務鏈串起來，把業務從行政泥沼裡撈出來，讓他們專心做人才做得到的事。 適合誰讀：B2B 業務、業務主管、SDR（開發代表）、中小企業老闆，不需要程式基礎。 讀完你會得到：一套覆蓋業務全流程的 AI Agent 導入藍圖，外加可直接複製的 Prompt、Workflow 流程圖與台灣實際案例數據。

為什麼 B2B 業務特別需要 AI Agent？

B2B 和 B2C 最大的不同，是「長」與「碎」。一筆 B2C 訂單可能幾分鐘就成交；一筆 B2B 訂單從第一次接觸到簽約，常常拖上一到三個月，中間要接觸採購、使用者、財務、老闆等多個角色，每個角色關心的點都不一樣。

這種「長週期、多角色、高客製」的特性，讓業務的工作天被切得很碎：今天為 A 客戶寫提案、明天追 B 客戶的報價、後天還要重新整理一批新名單。每一步切換都有成本，而且大量是重複性勞動。

傳統 CRM 工具能「記錄」這些資訊，卻不會「處理」。它能存下客戶資料，但不會幫你判斷哪個名單該先打、不會幫你把通話紀錄變成提案、更不會在客戶冷掉前提醒你跟進。AI Agent 補上的正是這塊——它不只記錄，還會判斷、撰寫、排程、執行，把業務從「資料管理員」還原成「關係經營者」。

核心概念：把業務流程拆成 Agent 能接手的五段

要讓 AI Agent 幫上忙，不能丟一句「幫我做業務」就期待它包辦一切。正確做法是把 B2B 業務流程拆成清楚的五段，每一段交給 Agent 處理它最擅長的部分，由人保留判斷與關係的環節。

可以把整套系統想成一個「業務助理團隊」：有人負責海選名單、有人負責寫信、有人負責做紀錄、有人負責盯著進度提醒你別漏掉誰。差別只在於，這個團隊由 AI Agent 組成，24 小時待命，而你是帶領他們的業務主管。

實際教學：五步打造你的 B2B 業務 Agent

Step 1：定義理想客戶輪廓（ICP），給 Agent 一把尺

所有自動化的品質，都取決於你給的標準有多清楚。在讓 Agent 開發名單前，先把「理想客戶長什麼樣」寫成一份明確的 ICP（Ideal Customer Profile）。

至少要包含：目標產業、公司規模（員工數或營收）、目標決策者的職稱、他們最可能有的痛點、以及你的產品如何對應這些痛點。這份 ICP 會成為後續每一步的「尺」——Agent 用它來打分名單、用它來決定開發信的切入角度。

實務建議：別只憑想像寫 ICP，把你過去三到五個「成交最順、續約最久」的客戶攤開來，找出他們的共同點，那才是真正的 ICP。

Step 2：自動化名單開發與分級

有了 ICP，就能讓 Agent 接手最耗時的名單整理。這一步的重點不是「找到最多名單」，而是「找到最對的名單並排好順序」。

讓 Agent 從公開來源（公司官網、產業報導、公開名錄）蒐集潛在客戶的基本資料，補齊產業、規模、可能的決策者等欄位，再依照符合 ICP 的程度給每筆名單打分（例如 1 到 5 分），自動排序。業務一早打開清單，就能從最高分的名單開始打，而不是面對一堆未分級的雜訊。

提醒：涉及個人聯絡資料時，務必只使用公開且合法取得的來源，並遵守個資相關規範。

Step 3：生成個人化開發信

這是 AI Agent 投報率最高的一步。手寫一封好的開發信要 15 到 20 分鐘，而業務最常見的失敗，是因為沒時間，乾脆群發罐頭信，結果回信率慘不忍睹。

讓 Agent 以「客戶的真實情境」為素材寫信：他們公司最近的公開動態、所在產業的共同挑戰、以及你的產品如何具體解決。重點是讓每封信讀起來像「我研究過你」，而不是「我群發給一千個人」。Agent 負責產出初稿與 A/B 兩個版本，業務本人花兩分鐘潤稿、確認語氣後寄出。

