高單價詢問別再平均分配：用 AI 做名單分級，讓業務先追最可能成交的人

你的公司是不是也有這種狀況？

• 官網表單有進來，LINE 也有人問，廣告名單看起來不少。
• 業務追了一輪，真正成交的卻不多。
• 最有機會成交的人，常常沒有被第一時間跟進。

高單價產品最怕的，不是沒有名單，而是你把所有名單都當成一樣。

賣一雙鞋、一包零食，詢問沒馬上回，可能只是少一張訂單。但如果你賣的是顧問服務、設備、課程、系統、裝修、醫美、B2B 解決方案，一個高品質詢問，可能就是一筆不小的生意。這時候，名單平均分配其實很浪費。

名單不是越多越好，而是要先知道誰值得追

先講結論：名單的價值不在數量，而在「你分得出誰值得先追」。

很多老闆看行銷成效，第一眼會看名單數，這很正常，畢竟有名單才有成交機會。但只看數量，容易掉進一個陷阱——名單變多、團隊更忙，業績卻沒有等比例變好。

原因很簡單：不是每一個詢問都有一樣的價值。

• 有人只是問價格。
• 有人已經比較過三家。
• 有人有預算、有決策權、有明確時間表。
• 也有人只是先問問，半年後才可能行動。

如果業務把這些名單都用同樣速度、同樣話術、同樣流程去追，就像把大魚小魚全丟進同一個桶子，看起來公平，但不一定有效。更白話一點：業務時間也是成本，你要讓最會成交的人，先追最有機會成交的名單。

什麼是 AI 名單分級？

一句話：AI 名單分級，就是讓 AI 先幫你判斷每一筆詢問的成交可能性與跟進優先順序。

它不是算命，而是把過去業務腦袋裡的判斷邏輯，變成一套可以重複執行的規則。一筆名單進來後，AI 可以先看幾件事：

• 客戶問的是哪一種產品或服務？
• 有沒有提到預算？
• 有沒有說明需求背景？
• 是老闆、主管，還是一般承辦？
• 希望什麼時候開始？
• 從哪個廣告或內容進來？
• 過去是否曾經互動過？

這些資訊加起來，就能初步判斷名單品質。

以前這些事靠業務經驗——資深業務一看訊息，就知道誰要先回、誰可以晚點。問題是，公司不能永遠只靠資深業務的直覺。AI 的價值，就是把直覺變成流程，讓整個團隊都能照同一套標準起跑。

高單價銷售，最該看的 5 個分級指標

如果你現在還沒有名單分級，可以先從 5 個指標開始。不用一開始做得很複雜，先能分出 A、B、C 級，就已經比全部平均分配好很多。

1. 需求明確度

需求越具體，成交機會通常越高。

一個人只寫「請問價格」，跟一個人寫「我們公司有十幾位業務，想導入 CRM 與自動跟進流程，希望下個月開始」，這兩筆名單不應該同分。後者不是隨便問問，他已經知道自己遇到什麼問題，只是在找解法。

AI 可以判斷訊息裡有沒有出現：產業、公司規模、痛點、目前做法、期待結果。這些都是高品質名單的訊號。

2. 預算與購買能力

高單價產品最怕談到最後才發現：客戶根本沒有預算。所以名單分級一定要看購買能力。

沒寫預算不代表一定不好，有些客戶不會一開始就講。但只要他提到公司規模、採購需求、過去用過的工具、目前合作廠商，AI 都能拿來做輔助判斷。如果表單能設計預算區間更好，例如：

• 3 萬以下
• 3–10 萬
• 10–30 萬
• 30 萬以上

用區間就好，不用逼客戶寫精準金額。這不是為了篩掉小客戶，而是讓團隊知道追單節奏怎麼安排。

3. 決策權

老闆、主管、承辦，三種名單都可能成交，但跟進方法不一樣：

• 老闆來問：談商業效益、風險、投入後多久看得到成果。
• 主管來問：補執行方法、內部說服素材、預算怎麼抓。
• 承辦來問：幫他整理比較表、案例、簡報資料。

AI 可以先從職稱、Email 網域、訊息語氣、表單欄位判斷角色，再提醒業務用不同角度回覆。不是每個人都用同一套話術，這才叫跟進。

4. 時間急迫性

「最近想了解」跟「下週要提案」完全不一樣。

高單價名單只要有明確時間點，就該被優先處理，因為時間越明確，代表客戶越接近決策。AI 可以抓出訊息裡的時間訊號，例如：這個月、下個月、展前、旺季前、年度預算前、主管會議前、案子已經啟動。

如果客戶說「我們 6 月要上線」，你 3 天後才回，那就不要怪他找別人。

5. 互動來源與內容行為

客戶從哪裡來，也會影響名單品質。

從「免費工具下載」來的人，跟「看完幾篇深度文章、又點了服務頁」的人，意圖通常不一樣。如果你有 GA4、CRM、LINE 標籤或 Email 系統，可以把來源和互動紀錄串起來，AI 就能判斷這個人只是路過，還是已經做過功課。

