B2B 找客戶的第一個驗收，不是名單有幾筆，而是每筆帳戶能不能說清楚採購情境、參與角色、公開觸發訊號、下一個待核對問題，以及誰要為服務適配負責。先驗收五筆，再決定要不要擴量。

作者：鄭錦聰｜網站：https://shortcut.tw

先回答：不要急著把名單做大

如果你現在有一張 B2B 名單，先不要問 AI 還能不能再找出一千家公司。先挑五筆，逐筆回答五個問題：這家公司正在處理什麼採購情境？誰會先感受到問題？有哪些公開觸發訊號？下一個要核對什麼？最後由誰判斷這個情境值得不值得服務？

這五筆答不出來，名單越大，後面要整理、跟進、解釋的工作也會一起變多。我的判斷很簡單：先驗收規則，再擴大數量。這不是放慢找客戶，而是先確認 AI 擴大的方向沒有歪掉。

真正的商業斷點是名單沒有採購觸發條件，AI 只能整理未排序的接觸對象，無法把公開訊號承接成 qualified inquiries。

買方接觸你以前，採購其實已經開始

6sense 的 2025 B2B Buyer Experience Report 研究近 4,000 名買方，指出買方在接觸賣方前已經形成 shortlist，而且第一次互動多半由買方發起。這讓我想到，業務寄出的第一封訊息，常常不是決策起點，而是買方拿來驗證目前選擇的那一刻。

Gartner 對 2025 軟體買方旅程的整理也指出，買方的初始供應商名單會在研究、接觸與決策階段持續改變。換句話說，名單不是固定的「可能客戶」，而是一段正在變化的採購脈絡。

例如同樣是製造業，有的公司正在擴產，有的在換 ERP，有的只是想處理交期失誤。它們在資料表裡可能都被標成製造業，但真正值得先談的原因完全不同。若 CRM 只保存公司名稱、產業、電話和職稱，AI 可以整理得很快，卻不一定知道哪一筆現在值得你花時間。

五個欄位，先把地址簿變成情境卡

先用下面五欄做第一輪驗收：

• 採購情境：公司現在面對什麼變化，讓原本的方法開始不夠用？
• 參與角色：誰先感受到問題，誰影響選擇，誰最後要對預算與結果負責？
• 公開觸發訊號：招募、擴點、產品線調整、展會活動、公開採購需求或其他可觀察變化。
• 下一個待核對問題：要先確認成本、導入時間、適用條件、風險，還是預期結果？
• 責任人：哪些內容可以交給 AI 整理，哪些服務適配與承諾必須由真人判斷？

最後一欄不能省。AI 可以提出推論，但不能把推論寫成對方已經確認的需求。資料要分成「已核對」「合理推論」「仍待詢問」三層，否則表格看起來完整，實際上只是把猜測排得很整齊。

真正的採購訊號，不是一個欄位就能決定

Gartner 的研究摘要提醒需求開發團隊，應該把多個意圖訊號放在一起，才比較有機會辨識真實購買活動。這一點很重要，因為單一訊號很容易誤判：一則招募公告可能只是例行補人，一次展會露出也不代表公司立刻要買方案。

B2B International 與 dentsu B2B 的 2025 Superpowers Index 則把問題拉回買方感受：信任、簡單與速度仍會影響買方怎麼選擇。對老闆來說，這代表你提供的內容不能只說「我們很專業」，還要讓買方在整理選項時看得懂：你處理哪種情境、需要哪些條件、什麼情況不適合你。

Gartner 另一份買方團隊調查也指出，B2B 決策通常不是一個人說了算，團隊內部的目標衝突會影響交易品質。於是，名單只記一個職稱並不夠。你至少要知道誰受問題影響、誰會提出疑問、誰可能要承擔最後結果。

一個小例子：同一個訊號，可能有兩種解讀

假設你看到一家公司正在招募營運主管。第一種解讀是：它正在擴張，可能需要流程與系統整理。第二種解讀是：原本的主管離職，團隊只是補洞。這兩個情境的開場問題不同，服務適配也不同。

所以我不會讓 AI 看到招募就直接標記「高意圖」。我會讓 AI 先列出兩個可能解讀，附上支持各自判斷的公開資料，再告訴我下一個最值得核對的問題。這樣 AI 承接的是整理與記憶，不是替老闆決定對方一定想買。

