AI CRM 要在工业销售里站住脚，靠的是把询价读懂，不是多发几封跟进邮件

这句话里藏着两门生意。成套设备是一次集体决策，周期九到十八个月；来图加工则是几天之内对着一张图纸就定下来，问题在于询价数量，而不是周期长短。下面关于询价、甄别和文档的说法对两者都成立，关于采购决策小组和线索评分的部分只对设备采购成立。无论哪一种，AI 真正擅长的事情都很窄：它是在重新组织你本来就已经握在手里的文字。

为什么通用 CRM 自动化在长周期 B2B 销售上会失效

那套标准打法默认只有一个决策人、评估过程很短、市场很大，而且成交量大到让评分具备统计意义。这几条没有一条成立。一次设备投资，由看节拍时间的工艺工程师、看过程能力的质量工程师、想着备件的设备主管、盯着商务条款的采购，以及管着资本开支这条预算线的经理共同判断。他们在不同的时间点进来，因此一条写给“这条线索”的跟进序列，谁也没触达到。

市场本身也是有限的。可触达的客户集合小到同样的名字会在多年之间、在不同公司之间反复出现，因为工程师在各个工厂之间流动；也小到任何行为模型都凑不出一个称得上训练集的数据量。一条讨人嫌的自动消息在这里不是四舍五入掉的误差，它会被人记住，而且记的是名字。

订单很少是因为少发了一封“不知道您是否已经看过我们的方案”而丢掉的。丢单的原因是：明年的投资清单在写的时候，你没有带着任何有用的东西出现在那里；是技术答复回得太晚；是需求从头到尾就没有被写成一个别人能据以动手的形式。这些没有一条是跟进频率的问题。

读懂一份询价，并把需求问出来

询价是客户当时想怎么发就怎么发过来的：一份 PDF、一张 Excel 表、一套图纸、邮件正文里的三段话、一份只有六个字段有意义的采购模板。凡是以文字形式存在的内容，模型都能可靠地抽出来——数量和分批叫料方式、日期和交货条件、要求的认证清单、商务条件、正文里提到的料号——花的时间跟你打开这个文件差不多。

来自图纸的内容是另一类字段。形位公差、焊接符号、基准体系、表面粗糙度、标注为关键特性的尺寸：这些读出来不可靠，凡是从图纸上得到的东西，到工程师手里时都必须带着“未经确认的建议”这个标签，绝不能当成可以直接拿去报价的数值。把这两类字段同等对待，是从一次有用的抽取走向一次报价错误的最快路径。

先把归属问题定下来。客户的图纸是他们的知识产权，通常早在这次询价之前就已经签了保密协议；在航空、国防以及汽车行业的一部分业务里，它还可能受 ITAR、EAR 或欧盟两用物项条例的出口管制。在图纸进入模型之前，先确认保密协议在数据处理和分包方面允许什么；受管制的业务放在本地部署，或者放在一个不留存、不参与训练的环境里；同时留一条排除通道，让被标记的客户和零件族根本不进入这条流程。

输出里更值钱的那一半，是缺了什么。你在第一个小时里发回去的那些问题，是你能发出的最强的能力信号，而且它们能拦住一个工程师照着没人核对过的假设去算价。

有两条规则，把一次有用的抽取和一次工程师还得手工重做的抽取分开。每一项都要标出处：来源是表格就给工作表和单元格，来源是扫描件就给页码和页面上的位置。以及，模型宁可把字段留空，也不去猜——这个比例要针对每个字段、在你自己的测试集上量出来，而不是靠一句“不确定就别填”的提示词就能得到。留空这件事，恰恰在存在一个看起来合理的默认值时最容易失效，比如一个公差或者一个常见的表面处理要求；所以一个既很少留空、错误率又高的字段，就交给人来填。

起草第一封技术答复，又不把公司绑进去

第一封回复决定了你在不在评估名单里。一封好的回复会直接点出这个应用工况，而不是感谢对方对我们产品的关注；会把自己理解到的需求复述一遍；会提出那两三个能改变答案的问题；并且给出一个带日期的下一步。