Step 4：需求挖掘與提案草稿

當客戶回信、開始對話，業務最該專注的是「聽」與「問」。會議結束後的紀錄整理，交給 Agent。

把通話錄音逐字稿或會議筆記丟給 Agent，讓它萃取出四件事：客戶的核心痛點、預算範圍的線索、決策流程與關鍵人、以及客戶的疑慮與反對意見。接著讓 Agent 根據這些資訊產出一份提案大綱，包含對應痛點的解決方案、預期效益、以及可能被問到的 FAQ。業務拿到的是一份「已經想過客戶在想什麼」的提案骨架，而不是一張白紙。

Step 5：排程化跟進與更新 CRM

B2B 成交常常輸在「沒跟進」。客戶當下沒拒絕，只是還沒決定，業務一忙就忘了追，商機就這樣冷掉。

讓 Agent 依照每位客戶的互動狀態，自動排定跟進節奏（例如提案後第 3 天、第 7 天、第 14 天各一次），並針對不同階段草擬不同目的的跟進信——有的是補充資料、有的是處理疑慮、有的是溫和地推進決策。同時，把每次互動的結果回寫進 CRM，讓資料永遠是最新的。業務只要在 Agent 提醒時，決定「這封我自己寫」或「這封用 Agent 草稿微調」即可。

範例：Prompt 與 Workflow

可複製的 Prompt（個人化開發信）

# 角色
你是一位資深的 B2B 業務開發專員，專長是寫出高回信率的個人化開發信。

# 任務
根據我提供的客戶資訊與我的產品資訊，寫出一封繁體中文（台灣用語）的開發信。

# 客戶資訊
- 公司名稱：{{公司名稱}}
- 產業：{{產業}}
- 規模：{{員工數或營收}}
- 收件人職稱：{{決策者職稱}}
- 公司近期公開動態：{{新聞、徵才、新產品等，沒有就填「無」}}

# 我的產品資訊
- 產品：{{產品一句話描述}}
- 核心價值：{{解決什麼痛點}}
- 過去類似客戶成果：{{一個量化成果，沒有就填「無」}}

# 撰寫原則
1. 開頭第一句要連結「客戶的真實情境」，證明你研究過他，禁止用「您好，我們是…」開場。
2. 全信不超過 150 字，手機上 10 秒能讀完。
3. 只提一個最相關的價值點，不要塞滿所有賣點。
4. 結尾用低承諾的行動呼籲（例如「方便約 15 分鐘聊聊嗎」），不要一上來就要簽約。
5. 語氣專業但像真人，禁止 AI 腔與浮誇用詞。

# 輸出
請給我 A、B 兩個不同切入角度的版本，並各用一句話說明這個版本的策略。

Workflow 流程圖（文字版）

[ICP 設定] 業務拍板理想客戶輪廓
      ↓
[名單 Agent] 蒐集潛在客戶 → 補齊欄位 → 依 ICP 打分排序
      ↓
[開發信 Agent] 讀取高分名單 → 生成個人化 A/B 信 → 業務潤稿寄出
      ↓
   客戶回信？──否──→ [跟進 Agent] 排定再接觸節奏
      │是
      ↓
[紀錄 Agent] 整理通話 → 萃取痛點/預算/決策人 → 產出提案大綱
      ↓
[業務] 客製提案、議價、簡報（人親自出馬）
      ↓
[跟進 Agent] 排定 D+3/D+7/D+14 跟進 → 草擬跟進信 → 回寫 CRM
      ↓
   成交？──否──→ 回到跟進迴圈（直到成交或明確婉拒）
      │是
      ↓
[結案] CRM 標記成交 → 觸發交付與續約提醒

這條流程的設計哲學很清楚：重複的整理與撰寫交給 Agent，需要判斷與關係的節點留給人。 Agent 負責讓每個客戶都不被漏掉、每封信都有水準，人負責在關鍵時刻做出對的決定。

常見錯誤

一、把 AI 當群發機器。 最大的誤用，就是用 AI 把罐頭信寄得更快更多。這只會讓你更有效率地製造垃圾信。AI 的價值在「規模化的個人化」，不是「規模化的罐頭」。

二、跳過人的複查直接寄出。 AI 會產生幻覺，可能把客戶公司資訊寫錯、或編造一個不存在的「合作案例」。對外的信件與提案，務必由業務本人複查後再送出，一次出錯就可能毀掉信任。

三、ICP 寫得太籠統。 「想找有預算的公司」這種 ICP 等於沒寫。標準越模糊，Agent 給的名單與信件就越泛泛。花時間把 ICP 寫具體，是整套系統品質的源頭。

