重點總覽：
AI 名單資格審查利用人工智慧在數秒內豐富資料、提問、評分並分流筆新名單，讓業務代表只需專注於值得投入時間的潛在客戶。只需以下五個步驟，即可完成 AI 名單資格審查的自動化設定：
- 01定義理想客戶畫像 (ICP) 與規則：明確列出符合資格的條件、提問內容以及評分標準。
- 02擷取並豐富每筆名單資料：將所有來源的名單匯入單一流程，並補齊缺失的資料。
- 03部署 AI 代理（AI Agent）：讓 AI 透過線上客服、簡訊或電話主動提出資格審查問題。
- 04評分、分流與預約：根據回答內容判定分級、指派負責人並安排會議。
- 05定期檢視與微調：每週檢查對話紀錄與成效，並動態調整規則。
AI 名單資格審查解決了大多數銷售團隊面臨的數量困境：新名單進來的速度遠快於業務代表的處理能力。高意向的潛在客戶在隊列中苦等，長尾名單則永遠乏人問津；等到業務終於拿起電話時，客戶早已冷卻或轉向競爭對手購買。
自動化名單資格審查無需增加人力即可填補此缺口。我們親自進行了測試：
「我們不需要 AI 代理去完成最終成交。我們只需要它問出對的問題——就像 BDR 在初次挖掘需求通話中會問的那樣——並找出值得跟進的潛在客戶。」
CloudTalk 行銷長
本指南將一步步帶您建置相同的流程。
什麼是 AI 名單資格審查？它與名單評分有何不同？
AI 名單資格審查利用人工智慧自動豐富資料、互動提問、評分並分流新潛在客戶，確保業務人員只需處理符合理想客戶畫像且具備購買意向的名單。
許多人常將 AI 名單資格審查與名單評分混為一談，但在選擇工具時，兩者的差異至關重要。
| 專有名詞 | 定義 |
|---|---|
| AI 名單評分 (Lead Scoring) | 對現有名單進行排序：根據既有資料分析，給予每筆名單一個分數。 |
| AI 名單資格審查 (Lead Qualification) | 進一步主動與潛在客戶對話，詢問既有資料無法解答的問題，並確認其購買意向是否屬實。 |
那麼 AI 如何協助名單資格審查？它接管了原本需要業務代表手動完成的四項工作：
- 豐富資料 (Enrich)：自動為每筆新名單補充公司與聯絡人資料，如產業類別、規模及職稱。
- 主動互動 (Engage)：透過線上客服、簡訊、 Email 或電話開啟對話，並提出資格審查問題。
- 智慧評分 (Score)：將蒐集到的資料與對話回答對比您的理想客戶畫像。
- 精準分流 (Route)：將名單派發給合適的業務代表、直接預約會議，或轉入長期培育流程。
以下五個步驟將按順序建立這四項工作，並包含保持評分精準所需的定期檢視機制。
MQL、SQL 與 PQL：AI 推動名單推進的各個階段
大多數團隊會將名單分階段管理，而 AI 資格審查的目的就是加速名單從一個階段推進到下一個階段。HubSpot 對這些階段的定義如下：
| 階段 | 階段定義 | AI 在此階段的作用 |
|---|---|---|
| MQL（行銷合格名單） | 曾互動過行銷內容並展現興趣，但尚未準備好接收銷售提案 | 提出問題以確認或排除其是否已具備銷售準備度 |
| SQL（銷售合格名單） | 已完成審查，準備好與業務人員進行直接對話 | 協助預約會議並將相關問答同步提供給業務代表 |
| PQL（產品合格名單） | 已使用過產品，且其操作行為展現出極高的轉化潛力 | 在試用期活躍時主動聯繫 |
為什麼銷售團隊需要自動化名單資格審查？
- 回應速度：在數秒或數分鐘內發起首次接觸，而非等待數小時。
- 標準一致：無論由誰值班，每筆名單都套用相同的審查標準與提問。
- 覆蓋容量：確保無一遺漏，涵蓋所有長尾名單與非上班時間進來的需求。
- 業務專注：業務代表不必再手動收集基本資料，能將精力集中在已準備好的高價值名單。
