
2026 年初,一家中型数字营销代理公司带着一个非常常见的问题来找我们:潜在客户不断进来,但跟进却很不稳定。有些潜在客户在一小时内就得到回复,有些要等三天,甚至从未收到回音。代理公司知道自己在白白流失收入,但 12 人的团队忙于客户工作,手工管理潜在客户总是出现疏漏。
本案例研究将完整介绍我们如何诊断问题、设计量身定制的自动化系统、在两周内完成实施,以及如何衡量成效。我会分享具体数字、使用的工具、哪些有效、哪些我们会换种做法,以及方法背后的思路,方便您评估类似的系统是否适合您的业务。
背景:代理公司的情况
这家代理公司是一家专注于为电商品牌提供付费媒体和 SEO 服务的数字营销公司,在 18 个月内从 5 人发展到 12 人。他们的获客情况良好:潜在客户来自网站联系表单、LinkedIn 外联回复、通过邮件介绍的转介绍,以及内容营销偶尔带来的主动咨询。
问题不在于潜在客户的数量。他们每月能获得 40 到 60 个合格的潜在客户。问题在于潜在客户的处理。他们的流程大致如下:
- 潜在客户分散在三个不同的地方(邮件、Notion CRM 和 LinkedIn 私信)
- 老板手工筛选每个潜在客户,决定由谁跟进,再通过 Slack 转发
- 跟进取决于负责人什么时候想起来,有时当天,有时三天后
- 没有标准化的跟进流程;每位销售都从零开始写自己的邮件
- 没有记录哪些潜在客户已经联系过、联系了几次,以及结果如何
老板估计,他们仅仅因为跟进太慢或根本没有跟进,就流失了 15% 到 20% 的合格潜在客户。按照他们平均每月 4,500 美元的成交额计算,即使只挽回其中一小部分,也代表着可观的收入。
挑战:为什么手工跟进行不通
在着手解决方案之前,我们花时间去理解现有流程 为什么 会失灵。这一诊断步骤至关重要:只针对症状而不是根本原因的自动化,往往会制造新问题,而不是解决现有问题。
我们找出了三个根本原因:
1. 潜在客户来源分散。 潜在客户从三个不同渠道进来,意味着老板成了筛选环节的单点故障。当他忙于客户电话时(几乎一整天都是如此),潜在客户就一直无人处理。从潜在客户提交到第一次有人查看,平均需要 11 小时,远远超出了回复率最高的时间窗口。
2. 没有标准化的跟进节奏。 没有模板或既定流程,每次跟进都成了一次创作。销售每次都要重新起草邮件,每个潜在客户要花 8 到 12 分钟。每月 40 多个潜在客户,就是 5 到 8 小时本可以模板化的写作时间。更糟的是,不同成员写出来的质量和语气差别很大。
3. 销售管道状态完全不透明。 没有人能回答“有多少潜在客户在等待首次联系?”或“哪些潜在客户已经 48 小时没收到我们的消息?”这样的基本问题。缺乏这种可见性,需要关注的潜在客户在为时已晚之前都是隐形的。
调研与审查:梳理现有工作流程
我们的合作从为期两天的调研开始。这不是销售流程上的形式,而是收集证据、决定整个自动化设计的阶段。我们做了以下工作:
第一天:收集数据。 我们审查了代理公司过去 90 天的潜在客户来源。我们提取了联系表单提交的时间戳,与邮件回复时间交叉比对,并检查了他们的 Notion CRM 记录。数据说明得很清楚:2 小时内联系的潜在客户,转化率是 24 小时后才联系的 3.1 倍。这并不罕见,与已发表的潜在客户响应时间研究一致,但用他们自己的数据说话,让论证变得具体,而且切合他们的业务。
第二天:梳理流程。 我们与老板和两位客户经理坐下来,梳理他们处理潜在客户的每一个步骤,从首次接触到成交或淘汰。我们记录了 14 个不同的手工步骤,其中 6 个纯属行政事务(复制粘贴数据、发送 Slack 通知、更新电子表格)。这 6 个步骤就是我们主要的自动化目标。
关键发现: 这家代理公司在销售对话本身上已经做得很好。对于及时得到首次回复的潜在客户,他们的成交率是 28%,在行业中相当不错。问题完全出在对话之前的阶段:让潜在客户被及时发现、分配并联系。
系统设计:自动化的架构
根据审查结果,我们设计了一个三层自动化系统:
第一层:统一的潜在客户获取。 所有潜在客户来源,包括网站表单、LinkedIn 和邮件转介绍,都通过 API 集成和邮件解析汇入同一个 Notion 数据库。每条潜在客户记录都会自动补充来源渠道、提交时间戳以及任何可用的背景信息(表单答案、LinkedIn 资料、转介绍备注)。
第二层:AI 评分与分配。 AI 分类步骤会分析每个新进的潜在客户,根据公司规模指标、留言中的服务匹配信号和紧迫性用语,给出优先级评分(1 到 5)。高优先级潜在客户(评分 4 到 5)会立即向负责的销售发送 Slack 提醒。较低优先级的潜在客户则进入标准队列。AI 还会根据当前工作量加权的轮流机制,自动把潜在客户分配给销售。
第三层:自动跟进序列。 分配完成后,潜在客户会自动进入个性化的跟进序列。第一封邮件在提交后 15 分钟内发出,模板会填入潜在客户的姓名、公司,以及从咨询内容中提取的具体服务需求。如果 48 小时内没有回复,第二封跟进邮件会自动发出。第三封也是最后一封跟进邮件在第 5 天发出。序列中每封邮件的语气都不同:第一封亲切直接,第二封附上相关的案例研究链接,第三封是简短的问候。
我们遵循的设计原则
