B2B 業務團隊導入 AI 開發信與跟進，回覆率真的有變化嗎

一間做工業零件代理的 B2B 公司，業務團隊六個人，每個月要開發上百個新客戶名單。開發信是老業務手把手教新人寫的模板，寄出去之後全靠業務自己記在 Excel 裡誰回信了、誰已讀不回、誰該再跟一次。到了月底衝業績的時候，常常翻不到三個月前哪些客戶已經跟進過三次、哪些還沒聯絡到，新客戶跟丟、舊客戶跟到對方煩，兩種狀況都在發生。

這種規模的公司很常見：業務能力沒問題，卡住的是「開發信要花多少時間寫」跟「跟進節奏要不要靠記憶」這兩件事。我們接觸這個案子的時候，業務主管講得很直接——不是要 AI 幫忙談成交，是要 AI 幫忙不要漏東西、不要每封信都從零開始想怎麼寫。

開發信這件事，卡在哪裡

先拆開來看，開發信的痛點通常不是「不會寫」，而是「每一封都要重新客製化」。同樣賣工業零件，寄給採購經理跟寄給廠務主管，切入點完全不同；同樣是製造業客戶，做汽車零件的跟做食品機械的，痛點也不一樣。業務如果每封信都手動改一次產業背景、對方職稱、上次接觸紀錄，一天能寄出去的量非常有限，多數時間花在「想怎麼開頭」而不是真正的業務判斷。

跟進節奏是第二個卡點。業界常見的說法是「開發信平均要跟進五到七次才有機會拿到回覆」，但實際上大部分業務跟到第二次就停了，不是不想跟，是忘記跟、或不知道這次該講什麼新內容才不會顯得在騷擾對方。

導入時做了什麼取捨

這間公司最後沒有選那種「全自動寄信 + 全自動跟進」的重型工具，原因很實際：產品單價高、決策週期長，客戶不喜歡感覺自己在跟機器人對話。他們選的做法比較保守——用 AI 協助生成開發信初稿與跟進郵件的變化版本，業務仍然要看過、改過、按下送出，但省下的是「從空白開始寫」跟「想跟進話術」這兩段最耗時間的環節。

客戶名單與跟進紀錄則整合進一個簡單的 CRM，AI 依照上次聯絡時間與客戶產業自動提醒該跟進的名單，並提供這次可以用的切入角度（例如「上次提到的預算週期是否已經過了」「同產業最近有沒有相關的新聞可以當開場」）。整體導入成本落在中小企業可負擔的訂閱制範圍，不是動輒上百萬的客製化系統，這也是他們願意先試三個月的原因。

導入後，回覆率跟工作量的變化

三個月後回頭看，最明顯的變化不是「回覆率暴增」，而是「跟進沒有再斷掉」。過去業務平均跟進 1.5 次就放棄，現在因為系統會主動提醒且提供話術草稿，平均跟進次數提升到 3 次以上，光是這件事，回覆率就有感提升——因為業界資料本來就顯示，多數的正面回覆是在第三次以後的跟進才出現的。

業務每天花在寫信上的時間明顯縮短，原本一封客製化開發信要花十幾分鐘構思用詞，現在 AI 先給草稿，業務只要調整語氣跟補上真正客製化的細節，時間縮短了大半。比較意外的收穫是名單不再流失——以前業務離職或忙不過來時，手上跟進到一半的名單常常就斷了，現在紀錄都在系統裡，交接不會漏客戶。

要提醒的是，這不是「成交率翻倍」的故事。AI 解決的是「聯繫量」跟「跟進紀律」的問題，最後要不要成交，還是靠業務對客戶需求的判斷跟報價談判能力，這塊沒有被取代，也不應該被取代。

什麼樣的 B2B 團隊適合先導入，什麼情況該再等等

簡單判斷方式是：如果團隊的問題是「開發量大但寫信跟跟進跟不上」，AI 開發信工具能立即看到效果；如果團隊的問題是「開發量本來就不大，卡在成交決策」，那該優先投資的是業務訓練跟提案能力，不是開發信工具。工具能放大既有的紀律，但沒辦法從零生出紀律。