如何利用 AI 自動化名單資格審查：5 步驟實作指南
基於 AI 的自動化名單資格審查具備一體化的連貫流程：
- 01潛在客戶進入系統
- 02自動豐富名單資料
- 03回答關鍵審查問題
- 04計算並獲得分數
- 05分流至最合適的人員
接著您只需檢視成效並微調規則。
以下每個 AI 名單資格審查步驟均涵蓋：該步驟的目的、執行重點、前置準備、實際範例，以及最容易讓團隊踩坑的常見錯誤。
如果您想知道如何在不展開大型專案的情況下，利用 AI 完成銷售名單資格審查，建議從小處著手：
- 先選擇一個名單來源、一個 AI 代理及一項 KPI。待首個流程順暢運作後，再逐步擴大應用規模。
步驟 1：定義理想客戶畫像 (ICP)、審查框架與評分規則
此步驟必須優先執行，因為 AI 只能依據人類設定好的規則進行審查。模糊的標準只會篩選出品質不明的名單，後續任何模型都無法補救。
明確列出您的理想客戶畫像 (ICP)
理想客戶畫像 (ICP) 描述了最有潛力購買且長期留存的公司與人員特徵。請使用團隊已在追蹤的欄位：
- 企業屬性 (Firmographics)：產業類別、公司規模、營業額及所在地區。
- 聯絡人屬性：職稱、職級及所屬部門。
- 科技堆疊 (Tech Stack)：潛在客戶目前使用的 CRM 與各項工具。
- 產品與意向訊號（B2B SaaS）：試用活躍度、使用的功能，以及針對您產品相關主題的研究行為。
- 行為特徵：瀏覽價格或 Demo 頁面、Email 開啟率、下載內容與註冊行為。
選擇名單資格審查框架
審查框架決定了 AI 代理將詢問哪些問題。以下三種框架能涵蓋絕大多數的銷售週期：
| 框架 | 核對項目 | 最適情境 |
|---|---|---|
| BANT | 預算、決策權、需求、時間表。由 IBM 開發。 | 週期短、交易導向的銷售，且預算和時間點為決定多數交易的主要因素 |
| CHAMP | 挑戰、決策權、資金、優先順序 | 從潛在客戶的痛點切入而非預算的銷售類型 |
| MEDDIC | 指標、經濟決策者、決策標準、決策流程、找出痛點、內部推手。於 1990 年代由 PTC 開發。 | 涉及多個利益相關者且週期較長的複雜 B2B 交易 |
設定契合度與意向評分
1. 契合度分數：衡量潛在客戶的背景（公司規模、職位、地區）。
2. 意向量表分數：衡量潛在客戶的行為（瀏覽價格頁面、申請 Demo、點擊電子郵件）。
符合條件但未展現意向的名單需要持續培育；展現高意向但契合度低的名單，可能不值得業務代表投入時間。HubSpot 的名單打分工具也運作相同，分別提供契合度、互動度與綜合分數。
- 權重與門檻：賦予每個標準相應的分數，並設定讓名單具備銷售準備（Sales-ready）的總分門檻。
- 扣分訊號：若使用免費 Email 網域、非服務地區或競爭對手網域，請進行扣分。
- 分數衰減：隨著訊號發生時間變久逐漸降低分數，例如半年前瀏覽價格頁面不應與昨天的瀏覽等值。
參考這份一頁式名單資格審查規則手冊
將每個評分標準對應到 AI 提問、相應分數，以及認定為合格的回答。以下是 B2B 軟體團隊使用 BANT 的範例：
| 標準 | 詢問問題 | 分數 | 合格條件 |
|---|---|---|---|
| 需求 (Need) | 「是什麼原因讓您今天主動聯繫我們？」 | 30 | 明確指出您的產品能解決的問題 |
| 時程 (Timeline) | 「您希望什麼時候導入解決方案？」 | 25 | 未來 3 個月內 |
| 決策權 (Authority) | 「還有其他人參與這項工具的評估嗎？」 | 20 | 為最終決策者，或能在下次會議邀請決策者出席 |
| 預算 (Budget) | 「這項採購是否已編列預算，還是仍在評估中？」 | 15 | 已有預算或正進行編列 |