模型一分钟就能给出这个结构，由人修改后发出。自动发送是另一套系统，不是同一套系统换个开关；而且任何草稿都不写具体规格：凡是有可能进到报价里的数字，都出自有权作出这个承诺的人。

汇总客户往来历史，并让 CRM 记录保持最新

一个跑了十四个月的商机，摊在一百封邮件、三次拜访、两轮样件和一次失败的试制里。这些历史都在，但没人会去看，所以等那位客户经理离职，它的实际价值就是零。一个能把整条线读完、再把下一个人带上手的模型，是真的有用。

它同时也是有损的，而掉出去的东西里，占比高得不成比例的恰恰是埋在中间的那句一行字的承诺：让出去的那个公差、答应在某个期限内保持的价格、电话里同意的某项例外。一份几乎全对、却不声不响漏掉那个让步的摘要，比没有摘要更糟。所以把它当成进入这条线的入口来用，每一条结论都链回它出自的那封邮件，再把所有承诺单独拉成一张带出处的清单。

同样的能力，针对的也是 CRM 里最老的那个问题。销售不更新记录，是因为更新记录就是纯录入、录完什么也换不回来；答案和车间里那套一样：建议，不要强制。一通电话之后，助手把纪要草拟好，把阶段变更和下一步动作作为建议提出来。它们停在建议这一步，因为一个会悄悄改写字段值或者预计成交日期的助手，会把 CRM 唯一必须具备的东西毁掉——一份大家相信的记录。

AI CRM 是替换掉你现在这套系统，还是叠在它上面

多数情况是叠在上面。客户、商机和订单的主记录还留在原处，不管那是 Salesforce、Dynamics、HubSpot、Odoo，还是你 ERP 里的 CRM 模块。助手从这份记录、从邮箱、从报价档案和文档库里读，再往回写三样东西：一条纪要、一个字段变更建议，以及一条带责任人和日期的任务——三样都能追溯到人，也都可以撤回。

所以真正的项目是集成，而不是模型；而通常出问题的地方，是那个必须在 CRM、ERP 和文档系统之间一路活下来的标识符，因为客户主键和客户编号从来就没有对齐过。如果你根本没有 CRM，那就先上 CRM：一份不存在的记录，助手没法让它保持最新。

AI 不擅长什么，以及它会在哪里让你付出代价

它不知道你的工艺能力：这个公差做得出来，但必须放到第二道工序；某种合金在你的工艺条件下会粘刀；对方给出的年用量，是这个细分市场从来没有订到过的好几倍。它没有商务后果的概念，写一句关于交期的肯定句和写一句留有余地的，对它来说一样顺手，因为两句都是通顺的中文。它也不知道你把文档交给它之后又改了什么，所以文档的时效性是一项长期的运维责任，而不是上线时做一次的工作。

尊重技术型客户的商机甄别：评分不等于甄别

评分是根据行为给出一个数字：看了哪些页面、打开了哪些邮件、下载了哪些资料。在一个真实买家本来就没几个的市场里，这基本上量的是好奇心，而它最稳定地奖励的那类画像，是竞争对手的工程师在读你的资料。

甄别回答的是另外一些问题。有没有一个我们的设备能对上的应用工况，描述得够不够具体到可以核实。有没有预算，落在哪个时间段。谁拍板，谁能否决。以及，如果他们什么都不做，会发生什么。

助手唯一能帮上忙的方式，是问那些技术型客户愿意回答的问题。一个工程师会痛快地告诉你零件、材料、批量和节拍时间，却会关掉一个非要他选公司规模区间和预算区间的表单。最被低估的产出是尽早说“不”：一份不合适的询价，成本大头是在有人弄清楚它从一开始就不合适之前，已经消耗掉的那些应用工程投入。

让 AI 问答机器人从你的文档里回答，而不是自己编

你拿一个产品问题去问大语言模型，它会从训练数据里给你一个答案，文风跟你自己的资料一模一样，而它听起来有多笃定，和它对不对之间没有任何关系。在技术型销售里，这是最糟的一种失效方式，因为一个错误答案会被截图、被转发，然后在会上被人拿出来反过来质问你。

