用 AI 開發潛在客戶：名單搜集、資格判斷、開發訊息一條龍填滿銷售漏斗

每個跑業務的人都懂那種焦慮：月初打開 CRM，發現漏斗上層空空如也，要從哪裡生出下一批客戶？傳統做法是花一整個下午翻名片、滑公司官網、手動複製貼上到表格，然後對著一長串陌生公司名稱發呆——到底誰值得跟進？該說什麼開頭？哪些根本是在浪費時間？

這篇要解決的問題：怎麼用 AI 建立一套從名單搜集、資格判斷到開發訊息的完整流程，穩定填滿你的銷售漏斗。 適合誰讀：B2B 業務、創業者、行銷與業務開發（BD）人員，以及想讓開發客戶不再靠運氣的中小企業團隊。 讀完你會得到：一套可複製的工作流、三段關鍵 Prompt、一張 Workflow 流程圖、台灣實際案例與導入前後的數據對照。

為什麼要用 AI 開發潛在客戶

潛在客戶開發（Lead Generation）的本質，是一場「時間 vs. 命中率」的拉鋸戰。業務最寶貴的資源是跟進的時間，但傳統開發流程裡，超過一半的時間其實花在不會成交的對象上：搜集名單、查公司背景、判斷對方是不是目標客戶，這些都是耗時但低價值的工作。

AI 之所以能改變這件事，不是因為它比業務更會賣，而是因為它擅長處理這些「量大、規則明確、重複」的前置工作：

• 搜集與整理：把散落在官網、新聞、活動名單的資訊，整理成乾淨的結構化資料。
• 資格判斷：依照你定義的標準，對上百筆名單一致地評分排序，不會累、不會憑心情。
• 個人化撰寫：根據每個對象的具體線索，快速產出客製化的開發訊息草稿。

換句話說，AI 把業務從「資料苦工」中解放出來，讓人專注在真正需要人味的環節——對話、信任與成交。重點是：AI 負責放大與加速，名單品質與跟進紀律仍掌握在你手上。這也是為什麼這篇談的是「流程」而不是「某個工具」——工具會換，流程才是長期資產。

核心概念：把開發流程拆成三段

很多人用 AI 開發客戶失敗，是因為丟一句「幫我找潛在客戶」就期待奇蹟。正確的心法是把整個漏斗上層拆成三個獨立、可優化的環節，每段都有明確的輸入與輸出。

用一個比喻：這三段就像淘金。名單搜集是把整桶河沙鏟進來，資格判斷是用篩網把砂石濾掉、留下可能含金的顆粒，開發訊息則是把金子擦亮拿去交易。如果你跳過篩網直接拿整桶沙去談，只會累死自己；如果你連河沙都鏟得很髒（名單來源亂），再好的篩網也篩不出金子。三段環環相扣，缺一不可。

理解這個拆解後，你會發現一個關鍵：ICP（Ideal Customer Profile，理想客戶輪廓）是貫穿三段的靈魂。沒有清楚的 ICP，AI 不知道要找誰、淘汰誰、用什麼角度寫訊息。所以我們的教學從定義 ICP 開始。

實際教學：五步建立你的 AI 開發流程

Step 1：定義理想客戶輪廓（ICP）

ICP 不是「我想賣給所有人」，而是一段具體的描述。越具體，AI 的判斷越準。一份好的 ICP 至少包含：產業、公司規模、決策者職稱、核心痛點，以及「觸發訊號」（最近發生什麼事代表他們現在需要你）。

舉例，一家做電商客服系統的台灣 SaaS 公司，ICP 可以寫成：「年營收 3,000 萬到 3 億的電商品牌，客服團隊 3 到 15 人，常在旺季因人手不足導致回覆延遲；觸發訊號包含：近期擴大徵客服、上架到新通路、雙 11 前。決策者通常是電商營運主管或客服主管。」

把這段 ICP 存成一份文件，後面每一步都會反覆用到。

Step 2：用 AI 搜集與整理名單

名單搜集有兩種起點。第一種是你「手上已有的雜亂資料」——展會名片、活動報名表、官網詢問紀錄、過去未成交的舊名單。第二種是「公開來源」——產業協會會員名單、得獎名單、公開的徵才頁面。

請特別注意合規：只使用公開的商業資訊，避免大量爬取或購買來路不明的名單。把蒐集到的原始資料貼給 AI，請它整理成統一欄位。AI 在這一步的價值是「清理與補齊」：把不一致的公司名稱標準化、推測缺漏的產業分類、標記資料不全需人工補的欄位。

Step 3：建立評分標準做資格判斷

這是整個流程最能拉開效率差距的一步。你要把 ICP 翻譯成一套「可打分」的規則。常見做法是設計 4 到 6 個維度，各給權重，加總成 0 到 100 分。例如：產業符合度（30 分）、公司規模符合度（25 分）、有觸發訊號（25 分）、決策者職稱對（20 分）。