| 契合度 (Fit) | 「您的團隊中大約有多少人會使用這項產品？」 | 10 | 達到或超過最小交易規模門檻 |
| 扣分訊號 | 無，從資料自動檢查 | −20 | 免費 Email 網域、非服務國家或競品公司 |
常見錯誤：
- 採用業務團隊從未同意過的審查標準。
解決方案：
- 在正式上線任何自動化流程前，讓業務主管簽核認可規則手冊。
步驟 2：即時擷取並豐富化每筆進站名單
此處的目標很明確：來自各個管道的每筆名單都能自動進入同一流程，並自動補齊 AI 進行資格審查所需的完整資料。
整合所有名單來源
列出您的名單來源，並讓每個來源都能在 CRM 中自動建立名單紀錄：
- 網站表單與 Demo 申請
- 網站線上對話
- 廣告名單表單（例如 Facebook 名單型廣告）
- 來電電話
- 活動與研討會名單
- 免費試用註冊
在主動聯繫前先完成名單資料豐富化
表單很少能蒐集到完整資料。名單資料豐富化 (Lead Enrichment) 能將 CRM 連結至資料提供商，自動補齊企業屬性、技術堆疊與驗證過的聯絡資訊。
許多團隊會採用瀑布式豐富化 (Waterfall Enrichment)：工具會依照設定順序依序查詢多個資料庫，並保留每個欄位第一個具高可信度的結果，詳情可參考 Clay 的指南說明。
資料豐富化工具會在下方的工具章節進行詳細介紹。
過濾無效與不良資料
良好的名單資格審查自動化也懂得排除不適格對象。在安排通話或傳送訊息前，先過濾掉：
- 免費或一次性 Email 網域（若您僅從事 B2B 業務）
- 機器人與垃圾表單提交
- CRM 中已存在的重複名單
- 無購買能力的公司，如學生、競爭對手或非服務區域的國家
接著驗證該公司是否真實存在，包含確認其具備正常運作的網站與相符的網域。
檢查清單：對齊您的 CRM 資料欄位
您的 AI 流程會透過 API 和 Webhook 與 CRM 串接，在事件發生的當下即時傳送資料。在整合系統之前，請先確立以下幾點：
- 資料欄位：流程會讀取哪些欄位，以及會回寫哪些欄位。
- 重複資料：紀錄如何比對與合併。
- 負責人：名單負責人的指派規則。
- 歸因分析：名單來源與行銷活動紀錄的儲存位置。
- 同意條款：儲存名單是否同意接受通話與簡訊的欄位。
- 觸發條件：引發下一步驟的特定事件，例如「建立名單」或「提交表單」。
以下是 CloudTalk 與 HubSpot 之間同步通話資料與聯絡人的運作方式：
常見錯誤：
- 直接對錯誤或不完整的表單資料執行 AI 流程。
解決方案：
- 設為必填欄位、在表單上驗證電子郵件與電話號碼，並在專員聯繫潛在客戶前豐富其資料。
步驟 3：部署 AI 代理人來詢問資格審查問題
這就是靜態表單轉變為對話的地方。用於名單審查的 AI 代理人會在潛在客戶資料進入後不久立即聯繫對方，按照您的規則手冊詢問發現階段的問題，並將答案記錄到您的 CRM 中。
選擇管道
根據您的潛在客戶來源以及您需要多快的聯繫速度來選擇管道：
| 管道 | 適用時機 | 速度 | 注意事項 |
|---|---|---|---|
| 網頁對話 | 已經在您網站上的潛在客戶，例如定價頁面的訪客 | 即時，當他們還留在頁面上時 | 關閉分頁的瞬間就流失 |
| 簡訊 | 行動優先的受眾和簡短問題 | 數分鐘 | 簡訊同意規範；問題保持在 1 到 2 個即可 |
| 以 WhatsApp 為主要通訊管道的市場 | 數分鐘 | 範本審核與訂閱同意規範 | |
| 電子郵件 | 急迫性較低的潛在客戶和較長的 B2B 銷售週期 | 數小時 | 回覆率低且容易被忽視 |
| 語音 | 意圖強烈的潛在客戶、預約示範者，以及留有電話號碼的名單 | 數秒至數分鐘 | 通話的同意權與 AI 告知義務；客戶可能不會接聽 |