能让它变得可以承受的，是把答案锚定在你自己的文档上。问题先从你自己的文档里检索出相关段落，模型只依据这些段落作答并给出出处，于是最常见的那种失效就变成了“我在文档里没有找到这一条”。大部分工作量在文档这一侧：哪些文档是权威版本，哪些是已作废、必须从索引里清掉的——按你的质量程序要求，它们仍然保留在文档系统里，但助手取不到——以及哪些是保密的。

这并不能消灭失效。检索会返回作废的那个版本，因为那个版本在文字上更匹配；也会返回对的那份文档，然后模型看错了里面的一张表；还会在什么都没检索到的时候，仍然用训练数据来回答。出处标注让这三种情况都更严重，因为一个挂着文档名的错误答案，别人会更加当真。

所以把这些约束做进系统里，而不是写在一份制度文件里：只依据已发布的材料作答；写明用的是哪份文档、哪个版本；碰到规格类问题宁可拒答也不推断；绝不给价格和交期。并且把每一个它答不上来的问题都记下来，因为那份记录，是你的客户替你写出的一张“你还没有发布什么”的清单。

你手里已经有的数据，以及把它变得能用要付出什么

比你以为的多，状态也比你以为的差。邮箱里躺着多年的询价和技术往来，报价历史里是你报过什么、报了多少钱，而丢单原因里是公司最值钱的那份数据集——前提是当初有人如实填过。ERP 里有你的提前期和交货日期，在你相信它们之前值得先查一下：计划对实际，以及承诺日期是不是每次延期都被人直接改掉了。

然后是数据的状态。同一家客户以三种不同的写法存了三遍，德国的子公司是一个单独的客户、和母公司之间没有任何关联，所以没人看得出来这个集团已经买过两条线了。丢单原因在大部分记录上写的是“价格”，而那是人们在真实原因其实是答复太慢的时候会选的那一项。

这些活不光鲜，但它就是项目的主体：客户去重、把集团结构建起来、约定一个唯一权威的文档存放位置并带一个明确的版本字段、把自由填写的丢单原因换成一张销售可以如实勾选的短清单。建立在这份数据上的模型，会把每一个错误都继承下来，然后自信满满地交付给你。

转人工这一步，以及为什么交接做砸了会把价值全部抵消

助手停下、由人接手的这个瞬间，就是客户对整套系统下判断的地方。客户把自己的应用工况详细讲了一遍，两天后销售打电话过来，又从头把同样的问题再问一遍——自动化省下来的一切，都在这一分钟里花掉了。

一次能用的交接，会把对话内容挂到商机上、会带上引发转人工的那个问题、会给出一个具体的责任人而不是一个公共邮箱，还有一个有人对其负责的响应时限。要诚实地说明助手是什么，因为技术型客户几个来回就会看出来；并且在任何规格承诺、任何价格、任何投诉，以及客户第二次问同一件事的时候，自动转人工。

诚实地衡量它：看响应时长和有效商机，不看发了多少条消息

关于这类系统的报表，大多量的是它自己的活动量：发了多少条消息、处理了多少次会话、按供应商给的系数折算出省了多少工时。不管有没有真的变好，这些数字都会涨。起点应该换成：从询价进来到第一次实质性技术答复之间的时长，实质性的意思是它谈到了应用工况，而不是确认收到。然后是在你判定为在能力范围内的那些询价上，从收到询价到报出价的时长，以及其中最终走到报价的比例，这个比例会把那些卡在工程师队列里死掉的询价暴露出来。

被拒绝的询价要放在另一根轴上量：用了多少天才拒掉，因为这正是“尽早说不”存在的意义所在。把两个分母合成一个报价率，等于在告诉组织去报那些你刚刚让它拒掉的询价。然后是有效商机，对照一个在项目开始之前就写好的“有效”定义；再加上助手答不上来的问题的条数，随着你把缺的内容补发出去，这个数应该往下走。

GDPR，以及一个欧洲工业客户期待的是什么

面向企业客户的主动触达，在欧洲并没有统一的合法性依据。各国对 ePrivacy 规则的落地实现各不相同，在一些成员国，向企业联系人发送未经请求的商业邮件，受到的约束远比常见的那句“正当利益”说法严格得多。这件事要按市场分别与法务确定下来，同时把系统做成规则可以按国家不同、又不需要重写的样子。

