B2B業務用AI開發信踩雷：回覆率不升反降的真正原因

一間做工業自動化設備代理的中型公司，業務團隊六個人，主力客戶是中大型製造廠的採購與工程主管。過去這幾年，業務靠的是展會名片、老客戶轉介紹，加上業務自己土法煉鋼寫開發信，一週能穩定發出去的信大概二三十封，回覆率不算高，但至少每一封都是業務自己看過對方公司背景才動筆的。

去年業務主管評估，團隊人力有限，但潛在名單庫其實累積了上千筆，只是沒人力一一寫信。剛好那陣子 AI 生成文案的話題很熱，主管找了一套 AI 開發信工具，串上公司的 CRM 名單，設定產業、職稱、公司規模等條件，讓 AI 自動生成客製化開頭與內容，一次寄送給幾百個名單。算盤打得很簡單：就算回覆率只有以前的一半，寄送量是十倍，總回覆數還是會往上衝。三個月後回頭看數字，總回覆數確實增加了一些，但回覆率掉到只剩過去的三分之一左右，而且真正進到報價階段的比例掉得更明顯，業務團隊反而覺得比以前更累。

為什麼一開始看起來很划算

導入前的試跑其實看起來沒問題。用十幾筆名單測試，AI 生成的信件讀起來語句通順，也會帶入對方公司名稱、產業關鍵字，甚至提到「看到貴公司近期在擴廠」這類看似客製化的細節。業務主管當時的判斷是，只要文案品質夠好，量衝上去回覆數自然會跟著漲，這在邏輯上不算錯，問題出在「量衝上去」之後，信件品質跟名單品質都沒有跟著被檢視。

回覆率下滑背後，真正卡住的不是文案

深入回頭看退信與已讀未回的名單才發現，問題不是 AI 寫的句子不夠好，而是名單本身的判斷邏輯出了狀況。CRM 裡累積多年的名單，有不少聯絡人早已離職或轉調，產業分類欄位也因為早年輸入不一致，部分廠商被歸錯類別。AI 工具是照著這些欄位去生成「客製化」內容，結果就是有工程主管收到信裡寫著「了解貴公司在食品包裝領域的需求」，但對方其實是做電子零組件的，一眼就看出是自動化產物。另一個更隱性的問題是，AI 為了讓每封信「看起來客製化」，會套用幾組固定的句型模板做排列組合，同產業的收件人之間，信件結構其實高度相似，老客戶之間互相轉發比對時就會看出破綻，對業務團隊過去累積的信任感造成了看不見的耗損。

這次踩雷付出的具體代價

最直接的代價是時間，業務原本以為 AI 能省下寫信的力氣，結果因為退信與客訴變多，反而要花時間逐一回覆「這是不是機器人寄的」之類的質疑信，整體處理開發信相關事務的時間比之前多花了將近一倍。更長期的代價是幾個原本維繫多年的老客戶聯絡人，收到明顯罐頭化的信之後，對這間代理商的專業印象打了折扣，有業務私下反映，後續要約訪時能感覺到對方態度變得比較保留。金錢上的損失比較難精算，但那一季的新案洽談數確實比前一年同期少了一截，業務主管事後認為，量衝出去的同時，也把一部分原本會靠口碑轉介紹的機會提前用掉了。

後來怎麼調整

團隊後來沒有整套放棄 AI 工具，而是把使用範圍縮小。先花了一段時間把 CRM 名單重新盤點，過期聯絡人下架、產業分類重新校對，這件事本身花的力氣不比寫信少，但是是後續一切的地基。接著把 AI 開發信的定位從「大量客製化群發」改成「業務起草的第一版草稿」，由業務自己看過對方公司近況再修改，尤其是提到具體業務內容的段落一律人工確認過才送出。寄送量從原本的幾百封拉回到接近人力能覆核的範圍，回覆率慢慢回到接近過去水準，但寄送效率確實比純手寫快一些，算是找到一個中間點。

給正在評估的企業主一個避雷判斷方式

如果一間公司要導入 AI 開發信，真正該先花時間處理的往往不是選哪套工具，而是名單資料乾不乾淨、寄送節奏有沒有人力接得住。看到回覆率不升反降、或客戶開始私下反映信件不像本人寫的，就是該喊停重新盤點的訊號，而不是繼續加大寄送量硬撐數字。