AI 代理人在對話中做些什麼
優秀的審查 AI 代理人無論在什麼管道都遵循相同的模式。它們會：
- 01開啟對話並表明自己是 AI 助手
- 02以自然的順序詢問您規則手冊中的審查問題
- 03從您提供的知識庫中回答常見問題
- 04處理一些簡單的反駁，例如「我只是先看看」
- 05預約會議或將潛在客戶轉交給真人專員
- 06將答案和摘要記錄到您的 CRM 中
設定防護欄
AI 名單審查自動化需要界限，這些限制必須在上線前寫好，而不是在第一次尷尬的通話後才制定：
- 絕不可說：價格承諾、折扣、法律聲明或任何關於合約的內容。
- 轉交真人：客訴、既有客戶，以及任何超出劇本的問題。
- 主動告知：在第一句話就表明對方正在與 AI 對話。
- 儲存資料：僅在 CRM 中儲存規則手冊所需的資料，並記錄同意聲明。
您可以在設定中撰寫問候語（包含 AI 聲明），並選擇專員使用的語言。
快速聯繫潛在客戶，並做好無人接聽的預案
速度比任何其他設定都重要。
這就是為什麼 AI 應該在建立資料後立即聯繫潛在客戶。
許多潛在客戶第一次不會接聽。請預先決定要嘗試外撥幾次、間隔多久、在哪些時段撥打，然後備有備用管道，例如傳送簡訊。
如何透過 AI 語音代理人經由電話審查潛在客戶：CloudTalk 實例
我們的業務團隊每月收到數千筆潛在客戶，超出 BDR 所能撥打的極限，因此業務代表只能專注於明確符合資格的高潛力對象。其餘資料常缺乏關鍵資訊或意圖較低的名單則完全沒人處理。
由於 CloudTalk 的 AI 語音代理人能與 HubSpot 連接，因此設定非常輕量：基本邏輯、簡短劇本，以及從 CRM 擷取的聯絡清單。第一位代理人在幾天內就上線了。它的任務僅限於需求發現，並詢問三個基本問題：
- 01是什麼吸引您前來 CloudTalk？
- 02您需要從何處進行通話？
- 03有多少位使用者？
如果潛在客戶感興趣，代理人會將他們轉接給業務代表或預約後續跟進。如果沒有意願，它會為名單加上標籤並繼續處理下一筆。結果會直接輸入 HubSpot，業務團隊完全無需手動作業。
過去在表單上勾選「1–2 個席位」而被忽視的潛在客戶，在電話中展現出大得多的潛力。表單資料低估了他們的價值，而一場三分鐘的對話解決了這個問題。
當潛在客戶留下電話號碼、值得進行真實對話，且速度決定誰能贏得訂單時，語音就是最適合的管道。
在我們的潛在客戶審查教戰守則研討會中觀看完整設定與成果：
常見錯誤：
- 讓 AI 代理人進行銷售。
簡單的解決方案：
- 讓代理人的工作僅限於需求發現和轉接，將報價與談判留給您的業務代表。
步驟 4：為潛在客戶打分、派送並預約會議
現在這些回答將轉化為決策：誰來接手這個潛在客戶，以及接下來該怎麼做。
選擇打分方式
| 打分方法 | 運作方式 | 所需條件 |
|---|---|---|
| 基於規則 | 來自您規則手冊的分數與門檻 | 只需共識規則即可，易於解釋 |
| 預測型 | 根據過往成功與失敗交易訓練的模型 | CRM 中有足夠的歷史資料與乾淨的成果資料 |
| 基於對話 | AI 針對客戶在通話或文字對話中的內容進行打分 | 能將每個回答擷取至獨立欄位的代理人 |
- 01先從規則打分開始，累積足夠的歷史資料後再加入預測型打分。
- 02無論採用哪種方式，都要確保業務代表能清楚看出該得分的原因。
將分數轉化為分級與派送規則
結合適合度、意向與對話回答，將潛在客戶分為三個等級並設定明確門檻，接著為每個等級指派相應行動與負責人：
| 等級 | 規則 | 行動 | 負責人 |
|---|---|---|---|
| 高意向（Hot） | 符合 SQL 門檻且有洽談意願 | 預約會議或即時轉接，並通知業務代表 | 按負責區域或輪調分配給客戶經理（AE） |
