作者：鄭錦聰 https://shortcut.tw

名單增加以前，先看詢問有沒有被接住

我最近在整理專業服務的獲客流程時，最常看到一個讓老闆誤判的畫面：表單、私訊與電話詢問變多了，團隊也更快回覆，CRM 裡的名單數字持續上升，但是成交沒有跟著增加。這時候很多人第一個反應是「再找更多名單」，甚至再買一套自動化工具；我反而會先停下來問：這些人到底想解決什麼？誰真的適合？下一步由誰接手？

經濟部中小及新創企業署發布以需求導向推動中小微企業 AI 應用轉型的公開文章，Google Business 也把客戶旅程寫成從發現走向決策；我把這些訊號放回專業服務的工作現場，看見詢問增加後真正要接的是需求、適配與成交結果。這不是把外部資料直接宣稱成台灣成交成效，而是提醒我們：AI 導入若沒有從真實需求開始，產出越快，越可能把錯的流程放大。

對講師、顧問與教練老闆來說，這代表要改善成交結果，先把詢問的需求與適配條件接起來，而不是只增加名單數。客戶不是一個填過表單的姓名；他可能在比較方案、確認自己是否適合、擔心做不到，也可能只是先問一個還沒有說完整的問題。

我很認同一句已經被整理進我工作判斷的話：「客戶的需求，從來不會是一個點，而是一整條鏈。」如果把詢問只當成一個要立刻回覆的訊息，就會錯過後面真正影響成交的需求、信任、適配與交付條件。

AI 可以整理需求，但不能替你決定適不適合

AI 可以承接詢問的整理、需求分類、適配條件比對與跟進提醒，但不能替老闆承諾結果或決定高風險成交。這裡的差別很重要：AI 不是只會回覆問題的聊天工具，也不是可以替公司無限承諾的業務員；它比較適合先把混亂的資訊整理成一個可判斷的工作包。

例如一位顧問收到「想改善品牌，但不知道從哪裡開始」的訊息，AI 可以先整理對方已經說出的產業、目前產品、遇到的卡點、希望的時間與預算，再依顧問事先定義的服務條件，標示為「適合進一步診斷」、「需要補資料」或「目前不適合」。這個分類不是成交結論，而是把真人的時間留給真正需要判斷的地方。

真正的商業斷點是：詢問進來後沒有人負責承接需求、判斷適配與安排下一個成交動作，AI 只剩回覆與追蹤。這也是為什麼有些公司的回覆速度變快，成交率卻沒有改善。速度只是把訊息送出去；適配才是在判斷這個方案能不能對這個人負責。

我會先決定服務的適配條件、不能承諾的邊界與成交驗收標準，再讓 AI 負責整理和提醒；最後的價值、方向與責任由我承擔。老闆不能只告訴 AI「幫我把詢問變成交」，還要說清楚什麼叫做適合、什麼情況必須回到本人、哪些結果不能保證，以及完成哪一個確認才算進入下一步。

先把「適合」寫出來，AI 才有工作邊界

適配條件不一定要一開始就寫成複雜評分表，但至少要能回答幾個問題：

• 對方現在面對的問題，是不是這項服務真正能處理的問題？
• 對方是否願意提供診斷需要的資料，並接受合理的投入與時程？
• 這個服務能不能交付對方期待的改變？哪些結果只能努力，不能保證？
• 哪些情況要轉介、暫緩，或先提供公開資訊，而不是直接推進成交？

AI 負責整理客戶訊息、分類需求、比對適配條件、標記待補資料與提醒跟進時機；只要涉及承諾、價格、例外或不適合，交回真人判斷。這樣的分工，才是把 AI 接進成交流程，而不是把真人的責任藏到自動化後面。

從 lead 到 conversion，中間要有一個需求承接任務

Microsoft 的 2025 Work Trend Index 以「The Frontier Firm is born」描述工作型態正在變化；這個標題值得看的地方，不是叫我們追逐一個新名詞，而是提醒管理者：當 AI 可以承接更多跨工作內容時，任務要放在哪一段結果鏈，必須由老闆先決定。Google Business 將客戶旅程放在 discovery 到 decisions 的連續路徑，也讓我更確定，詢問不是終點，決策前還有一段需要被理解與承接的工作。

在專業服務裡，我會把這個任務拆成四個連續動作：

1. 理解需求：整理客戶說了什麼、沒有說什麼，以及目前最急迫的問題。
2. 判斷適配：對照服務能處理的問題、必要條件、限制與不適合情況。
3. 安排真人接手：把待補資料、需要澄清的承諾與高風險例外交給本人或指定顧問。
4. 驗收下一步：記錄是否完成診斷、預約、提案或暫緩，不能只記「已回覆」。

