我把销售跟进记录交给 AI 整理，3 天后发现最该自动化的不是写话术

一开始，我以为销售团队最需要 AI 写话术。

把客户行业、需求、预算丢进去，让 AI 生成一段看起来很专业的跟进消息——这听上去很合理。但连续整理了 3 天销售记录后，我发现真正浪费时间的地方不是“不会写”，而是“信息散了”。

客户说过什么、卡在哪一步、下次该问什么、谁该跟进，这些信息如果没被及时整理，再漂亮的话术也救不了转化。

先说背景：记录不是没有，而是没人看得懂

这次测试的材料很普通：微信群聊天、表格备注、电话后手写摘要、几条零散的待办。

问题也很典型：

• 同一个客户的信息分散在多个地方；
• 备注里有大量“他说下周看”“等老板回复”这种模糊表达；
• 销售知道自己聊过，但很难快速复盘重点；
• 新同事接手时，只能从头翻聊天记录。

如果直接让 AI 写跟进话术，它会写得像样，但经常抓不到重点。因为前置信息本来就是乱的。

我让 AI 先做三件小事

我没有让 AI 上来就写销售文案，而是让它先整理记录。

1. 提取客户状态

每条记录先归类：

• 初步咨询
• 已明确需求
• 等报价
• 等内部确认
• 有异议待处理
• 暂时无意向

这一步看起来简单，但价值很大。销售最怕的不是客户多，而是不知道每个客户现在卡在哪。

2. 提取下一步动作

我要求 AI 不写长篇总结，只输出下一步动作：

客户：某制造业客户
当前状态：已明确需求，等待报价
关键信息：关注稳定性和部署周期
下一步：发送两档方案，并确认是否需要演示
风险点：对预算敏感，不要先推高配方案

这类输出比“亲爱的客户您好”有用得多。它让销售第二天打开表格就知道该干什么。

3. 标记风险和机会

最后让 AI 标记两类信号：

• 风险信号：客户反复问价格、迟迟不回复、提出竞品对比、需要多人审批。
• 机会信号：客户主动要案例、询问部署周期、追问接口能力、让同事进群。

销售跟进的核心不是每次都热情，而是知道什么时候该推进，什么时候该降温。

第一天：AI 写话术很好看，但没解决问题

第一天我还是试了自动话术。结果很明显：文案流畅，礼貌，结构完整，但太像模板。

客户真正关心的是“你有没有记住我上次说的问题”。如果 AI 没先整理上下文，写出来的消息再顺，也会显得隔靴搔痒。

比如客户上次明明问的是“能不能按量计费”，AI 却继续介绍功能亮点。这不是不会写，而是没抓住上下文。

第二天：整理记录后，跟进效率明显顺了

第二天我把重点改成“整理销售上下文”。销售不再从聊天记录里翻来翻去，而是看 AI 输出的四行摘要：状态、需求、下一步、风险。

这时候再让 AI 写跟进消息，效果就好多了。因为它知道该围绕什么写，也知道哪些话不能乱说。

最有用的一条经验是：先结构化，再生成。

没有结构化的信息，生成只是润色；有了结构化的信息，生成才是在推进业务。

第三天：最该自动化的是交接

第三天我发现另一个高频痛点：交接。

销售请假、客户换负责人、新同事接手时，最耗时间的是“你先把聊天记录看一遍”。这件事非常适合 AI 做。

我设计了一个交接模板：

客户背景：
已确认需求：
已沟通方案：
客户顾虑：
承诺事项：
下一步动作：
不建议说的话：

其中“承诺事项”和“不建议说的话”尤其重要。销售最怕接手后说错口径，AI 如果能把这些红线提出来，比写十段开场白都值钱。

这次复盘的结论

AI 在销售场景里，第一优先级不是替人说话，而是替人保持上下文。

更准确地说，它适合做三件事：

1. 把散乱记录整理成客户状态；

2. 把聊天内容提炼成下一步动作；

3. 把交接风险提前标出来。

等这些基础工作做好，再让 AI 写跟进消息，才不会变成空泛模板。

如果你也想测试这套流程，可以先拿 20 条真实销售记录做实验：同一批记录分别交给 Claude Sonnet 4.6、GPT-5.5、Gemini 3.1 Pro 处理，看谁提取“下一步动作”更稳。8848AI 的 api.884819.xyz 可以直接对话测试，新用户注册即送体验token，国产模型免费可用，也没有月租订阅，适合小团队先低成本跑一轮。

下一篇我准备把这个销售跟进模板拆成可直接复制的 Prompt，让它能接进表格或 CRM 里自动生成待办。

#案例分享 #AI销售 #销售自动化 #8848AI #AI落地 #Prompt技巧