| 中意向（Warm） | 條件符合，但時機或需求尚未確認 | 執行跟進流程並再次致電 | SDR 團隊 |
| 低意向（Cold） | 適合度低或目前無需求 | 移至長期培育流程 | 行銷團隊 |
| 不合格（Disqualified） | 無購買能力，或要求切勿聯繫 | 標註原因並停止主動聯繫 | 無；僅留存紀錄 |
按區域、產品與業務承載量分流高意向名單，並設定回應時間規則。在 CloudTalk 於線上研討會說明的內部工作流中，需求達 3 個以上席位的名單會觸發 SDR 警報並要求 30 分鐘內跟進，規模較小的名單則獲邀開始免費試用。
觀看這段簡短的互動演示，了解 CloudTalk 的通話分流運作方式：
自動化後續行動
- 指派：
- 通知：透過 Slack、Teams 或 Email 將摘要通知業務代表。
- 預約：利用 AI 會議預約機能，直接將會議放入業務代表的行事曆。
- 跟進：將中意向名單加入跟進序列。
- 培育：將低意向名單移至行銷活動。
- 結案：標註不合格名單的原因，以便後續分析報告。
AI 預約專員能否接替 SDR 的會議預約工作？看看我們的觀點：
完整交接背景資訊
業務代表絕不該重複詢問相同的問題。每次交接都需包含：
常見錯誤：
- 直接將高意向名單丟進排隊等候區。
輕鬆解決：
- 設定回應時間規則與提醒通知，並追蹤業務代表的達成率。
步驟 5：覆盤對話並校準您的評分標準
當市場、產品或方案有所改變，AI 專員的表現就可能偏離目標，因此資格評估絕非「一次性設定」。請建立每週例行作業：
- 抽查部分逐字稿：每週檢視 10 到 20 份就足以發現異常回答與感到困惑的潛在客戶。
- 檢查誤報（False Positives）：被 AI 評定合格但遭銷售團隊退件的名單。
- 檢查漏報（False Negatives）：被 AI 判定不合格但後來成功成交或回頭的名單。
- 比較各等級表現：觀察不同等級與回應時間下的潛在客戶轉商機率。
接著進行校準。重申潛在客戶誤解的問題、調整權重與門檻、淘汰無預測效果的基準，並確認分數衰減規則仍符合您的銷售週期。
請業務代表記錄退件原因，並將成功成交與失敗結案的結果反饋至規則中。
AI 通話評分的機能能在此提供協助：它會根據評分卡評估每通電話，讓您清楚了解哪些對話帶來了真正的商機。
了解對話情報為每通電話帶來的增值服務：
常見錯誤：
- 設定後便放任不管。
輕鬆解決：
- 將每週覆盤排入負責人的行事曆，並記錄每次規則修訂。
AI 與人工評估潛在客戶：實際改變了什麼，以及何處仍需人工主導
AI 驅動的潛在客戶評估並非要取代您的團隊，而是改變分工方式。以下是三種方式的比較：
| 人工處理 | 規則型自動化 | AI 驅動 | |
|---|---|---|---|
| 速度 | 數小時至數天 | 分流即時，但無對話互動 | 數秒至數分鐘（含對話時間） |
| 穩定度 | 視業務代表狀態與當天情況而定 | 每次皆使用相同規則 | 每次皆使用相同的提問與規則 |
| 每筆名單成本 | 最高；每筆名單皆需花費業務人力 | 低 | 低，按分鐘或按對話次數計價 |
| 複雜細節處理能力 | 最佳 | 無；僅限固定規則 | 明確回答處理良好；模糊情況則向上呈報 |
| 建置成本與難度 | 需要培訓與話術腳本 | CRM 中的工作流程建立 | 規則、提示詞、整合與測試 |
AI 擅長什麼？人類依然更擅長什麼？
| AI 的優勢領域 | 人類的優勢領域 |
|---|---|
| 即時回應 | 複雜或具戰略意義的客戶帳號 |
| 對每個潛在客戶套用一致的規則 | 商務談判 |
| 全天候無間斷覆蓋 | 特殊狀況下的判斷力 |
| 無人想做的資料輸入工作 | 建立促成成交的信任關係 |