CRM 保存每次詢問的需求、適配狀態與下一步，真人顧問負責診斷與承諾，AI 負責整理、標示與追蹤，外部方案只在適配後支援交付。這裡的 CRM 不只是存聯絡資料，而是保存客戶目前在哪一個結果階段，讓下一次對話不用從零開始。

如果 AI 只把詢問標成「有興趣」，團隊仍然不知道要做什麼；如果 AI 能把「需求未清楚、服務適合、待補資料、需要真人承諾、目前不適合」分開，管理者才看得見真正的轉換瓶頸。這個瓶頸可能在產品不適配，也可能在說明不清楚，不能全部歸咎於名單品質。

我會先用五筆詢問驗證，不會先擴大追量

今天就能做的不是再買一個工具，而是挑最近五筆詢問，逐筆寫下四件事：對方真正想解決什麼、目前缺哪一份資料、是否符合服務適配、下一步由誰在什麼時間確認。若五筆裡有三筆都卡在同一個資訊缺口，那個缺口才是內容、表單或客服流程要先補的地方。

先列出服務適配與不適合條件，再把最近 5 筆詢問分類，最後設定一個真人確認的下一步並追蹤 30 天成交轉換。這個小測試的目的不是製造漂亮報表，而是讓你知道：成交卡住的地方，是需求沒有被問清楚、服務沒有被說清楚，還是接手責任沒有被安排。

30 天比較有效詢問轉成交率、適配後預約率、待補資料完成率與不適合案件比例，沒有紀錄的數字先標成 unknown。不要把沒有追蹤當成零，也不要把所有詢問都塞進「潛在客戶」這個大籃子；資料越誠實，下一個 AI 任務才越有用。

什麼時候才值得再找更多名單？

當你已經知道哪些需求適合、哪些需求不適合，能清楚說明服務的承諾邊界，並且有一個真人確認的接手流程，再去擴大名單才有意義。因為這時候新名單進來，不是被丟進更大的待辦清單，而是進入一條有分類、有責任、有驗收的結果鏈。

反過來，如果目前連「為什麼這個人適合」都說不清楚，增加名單只會增加回覆量、比較成本與錯誤承諾。AI 的效率會讓問題更快出現，但它不會自動替你把問題變成答案。

老闆通常會卡在這幾個地方

有詢問卻沒有成交，第一個要檢查什麼？

先不要只看詢問總數。把最近五筆拆成需求清楚、服務適合、待補資料與目前不適合，再看每一類最後有沒有下一步。若所有人都被標成「有興趣」，那只是分類尚未完成，不是市場已經證明服務沒有需求。

AI 應該先幫我找更多名單嗎？

如果既有詢問還沒有需求適配、真人接手與成交驗收，先擴大名單通常只會放大混亂。先讓 AI 整理既有詢問，跑完一輪可重現的承接流程，再決定要不要擴大來源與自動化範圍。

要不要導入 AI 客戶承接系統？

可以考慮，但前提是你已經能說清楚服務對誰適合、哪些情況不適合、什麼資料要先補、哪個環節必須真人確認。沒有這些條件，系統只會更快地保存模糊資訊，不能替你完成適配判斷。

為什麼回覆速度變快，成交還是沒有改善？

因為回覆速度解決的是「有沒有回」，不一定解決「有沒有理解」。成交需要需求被說清楚、方案被判斷適合、承諾邊界被看見，並且有人把下一步接起來；少了其中一段，訊息再快也可能只是把客戶送回等待區。

把 AI 放在適配之後，生意才有機會放大

我今天的結論很簡單：詢問變多卻沒有成交，不要急著先追更多名單。先把需求、服務適配、真人承諾與下一步寫成一個能反覆驗收的任務，讓 AI 做整理、比對、標示與追蹤，讓老闆保留方向、價值、判斷與責任。這不是把 AI 用少一點，而是把 AI 放在真正能改善結果鏈的位置。

如果你願意從一個小範圍開始，今天只做一件事：挑五筆詢問，完成需求、適配、接手、驗收四欄，連續觀察三十天。當你看懂哪一類詢問值得被服務、哪一類需要先教育、哪一類應該暫緩，才知道下一步是補內容、改產品、修客服，還是擴大名單。

閱讀完整內容與後續服務資訊：shortcut.tw https://shortcut.tw