讓 AI 依這套規則對每筆名單打分，並要求它「附上扣分原因」。這個要求很重要——它逼 AI 講出判斷依據，你才能檢查它有沒有亂評，也方便日後調整權重。打完分後，把名單依分數排序，70 分以上優先跟進、40 分以下先擱置。

Step 4：產出個人化開發訊息

高分名單到手後，最後一哩路是讓對方願意回你。AI 寫開發訊息的關鍵，不是「寫得漂亮」，而是「言之有物的個人化」。罐頭訊息群發的回覆率慘不忍睹，但若每封信的開頭都精準點到對方近期的具體狀況，回覆率會明顯不同。

做法是：把該名單的研究線索（觸發訊號、職務痛點、公司近況）連同你的價值主張一起餵給 AI，要求它產出「個人化開頭＋一句價值＋單一明確的行動呼籲」結構的短訊息。訊息要短，CTA 只能有一個，且降低對方的回覆門檻（例如「方便的話回我一個字，我寄份案例給你」）。

Step 5：串成自動化工作流並追蹤成效

把前四步串成一條可重複的 Workflow，你才不用每次從零開始。最重要的是「閉環」：記錄每批開發訊息的回覆率與成交率，回頭優化兩個東西——評分權重（哪一型客戶其實更容易成交？）與訊息 Prompt（哪種開頭回覆率最高？）。

不需要一開始就上重型自動化工具。可以先用半自動方式跑：AI 負責搜集、評分、寫草稿，人負責最後審核與送出。等流程穩定、確認有成效，再評估導入工具把重複動作自動化，並務必把「送出開發信」這類對外動作保留人工確認。

範例：Prompt 與 Workflow

以下提供三段對應核心環節的 Prompt，可直接複製修改。

名單整理與補齊 Prompt：

你是一位 B2B 業務開發助理。以下是我蒐集到的潛在客戶原始資料（來自公開來源），格式雜亂。
請幫我整理成表格，欄位為：公司名稱、產業、估計規模、決策者職稱、聯絡角色、資料缺漏項、備註。

規則：
1. 公司名稱統一用全名（去掉「股份有限公司」可保留括註）。
2. 推測產業分類時，註明這是「推測」還是「資料明示」。
3. 任何缺漏或需人工補的欄位，請在「資料缺漏項」標明，不要自行編造數據。
4. 只整理資料，不要新增來源以外的公司。

原始資料：
（貼上你的資料）

資格評分 Prompt：

你是我的潛在客戶資格判斷助理。請依以下 ICP 與評分標準，對名單逐筆打分。

【ICP】
（貼上你 Step 1 寫好的 ICP）

【評分標準，總分 100】
- 產業符合度：30 分
- 公司規模符合度：25 分
- 有觸發訊號：25 分
- 決策者職稱對：20 分

【輸出格式】
表格：公司名稱｜總分｜各維度得分｜扣分原因｜建議跟進優先級（高/中/低）
請依總分由高到低排序，並對 60 分以下者一句話說明為何不建議優先。

名單：
（貼上 Step 2 整理好的名單）

個人化開發訊息 Prompt：

你是一位擅長寫高回覆率開發訊息的 B2B 業務。請為以下單一對象寫一封繁體中文開發信。

【對象線索】
公司：（公司名）
觸發訊號：（例：近期擴編客服團隊）
職務痛點：（例：旺季回覆延遲）
【我的價值主張】（一句話）
【希望對方做的單一行動】（例：回信約 15 分鐘線上聊）

要求：
1. 結構為「個人化開頭（點到對方近況）→ 一句價值 → 單一 CTA」。
2. 全文不超過 120 字，口吻自然、不浮誇、不用 AI 腔。
3. 結尾的 CTA 要降低回覆門檻，附上禮貌的退出說明。

Workflow 文字版流程圖：

[定義 ICP]
   ↓
[搜集原始名單（公開來源／手上既有資料）]
   ↓
[AI 整理成結構化名單] —— 人工補齊缺漏欄位
   ↓
[AI 依評分標準打分排序]
   ↓
[分數分流] ——→ 40 分以下：擱置／再蒐集
   ↓ 70 分以上優先
[AI 產出個人化開發訊息草稿]
   ↓
[人工審核並送出] ← 對外動作保留人工確認
   ↓
[記錄回覆率／成交率]
   ↓
[回頭優化：評分權重 + 訊息 Prompt]（閉環回到上方）