以下是 AI 語音代理目前仍無法做到的事，以及為何在自動化前必須先考量：
1. AI 負責初步接觸與資格審查。
2. 人員接手高意向潛在客戶與特殊狀況，並每週透過銷售反饋持續優化 AI。
如何選擇 AI 潛在客戶資格審查軟體：工具類型與選型標準
AI 潛在客戶資格審查工具主要分為四種類型，多數團隊會結合使用兩到三種。請從您需要完成的工作出發，再選擇相應類型：
| 類型 | 主要功能 | 代表產品 | 適用場景 |
|---|---|---|---|
| 資料與豐富化（Enrichment） | 通常透過瀑布式補全（Waterfall Enrichment）補充企業與聯絡人資料 | Clay、ZoomInfo、Apollo.io | 進來的潛在客戶資料有欄位缺失 |
| 原生 CRM 評分與代理 | 直接在 CRM 內部對潛在客戶評分並運行 AI 代理 | HubSpot（潛在客戶評分、Breeze 代理）、Salesforce（Einstein 評分、Agentforce） | 希望在業務人員現有的工作介面中直接完成評分 |
| 對話式代理 | 透過電話或線上交談與潛在客戶對話並收集答案 | 語音：CloudTalk、Bland AI、Retell AI、ElevenLabs。對話：Qualified (Piper) | 您需要主動對話，而不僅僅是一個分數 |
| 自動化與 LLM 開發工具 | 讓您打造專屬的 AI 代理與工作流程 | Make (AI Agents)、n8n (AI Agent 節點) | 擁有技術人員並希望擁有完整控制權 |
原生 CRM AI 與對話式平台解決的是不同層面的問題：
- CRM 工具負責對現有資料進行評分與分流。
- 對話式代理則主動出擊，透過提問來獲取您尚未擁有的資料。
如果大多數進來的潛在客戶資料都填寫不全，您很可能兩種工具都需要。
選用現成代理，還是自行建置？
您可以直接上線現成的代理，也可以結合大型語言模型與 Make 或 n8n 等自動化工具打造專屬流程。兩者的權衡如下：
| 現成代理 | 自行建置 | |
|---|---|---|
| 上線時間 | 數天至兩週 | 數週，視團隊能力而定 |
| 控制度 | 可在平台架構內彈性設定 | 完全主導邏輯與提示詞設計 |
| 維運成本 | 廠商負責維護語音、電信基礎設施及整合 | 需自行負擔提示詞優化、測試、監控與修復 |
| 必備資源 | 業務規則手冊與 CRM 連線 | 開發人員或自動化專家、LLM 帳號，以及電信或通訊軟體基礎設施 |
選擇工具前必查的評估要點
- 管道覆蓋率：能否在潛在客戶出現的渠道（線上交談、簡訊或電話）進行觸達？
- CRM 同步：是否支援原生連線至您的 CRM？資料會落入哪些欄位？
- 自主控制權：您能否自行修補問題、邏輯與安全邊界？
- 資料擴充：是否內建資料補全功能，還是需要額外搭配第三方工具？
- 人工轉接：能否即時轉接通話，或帶著完整背景資訊預約會議？
- 合規性：是否支援 AI 身份告知、同意紀錄與錄音告知聲明？
- 分析報告：是否提供逐字稿、摘要與成效報告？
- 導入時間：第一個 AI 代理上線需要多久時間？由誰負責建置？
- 總體成本：包含平台費、分鐘數或席位費、附加功能與設定費用。
我們的 AI 潛在客戶審查軟體專為電話外呼設計：AI 語音代理會主動外呼新潛在客戶，使用超過 70 種語言進行提問、預約會議，並將高意向客戶即時轉接給業務代表。資料補全與預測性評分則來自您的 CRM 或資料工具，而非 CloudTalk 本身。
與您一同成長的彈性資費方案
比較我們的方案
想更全面了解各家廠商的 AI 語音代理計費方式，請觀看以下解析影片：
AI 潛在客戶資格審查自動化的挑戰與預防之道