這件事很重要：真正有價值的名單，常常不是第一次互動就成交，而是累積多次接觸後才出手。

分級之後，流程要跟著改

名單分級只是第一步。如果分完級，團隊還是照原本方式處理，那 AI 只是幫你把表格變漂亮而已。真正有效的做法，是把不同等級的名單接到不同流程。

A 級名單：立即通知，業務優先跟進

A 級名單通常有明確需求、預算可能性、急迫時間點，或決策權高。

• 這種名單不要等每天固定時間整理，應該即時通知業務，越快回應越好。
• 讓 AI 自動摘要：客戶需求是什麼、可能痛點是什麼、建議第一句怎麼開場、下一步要問什麼。
• 業務不用從零讀資料，直接進入對話。

B 級名單：自動補資料，建立信任

B 級名單有需求，但還不夠清楚。這時候不要急著硬約會議，可以用自動化流程補資料，並依對方問題給不同內容：

• 問價格的人 → 給他預算區間與影響價格的因素。
• 問導入流程的人 → 給他導入步驟。
• 問成效的人 → 給他驗收指標。

這比業務每次手打一次有效多了。

C 級名單：先養熟，不要浪費業務火力

C 級名單不是不要理，只是不用讓最有經驗的業務立刻投入大量時間。

• 把 C 級名單放進 Email、LINE、內容再行銷，持續提供觀念、案例、工具清單。
• 等他有進一步互動，再重新評分。

記得，分級不是判死刑，分級是安排節奏。

怎麼確定你的分級規則「真的」準？把它跑成一輪 RACAE 循環

這是很多人忽略的關鍵：分級規則不該一次定死，而要像做實驗一樣，用數據持續校準。

RunningMate 的招牌方法論 RACAE 優化循環，正好可以直接套在名單分級上。

它的順序是 Record 紀錄 → Analysis 分析 → Conclusion 結論 → Assumption 假設 → Experiment 驗證：

• Record（紀錄）：把歷史成交客戶的特徵記下來，同時記錄 A／B／C 各級名單實際的跟進結果——誰回得快、誰最後成交、誰追到一半冷掉。
• Analysis（分析）：分析哪一級名單真的比較容易成交、哪些指標和成交最相關，哪些其實是雜訊。
• Conclusion（結論）：得出結論，校準各個分級指標的權重——例如「時間急迫性」比想像中更能預測成交，就把它的比重調高。
• Assumption（假設）：根據結論，假設一組新的 A／B／C 分級門檻。
• Experiment（驗證）：用新門檻跑 1–2 個月，回頭驗證高分名單是不是真的比較好成交、低分名單有沒有漏掉大案；驗證完，再回到 Record，開始下一輪。

很多人其實已經有這個雛形——「前 1–2 個月定期回看高分名單有沒有比較容易成交」就是一次小型的 Experiment。把它正式掛上 RACAE 的名字與順序，分級規則就會一輪一輪越校越準，而不是憑感覺定一次就不管了。

老闆要注意：AI 可以輔助判斷，但不能完全取代銷售策略

這裡要講清楚：AI 名單分級不是裝一個工具就結束，它真正要做的是把你的銷售邏輯整理出來。

如果你連「好名單長什麼樣子」都說不清楚，AI 也很難幫你判斷，它只會照你給的資料亂猜。所以導入前，老闆要先和業務團隊盤點三件事：

1. 過去成交客戶有哪些共同特徵？
2. 過去浪費最多時間的名單長什麼樣子？
3. 業務在第一通跟進時，最需要知道哪些資訊？

這三題回答得越清楚，AI 分級越有用。

不要把 AI 當成魔法，AI 是放大器：你的流程清楚，它就放大效率；你的流程混亂，它也會放大混亂。這也是為什麼，比起直接買工具，更該先把流程理順——這正是教練式陪跑在做的事：先懂你的生意，再帶著老闆和員工一起把規則做出來、跑起來。

為什麼「把規則做出來」這件事，需要有人陪著做？

說「先把流程理清楚」很容易，難的是真的有人陪你坐下來，把規則一條條寫出來、把工具一步步接起來。RunningMate 走的就是這條路——不只交一份報告，而是帶著老闆和員工一起做。舉兩個實際的例子：

• 某塑膠擠出工廠（依約不具名）：生產日報原本是紙本手寫工單號碼、工序、起訖時間、生產數量。陪跑時帶著老闆和員工一起，把流程搬到手機 Web App——選員工、輸入工單與工序、計時開始工作，預估一年省下 200 多個小時。
• 里洋烘焙：運輸管制表原本紙本手寫車號、司機簽名、車廂清潔與溫度、運輸量、門市簽名。陪跑後改成出發前用手機 Web App 填寫，選車輛/司機/時段、確認車廂清潔與溫度、按下出發，流程跑得更穩。

這兩個案例的共同點，是「陪老闆和員工一起做」，而不是丟一套系統就走。名單分級的規則建立，也是同一回事：規則要員工會用、會回填資料，RACAE 循環才轉得起來。

先把業務時間，用在最值得的人身上

高單價銷售的關鍵，不只是名單量，而是跟進順序。

• 好的名單如果太晚追，就會冷掉。
• 普通名單如果花太多時間，就會拖慢團隊。

AI 名單分級的目的，就是幫你把有限的業務火力，放到最可能成交的人身上。記得，名單不是越平均越公平；對公司來說，真正公平的，是讓每一筆商機都得到適合它的跟進節奏。

關於 AI 名單分級的 8 大常見問題