剩下的都是工程决策，但它们会直接影响采购评审。客户的问卷会问：他们的询价内容在哪里处理，会不会离开欧盟，会不会被拿去训练谁的模型，保存多久。四句短答案就能过掉第一道筛选：在欧盟境内处理，不用客户内容做训练，有明确的留存期限，访问有日志。筛选后面等着的是一份签署的数据处理协议（DPA）、一份次级处理方清单、你的技术和组织措施，通常还有一张 ISO 27001 或 SOC 2 证书。在询价到来之前就把它们备齐。

任何会导致拒绝一份询价的决定，路径上都要保留一个人，这既是对的设计，也顺带终结了关于自动化决策的那场争论。抛开法律不谈，一个欧洲工业客户期待被当作专业人士对待；而在一个规模不大的技术市场里，一句编造出来的“跟进一下我们上次的沟通”，造成的损害比什么都不发要大。

从哪里开始：销售侧的第一个 AI 项目

一条流程，八到十二周，销售和工程各出一个有名有姓的责任人，以及一份在动手之前就写好的成功定义。从进来的询价这条路开始：价值集中在这里，而且出问题的时候，最先看见的是你自己人。

头两周用来收集过去两年里五十份真实询价，连同当时报了什么、后来怎么了。这套材料就是测试集；没有它，你评的就是搭演示的人自己挑出来的那些例子。然后做抽取和缺失信息清单，由一位应用工程师对照需求最后实际是什么样来复核。面向客户的助手放在最后，因为只有它会在没人盯着的情况下直接和客户说话。

退出标准要在开始之前写好：某个指定细分市场上的首次答复时长、每份询价消耗的工程工时，以及抽取在那套标准答案集上的得分——每个字段的精确率，尤其是那些承担报价风险的字段上的召回率。接受率是一个采纳度信号，不是退出标准：工程师一旦知道这是考核项，边缘的修改就不做了，而真正要命的错误是漏项，一个快速扫一遍整齐清单的复核人恰恰抓不到它。还要提前定好你拒绝做什么：大批量外发、任何未经复核就发出的东西、在合法性依据或保密协议状态不明的情况下运行它。

Meta Smart Factory 在这里的位置

MSF 的 META CRM Bot 是这个平台里销售侧的产品；本站其他模块——MES、APS、MRP、质量、维保、仓储——管的是工厂运行。两边我们都做，这也是为什么上面整篇讲的是先后顺序和数据质量，而不是功能列表。

有一件事要挑明，而不是含糊过去：这个产品在本站的介绍是“多语言、全天候的消息处理”，而在技术型销售里，这恰恰不是应该第一个打开的部分。上面主张的那些约束是配置项，不是宣传语——起草由模型做、发送由人做，遇到任何规格、价格或交期承诺就转人工，不在一个名字会反复出现的市场里做大批量外发。试用的时候就把这些提出来。

真正值得想清楚的是接缝。一份工业询价里占主导的是两个问题：这个特性你们能不能在这个节拍下稳定做出来，以及第 34 周能不能到货，而这两个都不该由助手来回答。第一个问题是特定特性、特定设备和特定工装上的过程能力，还要配一次不把公差带吃掉一半的量具能力分析；而对于一个新零件，根本没有历史数据可以拿来回答。第二个是面向未来的产能问题，针对的是一份每天都在变的在手订单。历史准时交付率不等于产能，今天的产能也不等于第 34 周的产能。

助手能做的，是把证据取出来，摆到那个负责回答的人面前。最接近的可比零件上实测的节拍时间和废品率，能让你的工程师判断这份询价值不值得做一次过程能力研究；APS 里的在手订单，能让你的计划员判断第 34 周是不是站得住。日期仍然由计划员给出。如果生产记录本身就不可信，那么建在它上面的 AI 销售层，照样会拿它去报价。

所以更有用的第一次沟通不是一场演示，而是把你自己最近的那些询价和它们各自的结果过一遍，因为这在一个下午之内就能看出销售在哪里丢了时间——有时候答案是，那不是软件能修的部分。