今天先做五筆帳戶驗收

你可以把下面這段工作交給 AI，請它只做資料整理與疑點標記，不要直接代替你寄出訊息：

「請針對這五筆 B2B 帳戶，逐筆整理：一、可能的採購情境；二、可能參與的角色；三、公開觸發訊號與來源；四、目前已核對、合理推論、仍待詢問的資訊；五、下一個最值得由真人核對的問題。若資料不足，請明確標記 unknown，不要補寫對方已確認的需求。」

整理完後，請自己看三件事：五筆裡有幾筆真的有可觀察訊號？有幾筆只是因為產業標籤而被放進來？有幾筆已經能形成一個值得被買方回答的問題？

如果五筆都答不出來，先修正你的採購情境定義；如果只有一兩筆有明確訊號，就先跟進那一兩筆，其他留下觀察。這個動作驗收的是五筆帳戶的診斷完成率與 qualified inquiries 前置品質，不是今天寄出了幾封信。

今天追蹤五筆帳戶的採購訊號核對率與 qualified inquiries 前置品質。

AI 記住脈絡，老闆保留最後判斷

「我最早的時候，運用 ChatGPT 作文案，後來我連做銷售漏斗、業務成交話術、廣告影片講稿、一對一顧問諮詢，我都能讓 AI 幫我完成。」AI 能承接的工作範圍確實可以變大，但每多接一段工作，就要把資料邊界、判斷標準與交付驗收說清楚。

放到 B2B 找客戶，AI 可以蒐集公開資料、整理採購脈絡、標記疑點、記住每次補問與更新，甚至把同一產業反覆出現的問題分群。老闆仍然要決定：這個採購情境值不值得服務，哪些承諾可以說，哪些條件不符合，以及什麼時候必須由真人接手。

我也常遇到一個很根本的問題：「公司上市或被併購對我太遙遠，我到底該怎麼設定自己的終極目標？」這個問題放回今天，其實就是同一件事：先把你想服務的採購情境說清楚，再決定要用多少資源擴大。沒有方向的名單，和沒有方向的終極目標一樣，數量增加也不代表結果會靠近。

你可能也正在想這幾件事

B2B 名單要先求多，還是先求準？

先求規則可驗收，再求數量。不是永遠不要擴量，而是先用五筆確認你的欄位真的能找出值得談的對象，再讓 AI 擴大同一套規則。否則擴量只是把錯誤判斷複製更多次。

只有公司名稱和職稱，AI 能不能找到需求？

AI 可以根據公開資料提出可能的需求假設，但不能把假設當成對方已確認的需求。請把已核對、合理推論、仍待詢問分開；第一個對話也要回應可能的採購情境，而不是假裝你已經知道全部。

我已經有 CRM，為什麼還是沒有有效回覆？

CRM 解決資料保存與流程追蹤，不一定解決採購情境。檢查每筆名單是否有觸發訊號、相關角色、最後一次判斷與下一個驗收問題；如果只有狀態欄位，沒有脈絡，系統仍會把所有人看成同一種客戶。

AI 找客戶是不是應該自動寄更多信？

不一定。若買方還沒有進入需要核對方案的階段，更多訊息只會讓你的名字更早被忽略。先讓 AI 找出情境與證據，再由真人決定是否值得接觸、用什麼問題開場，以及什麼情況不應該寄出。

先驗收五筆，再把結果鏈接起來

如果你今天只做一件事，就挑五筆名單，先不要寄信，讓 AI 為每一筆補出「採購情境、可能角色、公開觸發訊號、下一個待核對問題、責任人」。你會更清楚看見，真正該擴大的不是名單數量，而是你對買方情境的記憶品質。

這裡的記憶不是把資料存得更多，而是讓下一次判斷接得上前一次脈絡。當網站回答買方問題、名單記住採購情境、AI 整理下一個驗收動作，真人再決定是否值得談，市場訊號才有機會接到內容、詢問與成交。

我的判斷是：先用五筆把規則做對，再讓 AI 擴大。老闆決定方向、價值與承諾；AI 執行整理、記憶與追蹤。這才是把名單從地址簿變成客戶發現雷達的第一步。