這張流程圖的精神是：AI 處理量大重複的前段，人把關需要判斷與信任的後段，最後用數據閉環持續優化。

常見錯誤

錯誤一：跳過 ICP 直接叫 AI 找客戶。 沒有清楚輪廓，AI 只能給你一堆面目模糊的公司名稱。先花 30 分鐘寫好 ICP，後面省下好幾天。

錯誤二：把評分結果當聖旨。 AI 評分是「初步分流」，不是最終裁決。高分名單仍要業務看過再決定投入，低分名單偶爾也藏著黑馬，別讓分數綁死判斷。

錯誤三：用 AI 生成罐頭訊息群發。 這是最常見也最致命的錯。個人化才是 AI 開發訊息的價值所在，群發罐頭只會拉低你的寄件信譽，回覆率反而更慘。

錯誤四：忽略合規。 購買來路不明名單、大量爬取、開發信沒有退出機制，都是踩線行為。台灣《個人資料保護法》對蒐集處理個資有明確規範，務必只用公開商業資訊並保留退出選項。

錯誤五：跑一次就不回頭看數據。 沒有閉環的流程會停在「感覺有效」。記錄回覆率與成交率，才知道哪一型客戶、哪種訊息真正有用。

最佳實務

• ICP 與評分標準版本化：每次調整都記下日期與原因，方便對照成效變化。
• 要求 AI 附判斷理由：無論評分或寫信，都讓它說明依據，你才檢查得出問題。
• 控制每日發送量：個人化＋小批量，比群發大量更能維持回覆率與寄件信譽。
• 保留人工最後一關：搜集、評分、寫草稿可交給 AI，但「按下送出」這個對外動作永遠人工確認。
• 用真實線索餵 AI：訊息個人化的品質，取決於你給的線索品質，垃圾進就垃圾出。
• 先半自動再上工具：流程跑順、確認成效後，再投資自動化，避免一開始就被工具綁架。

實際案例：台灣電商 SaaS 的開發流程改造

情境：一家位於台北、約 20 人的電商客服系統 SaaS 公司，兩名業務每月要開發新客戶填滿漏斗。導入前，他們的開發流程全靠人工。

導入前：兩位業務每週各花約一個半天搜集名單、查公司背景，再憑印象挑名單發開發信。每月約能整理出 120 筆名單、發出 80 封開發信，回覆率約 4%，且常抱怨「不知道哪些值得跟」。名單品質參差，常發信給根本不符規模的公司。

導入後：他們照本文流程，先寫好 ICP（鎖定旺季客服人手吃緊的中型電商品牌），用 AI 整理名單、依四維度評分排序，只對 70 分以上發個人化開發信，每封都點到對方近期的觸發訊號（如剛擴編客服、上架新通路）。

成果數據（導入後第二個月對比導入前）：

• 每月整理名單量從 120 筆提升到約 300 筆（AI 整理省下大量複製貼上時間）。
• 業務花在搜集與篩選的時間，從每週約 6 小時降到約 2 小時。
• 開發信回覆率從 4% 提升到約 11%（聚焦高分名單＋個人化訊息的綜效）。
• 每月有效對話（願意進一步聊的）從 3 場增加到 9 場。

關鍵不是 AI 取代了業務，而是把業務從資料苦工裡釋放出來，讓他們把時間花在真正需要人味的對話上。團隊後來補上閉環，發現「上架新通路」這個觸發訊號的成交率最高，於是調高了該訊號的評分權重，第三個月回覆率又往上爬了一些。

結論

用 AI 開發潛在客戶，本質是把銷售漏斗的上層拆成三段——名單搜集、資格判斷、開發訊息——讓 AI 接手量大重複的前段工作，人專注在判斷、信任與成交。整套流程的靈魂是一份清楚的 ICP，而它的長期威力來自閉環：用真實回覆數據持續優化評分權重與訊息 Prompt。

別追逐單一工具，先把流程跑順：定義 ICP、半自動跑一輪、記錄數據、回頭優化。當你把這條 Workflow 變成團隊的肌肉記憶，填滿漏斗就不再是每月初的焦慮，而是一件可重複、可預測的事。想更進一步，可以把這套流程接上B2B 業務 AI Agent 與AI 工作流設計，讓自動化程度再往上一階。

最後提醒：本文涉及名單蒐集與行銷訊息發送，台灣《個人資料保護法》對個資蒐集、處理與利用有明確規範，正式上線前的名單來源、寄送方式與退出機制，請諮詢貴公司法務或合規人員。本文僅供流程參考，不構成法律意見。

❓ 常見問題 FAQ

🔗 延伸閱讀

• AI Agent 是什麼？從入門到實戰
• AI 寫銷售開發信：高回覆率的開發信寫法
• ChatGPT Prompt 教學：寫出好提示詞
• B2B 業務 AI Agent 導入指南
• AI 工作流設計：把任務串成自動化