名單不是越多越有機會，沒有購買觸發條件的名單，只是把研究與跟進成本往後推。

作者：鄭錦聰｜網站：https://shortcut.tw

先別急著增加名單，先問對方為什麼現在可能採購

很多中小製造業者做開發時，第一個動作是把名單表格做大：產業、地區、公司規模、電話、Email，能找到的欄位全部加進去。表格看起來越來越完整，業務卻沒有因此多收到幾個真正有內容的回覆。

這時候最容易出現一個錯誤判斷：是不是市場太競爭？是不是要再買一個名單工具？是不是要把開發信寄得更多？我反而會先把問題倒過來看：這些公司現在有沒有一個值得我們研究的採購情境？如果沒有，名單再多，也只是在增加後續查資料、寫信與追蹤的成本。

我曾經反覆聽到一個問題：「這個行業過去很好賺，現在太競爭、做不下去，我是不是只能換跑道？」我理解這個疑問，因為當競爭變多時，人很容易把注意力放在換產業、換通路、換工具。但很多時候，真正要換的不是跑道，而是你辨認需求的方式：從「他是不是我的產業客戶」，改成「他現在是不是正在面對我能解決的採購問題」。

這也是我今晚想談的重點。中小製造業找客戶，不是先建立一張最大的公司清單，而是先建立一張能讓真人做出判斷的購買情境表。

B2B 買方不是沿著一條直線走完採購

McKinsey 在 2026 Global B2B Pulse 的觀察指出，B2B 買方在採購旅程中平均使用十個接觸點，並期待不同接觸方式之間可以順暢銜接。這對名單管理有一個很實際的提醒：一家公司不是填進表格就完成了，它會在網站、搜尋、Email、電話、視訊與真人會議之間反覆確認自己要解決什麼問題。

Gartner 對 B2B buying journey 的整理也把採購看成一組會被反覆完成的任務，包括辨認問題、探索方案、建立需求、選擇供應商，以及讓團隊形成共識。換句話說，對方不是因為你把公司名稱放進名單，就突然變成熱客戶；他必須在自己的任務裡逐步形成「這個供應商可能適合我」的信心。

所以，名單若只留下公司名稱和聯絡方式，業務每次接手都要重新猜：對方現在在什麼階段？為什麼可能回覆？誰會參與決策？我們要先問哪一個問題？這種資料看似很多，實際上沒有記憶，也沒有把前一個動作交給下一個人。

AI 可以協助把公開網站、產品頁、招募資訊、採購公告與產業描述整理成脈絡，但前提是你要先定義什麼叫做值得研究。AI 不應該把所有符合產業分類的公司都判成潛在客戶，更不能把公開資料中的推測寫成對方已經有需求。

製造業的好名單，至少要有四個購買情境

NIST MEP 的 Supplier Scouting 說明，供應商配對會看特定的生產與技術能力、產能、商業興趣，以及採購方提出的需要。這個思路很適合拿來改造中小製造業的開發名單：不要只問「他是不是製造業」，而要問「他的公開資料有沒有出現可以被核對的配對條件」。

我會先用四欄整理十筆現有名單。不是為了創造一個看起來很科學的分數，而是讓真人知道下一步到底要研究什麼。

今晚先確認可被核對的採購脈絡，不把推論當成已確認需求。

第一欄：採購觸發，對方為什麼現在可能需要？

可能是擴產、設備更新、供應商替換、新產品打樣、交期壓力、品質要求變動，或正在找能配合特殊規格的外部能力。這些都不是「他可能需要」的想像，而是要能在公開資料、職缺、公告、產品變化或對外說明裡找到線索。

如果這一欄完全空白，就不要急著把對方交給業務。沒有觸發條件的名單，只能算待研究資料，不能算已經具備開發理由的客戶。

第二欄：能力適配，你能不能真的承接？

把自己的製程、設備、材料、規格、認證、交期、產能與服務邊界寫成 AI 看得懂、真人也能驗收的條件。對方即使看起來很有需求，如果你沒有相對應的能力，或交期、品質、數量根本接不起來，那也不應該被標成優先名單。

OECD 的 SME digitalisation for competitiveness 報告把自動化、擴大客戶基礎與增加國內銷售列為企業看待數位化的主要效益。這提醒我，客戶表面上可能在找一個供應商，背後真正要改善的也許是交期、產能、銷售或作業效率。你的能力描述要接到對方想改善的商業結果，而不是只列設備名稱。

第三欄：決策角色，誰會影響這筆採購？

製造業採購很少只由一個人決定。老闆可能在意風險與長期合作，採購在意價格與交期，工程在意規格與驗證，現場在意能不能穩定交付。你不需要一開始就猜中所有人，但至少要記下目前公開資料能看見的角色與未知處。