上述每個步驟最後都列出了最常見的錯誤。而以下挑戰則貫穿了整個流程：法律法規、您的資料，以及系統的管理權歸屬。
知情同意、通話錄音與 AI 揭露事項
AI 通話和簡訊的規範比電子郵件更加嚴格，且因國家/地區而異。
- 美國：美國聯邦通訊委員會（FCC）於 2024 年 2 月 裁定，AI 生成語音在 TCPA 規範下視為「人造語音」。使用 AI 語音撥打電話需取得被叫方的事先明確同意，若用於電話行銷則需取得事先明確書面同意。各州法規亦有額外規定。
- 歐盟：根據 GDPR 規定，處理潛在客戶資料需具備合法法源，且用戶有權隨時拒絕直接行銷。自 2026 年 8 月 2 日起，《歐盟 AI 法案》第 50 條 要求必須明確告知用戶正在與 AI 系統進行互動。
- 同意紀錄：請將同意紀錄、來源與日期完整儲存於 CRM 中，並在每次撥電話或發送簡訊前完成核對。
您可以在語音代理的問候語中寫入 AI 揭露事項、公司名稱、錄音通知以及退出機制。
名單評分中的資料隱私與偏見
- 資料最小化：僅收集您的規則手冊所使用的資料。
- 保存期限：決定錄音與逐字稿要保留多久，然後按時程定期刪除。
- 存取權限：限制可查看逐字稿的人員，尤其是當潛在客戶分享個人詳細資料時。
- 不採用替代指標：不要根據可能代表受保護特徵的訊號來評分，例如姓名、郵遞區號或口音。
- 分眾審查：比較不同地區和客群的資格審核通過率，以發現不公平的模式。
- 可解釋的邏輯：保持評分規則清晰易懂且可審查，以便能說明為何任何潛在客戶被拒絕。
過度自動化重點客戶
如果目標客戶對接的是機器人而非真人，他們可能會很快失去興趣。請在 CRM 中標註指定帳戶、企業級潛在客戶及轉介名單，並將他們直接派給專屬業務代表。
大型團隊的治理與權責歸屬
隨著越來越多團隊使用該系統，必須有人負責營運管理。
AI 潛在客戶資格審核的核心追蹤指標
追蹤這些 KPI，以了解 AI 自動化潛在客戶資格審核是否奏效，以及何處需要改進：
| KPI 關鍵績效指標 | 計算公式 | 成效解讀 |
|---|---|---|
| 首次聯繫速度 | 首次嘗試聯繫時間 − 建立潛在客戶的時間 | 流程是否能在潛在客戶仍感興趣時及時聯繫 |
| 成功聯繫率 | 成功聯繫的潛在客戶數 ÷ 嘗試聯繫的潛在客戶數 | 管道與聯繫時間點是否有效 |
| 資格審核通過率 | 符合資格的潛在客戶數 ÷ 成功聯繫的潛在客戶數 | 您的規則過於嚴格還是過於寬鬆 |
| 業務團隊接受率 | 業務接受的 AI 審核合格名單數 ÷ AI 審核合格總名單數 | 業務團隊是否信任 AI 的判斷 |
| 潛在客戶轉銷售機會率 | 銷售機會數 ÷ 符合資格的潛在客戶數 | 合格名單是否能轉化為實際交易 |
| 每百筆名單預約會議數 | 預約會議數 ÷ 潛在客戶數 × 100 | 業務代表每天感受到的實質產出 |
| 每筆合格名單成本 | 流程總成本 ÷ 符合資格的潛在客戶數 | 此機制是否能實現回收成本或獲利 |
| 業務代表省下的時間 | AI 處理的對話數 × 平均人工資格審核時間 | 為團隊釋放了多少產能 |
如何證明 AI 確實有效
進行提升度測試（Lift Test），而非盲目相信分析儀表板：
- 01建立基準：在推出前的幾週內，記錄當前的各項數據。
- 02分流潛在客戶：將一部分新進潛在客戶匯入 AI 流程，其餘則留給真人團隊作為對照組。
- 03一次只改變一個變數：測試新問題、順序、管道或首則訊息時，將部分潛在客戶分流至各個版本。
- 04進行比較：比較兩組的轉化率、速度、成本及業務代表的反饋。
- 05運行足夠的時間：每次測試至少給予一個完整的銷售週期，並同時運行兩組，以免季節性波動被誤歸功於 AI。
報告內容與回報頻率