四、一次想全自動化。 想一步到位串完五個 Agent，往往因為哪一環沒調好就全盤崩潰。正確做法是單點突破：先把開發信這一步手動跑順、確認品質，再逐步往前後串接。

五、忽略個資與合規。 把客戶名單與敏感往來內容隨手丟進公開工具，是嚴重風險。務必區分「可輸入」與「不可輸入」的資料，並選用有資料保護保證的方案。

最佳實務

• 人機分工要寫進 SOP。 明確規定哪些步驟 Agent 出初稿、哪些步驟人必須親自做，避免責任模糊。
• 建立「客戶情境素材庫」。 把產業常見痛點、成功案例、常見反對意見整理成知識庫供 Agent 取用（這正是 RAG 的應用場景），信件與提案品質會明顯提升。
• 用數據迭代開發信。 持續記錄哪個版本的開發信回信率高，把贏的版本特徵餵回 Prompt，讓系統越用越準。
• 跟進節奏要有節制。 自動跟進不等於連環轟炸，過度打擾會反效果。設計遞減頻率，並保留「明確婉拒就停止」的護欄。
• 從一個小團隊試點。 先讓一兩位業務試行一個銷售週期，蒐集真實數據與回饋，再決定是否全團隊推廣。

實際案例：台灣一家工業設備代理商的轉變

台中一家中型工業自動化設備代理商，業務團隊六人，主要客戶是中部的傳統製造廠。導入前，他們的痛點很典型。

導入前：

• 每位業務每天約花 2.5 小時在找名單、補資料、寫開發信、做會議紀錄。
• 開發信幾乎都是同一套罐頭範本群發，回信率約 2%。
• 提案後常因業務太忙而漏追，主管估計每月至少有 3 到 4 個「沒跟進就冷掉」的商機。
• CRM 資料更新不及時，主管很難掌握每筆案子的真實進度。

導入做法： 他們沒有大張旗鼓，先讓兩位資深業務試點一個半月。用 Claude 搭配 n8n，串起名單分級、個人化開發信、會議紀錄萃取與跟進排程四個環節，CRM 沿用原本的系統，靠 Agent 自動回寫。每封對外信件仍由業務本人複查後寄出。

導入後（試點一個銷售週期後的數據）：

• 業務每日行政時間從 2.5 小時降到約 1 小時，每人每天多出約 1.5 小時可用於拜訪與電話。
• 個人化開發信的回信率從 2% 提升到約 6.5%，成長超過三倍。
• 因為跟進自動排程，「沒跟進就冷掉」的商機歸零，主管能在儀表板上看到每筆案子的最新狀態。
• 試點兩人的當季提案數量增加約 40%，其中一位的成交件數較前一季成長兩件。

值得注意的是，這家公司的成功關鍵不在工具多強，而在他們守住了人機界線：Agent 處理量與整理，但需求挖掘與議價始終由人主導。業務主管的原話是：「以前我們的業務像在當資料工讀生，現在他們終於有時間真的去跟客戶搏感情。」

結論

B2B 業務的本質從來沒變——它是一門關於信任的生意。AI Agent 不會、也不該改變這個本質。它改變的是業務「把時間花在哪裡」。

當名單整理、開發信撰寫、會議紀錄、跟進排程這些重複工作被 Agent 接手，業務才能把最寶貴的時間，還給真正需要人對人溝通的時刻：那場關鍵的需求挖掘、那次面對面的議價、那通讓客戶決定信任你的電話。

導入的訣竅不是追求一步到位的全自動化，而是從一個明確的 ICP 出發、單點突破、守住人機分工的界線，並用真實數據持續迭代。先讓一個步驟跑順，再逐步串起整條流程。

你的業務團隊不缺努力，缺的是把努力用在對的地方。讓 AI Agent 接走那些機械性的勞動，把舞台還給人——這才是 B2B 業務導入 AI 真正的意義。

免責聲明：本文涉及客戶名單與個人資料處理的部分僅為一般性建議，實際導入時的個資保護法合規判斷，請依貴公司情況諮詢專業法務人員。

❓ 常見問題 FAQ

🔗 延伸閱讀

• AI Agent 是什麼？從入門到實戰一次搞懂
• ChatGPT Prompt 教學：高效指令公式
• RAG 是什麼？讓 AI 讀懂你的內部知識
• 瀏覽全部工作流藍圖
• 用 Prompt 產生器做出你的業務配方