AI 可以整理不同頁面上的角色線索，並把未知欄位列出來；真人要決定第一次接觸先問什麼，不能把推測直接當作對方的內部決策結構。

第四欄：下一步，誰接手、要驗收什麼？

一筆名單如果只有「請業務跟進」，等於沒有下一步。你要寫清楚是先補一份規格、先確認一個採購問題、先請真人看公開需求，還是先暫停，等資料更完整再處理。每一種選擇都要有接手人與完成標準。

這就是 AI 記憶思維在名單工作裡的用法：不是記住一堆公司名稱，而是記住每筆資料為什麼被放進來、目前缺什麼、下一個人要做什麼，以及什麼條件出現時要重新判斷。

AI 能整理名單，但不能替你宣判客戶一定會買

把四欄建立好之後，AI 很適合承接前面的重複工作。它可以讀公開網站，整理公司做什麼、目前有哪些產品或能力、可能出現哪些採購觸發，再依你的規則分成三類：可以進一步研究、資料不足先補問、目前不適合。

但這三類不是成交預測。AI 不知道一家公司內部真正的預算、政治關係、優先順序，也不能因為看到一則公開資訊，就替你承諾對方會回覆。它的任務是把資料整理成比較容易驗收的狀態，把「我為什麼研究這家公司」說清楚，並把缺口交還給真人。

我自己會把這個工作分成三層。第一層是公開資料整理，AI 可以做。第二層是需求真假與能力適配，AI 可以提出問題與證據，但真人要判斷。第三層是報價、承諾、例外與關係，必須由真人負責。這不是把 AI 的能力縮小，而是把它放在一個不會把猜測誤當事實的位置。

名單要接到結果鏈，才不會停在表格裡

很多人做完名單後，下一步只有大量寄信。這樣會把「名單」直接跳到「接觸」，中間少了研究、理解與信任。對 B2B 製造業來說，比較完整的路徑應該是：公開訊號，接到採購情境；採購情境，接到能力適配；能力適配，接到決策角色；決策角色，接到一個由真人承接的問題。

這條路徑的價值，不是讓每一筆名單都變成客戶，而是讓不適合的名單更早被排除，讓值得研究的名單更快得到正確的注意力。指標也要跟著變：先追符合採購情境的名單比例、研究完成率與有效回覆率，再看合格詢問與真人接手。沒有樣本時記 unknown，不要用名單數量代替商業結果。

如果你是老闆，我建議今天先做一個小驗收：從現有表格抽十筆，不增加任何新名單，逐筆補上採購觸發、能力適配、決策角色與下一步。最後分成「可研究」「資料不足」「暫不適合」三類。你會很快看見，真正的問題不是沒有名單，而是以前把太多沒有購買脈絡的公司，誤當成可以立刻開發的客戶。

你可能也正在想這幾件事

公司規模、產業和地區還重要嗎？

重要，但它們只能作為第一層篩選，不能直接代表購買需求。同一個產業裡，有人正在擴產，有人正在縮減，有人只是在找資料，有人已經有明確規格。後面的採購觸發與能力適配，才決定你要不要投入真人研究。

沒有公開採購公告，還能判斷嗎？

可以先把資料標成未知，而不是自行補造需求。你可以從產品更新、招募、設備、展會、合作訊息或公開服務描述找線索；如果仍然不足，就放進資料不足，不要直接進入大量接觸。

AI 可以直接幫我寫開發信嗎？

可以，但不要讓它對所有名單套同一封信。先把對方的採購情境、你能承接的能力、聯絡理由與下一步寫清楚，再讓 AI 整理成草稿。真人要確認內容沒有把推測寫成事實，也要決定是否真的適合聯絡。

我應該先買更大的名單，還是先整理現有名單？

如果現有名單還沒有四欄採購情境，我會先整理十筆，而不是立刻增加數量。先驗收一個小樣本，才知道你的篩選條件是否能分辨值得研究與不值得研究，後面擴大才不會只是把錯誤放大。

我今天會先做哪一個小驗收

我會選十筆現有名單，為每一筆補上四個欄位：對方可能正在採購什麼、我的能力是否適配、誰可能參與決策、下一步由誰接手。然後不追求每一筆都合格，而是誠實分成可研究、資料不足與暫不適合。

這就是我理解的 AI 商業分工。商業地圖裡，先看市場與客戶入口，再決定產品與銷售如何接；AI 工作地圖裡，讓 AI 記住脈絡、整理任務與持續追蹤，真人保留需求、價值、價格、承諾與關係判斷。名單只是一個資料集合，只有接上下一個可驗收的工作，才會開始成為 AI 商業結果鏈的一段。

如果你現在的問題是「名單很多，但不知道先找誰」，今晚不要再追一個名單工具。先挑十筆，補齊四欄，讓自己看見哪一些公開訊號真的值得研究。當你能說清楚為什麼找他、你能不能承接、誰要接手，開發才不會只剩下寄信數量，而會開始靠近真正的客戶結果。