每週審查首次聯繫速度、成功聯繫率及業務團隊接受率，因為這些能早期發現問題。每月與業務及行銷主管審查潛在客戶轉銷售機會率及每筆合格名單成本，因為這些數據需要更多時間才能穩定下來。
在這個快速演示中了解 CloudTalk 的分析功能：
CloudTalk 分析功能能呈現：
- 通話與業務代表的表現
- 業務代表與團隊報告可追蹤通話量與通話時長
- 通話日誌會保留每通電話的詳細資訊
- 您也可以按通話標籤（如「有興趣」）篩選報告，或針對未接來電產出報告。
- 語音代理人的通話會顯示在分析系統中該代理人的名稱下，並排在團隊的通話旁邊。
如何計算 ROI 投資報酬率
將 AI 產生的商機管道價值除以營運成本。在 CloudTalk 的自家實驗中，產生了 €12.8K 的 SQL 價值，而估算活動成本為 €750，回報約為投資額的 17 倍。
從單一潛在客戶來源和一個代理人開始
- 當由人類制定規則、AI 負責重複性工作時，AI 潛在客戶資格審核最能發揮功效。
- 定義您的 ICP（理想客戶輪廓）、框架及評分規則，並取得業務團隊的確認。
- 將每筆潛在客戶導入單一流程並進行資料豐富化。
- 讓 AI 代理人提出問題，然後自動評分、分流、預約會議，並每週審查成果。
根據潛在客戶使用的管道以及業務代表使用的 CRM 來選擇工具，並在首次通話前完成同意聲明與 AI 揭露設定。
常見問題
針對您框架中的每個標準提出一個簡短問題：促使他們聯繫的原因（需求）、希望何時獲得解決方案（時程）、還有誰參與決策（權限），以及是否有預算。再加上一個適合度問題，例如團隊規模。三到五個問題就足夠了；CloudTalk 自家的資格審核代理人只詢問了三個問題。
不能，但它改變了這個角色的定位。AI 接管了首次聯繫、資料收集以及 SDR 從未觸及的长尾名單。如此一來，SDR 可以將時間集中在熱門名單、跟進電話以及需要人工判斷的客戶上。大多數團隊利用釋放出的時間來處理更多名單，而不是縮減團隊規模。了解外撥 AI 語音代理人如何發揮作用。
它的準確率取決於您的規則和資料品質。評估方式為業務團隊接受 AI 審核合格名單的比例，以及後續實際購買的被拒絕名單數量。如果接受率下降，在調整門檻之前請先重新調閱逐字稿。通話評分功能可以加速該審查過程。
完全由您決定。您可以在 CRM 工作流程中設定嘗試次數、通話間隔和撥打時間，之後再退回使用簡訊或電子郵件跟進。幾次嘗試後即可停止，以免讓潛在客戶感到被緊追不捨。瞭解 AI 潛在客戶跟進 如何處理此流程。
是的。針對 inbound（主動諮詢），AI 代理能接聽電話或回覆聊天訊息，並在線完成資格審查。針對 outbound（主動出擊），它能撥打電話給填表的新潛在客戶、試用註冊者或舊名單。Inbound 來電可由 AI 接待員進行審查，而 outbound 潛在客戶則由 AI 語音代理處理。
先從單一潛在客戶來源與 CRM 內建的評分機制開始，接著在潛在客戶等待時間最長的地方加入對話式 AI 代理。如果潛在客戶會打電話給您，CloudTalk 的 AI 接待員 起價為每月 $99，包含 200 分鐘通話時間，並提供 50 分鐘免費測試。在擴展前先追蹤單一關鍵績效指標（KPI）。
在 CRM 中建立簡單的規則流程一天內即可上線。對話式 AI 代理則需要較長時間，因為您需要撰寫對話手冊、串接 CRM 並進行測試通話。CloudTalk 自己的第一個 AI 代理在幾天內就上線了，大多數團隊可以在一到兩週內使用 CloudTalk 的 AI 潛在客戶資格審查正式上線。
將流程的總成本（平台、分鐘數、資料豐富化與設定費）除以審查完成的潛在客戶數量。在 CloudTalk 的實測中，約 €750 處理了 997 次對話，每次對話約為 €0.75。您可以將此成本與業務代表審查每位潛在客戶的時間成本進行比較。請參閱 AI 語音代理價格 以了解最新的加購費用。