- •自动化机械性工作,保留人的部分。 AI 负责分配、评分和首次外联,但一旦潜在客户回复,对话就完全由人来进行。我们从不自动化双向对话。
- •确保可审计。 每个自动化操作都会带时间戳记录到 Notion CRM。老板可以清楚看到每个潜在客户发生了什么、何时发生以及原因。
- •设置紧急开关。 任何销售都可以随时暂停或覆盖任何潜在客户的自动序列。自动化应该是辅助,而不是束缚。
实施:从设计到上线只用两周
我们在两周内完成了系统部署,这让原本以为要花几个月的代理公司颇感意外。以下是原因:
第一周:基础设施与集成。 我们建立了统一的 Notion CRM 数据库,为网站表单和邮件解析配置了 API 连接,构建了 AI 评分模型(使用一个微调过的分类器,以他们 200 条标注了成交或流失的历史潜在客户进行训练),并制作了邮件模板。代理公司团队审阅并批准了模板,对语气做了小幅调整以符合他们的品牌风格。
第二周:测试与上线。 我们让系统以影子模式运行了三天:它处理真实的潜在客户并生成操作,但每个操作在执行前都由人审核批准。这发现了两个特殊情况:带有私人引荐的转介绍潜在客户(需要比标准模板更亲切的语气),以及现有客户询问新服务的咨询(应该分配给客户管理,而不是销售)。修正这些分配规则后,我们在第 10 天全面上线。
培训非常少。 整个团队只需要大约 30 分钟的培训。对销售来说,关键变化很简单:不必再到三个地方查看潜在客户,只需查看一个 Notion 仪表板;不必再从零开始写跟进邮件,只需关注自动序列,在潜在客户回复时接手。
成果:60 天的衡量结果
我们把上线后 60 天的结果,与自动化之前同样 60 天的数据进行对比。以下是具体数字:
回复率提升: 潜在客户回复率(定义为至少回复过一次外联的潜在客户比例)从 41% 提升到 55.4%,相对提升 35%。主要驱动因素是速度:潜在客户在 15 分钟内就收到相关的个性化首封邮件,而不是 11 小时。次要驱动因素是一致性:现在每个潜在客户都会收到三次接触,而以前很多潜在客户只收到一次(甚至一次都没有)。
节省时间: 团队合计每天节省约 4.2 小时。具体包括:取消手工筛选和分配节省 2.1 小时,模板化跟进邮件取代从零写作节省 1.4 小时,统一的管道可见性节省 0.7 小时(不必再查看三个独立平台)。这些时间直接回到了客户交付工作中。
收入影响: 在 60 天的衡量期内,代理公司比之前同期多成交了 7 单。他们认为这些成交直接归功于更快的跟进,否则这些潜在客户早就流失了。按他们的平均合同价值计算,一个只花两周搭建的系统带来了可观的新增收入。
没有改善的部分: 已互动潜在客户的成交率大致不变(之前 28%,之后 29%)。这很合理:自动化改善的是漏斗顶端(开启对话),而不是销售对话本身。这是一个诚实的局限:自动化能让您更快坐上谈判桌,但成交仍然需要人的能力。
经验总结:坦诚的心得
每个项目都让我们学到一些东西。以下是我们会保留和会调整的部分:
影子模式测试期必不可少。 上线前让自动化以审核模式运行三天,发现了我们没有预料到的分配问题。如果直接全面自动化,转介绍潜在客户和现有客户的咨询都会被错误处理。现在无论我们对设计多有信心,我都建议每个客户项目都采用影子模式。
在这个情境下,三次跟进是合适的次数。 我们最初设计了四封邮件的序列,但测试显示第四封邮件的回复率几乎为零,偶尔还会引来负面回复(“别再给我发邮件了”)。三次接触,分别在 15 分钟、48 小时和 5 天,对这家代理公司的受众(B2B 电商品牌老板)效果最好。您的最佳节奏可能因市场而异。
AI 评分的准确度不错,但并不完美。 潜在客户评分模型正确排定了约 85% 潜在客户的优先级。其余 15% 属于特殊情况,通常是留言太短而无法可靠分类的潜在客户(例如“Interested in your services. Let's talk.”)。我们的处理方式是把含糊的潜在客户默认设为中等优先级,而不是去猜。随着我们提供更多标注数据,模型也逐步改进。
最大的收获不是速度,而是一致性。 老板原以为速度提升会是主要好处。实际上,跟进的一致性更重要。自动化之前,有些潜在客户碰巧得到很好的对待,有些则被遗忘。自动化之后,每个潜在客户都获得同样专业、及时的体验。这种一致性赢得了代理公司转介绍伙伴的信任,他们注意到自己介绍的客户得到了更可靠的处理。
我们的方法:我们如何开展自动化项目
本案例研究体现了我们在多个客户项目中不断完善的方法。为保持透明,以下是我们遵循的框架:
第一步:以证据为基础的调研。 我们从不基于假设设计自动化。我们审查真实数据,包括时间戳、转化率和工时记录,找出真正的瓶颈所在。客户的直觉是有价值的起点,但在确定设计之前,我们会用数据加以验证。
第二步:以投资回报为先的设计。 我们优先自动化节省时间与实施投入比例最高的环节。在这个案例中,统一的潜在客户获取(第一层)占了 30% 的构建工作量,却带来了 50% 的时间节省。我们从杠杆最高的自动化开始,只有在基础得到验证后才逐步增加复杂度。
第三步:构建、测试、迭代。 影子模式测试、识别特殊情况和迭代优化,是我们流程中不可省略的部分。我们会在上线后 30 天和 60 天衡量成果,并根据真实的表现数据而不是假设来调整系统。
第四步:知识转移。 我们会记录每一条自动化规则、培训团队,并确保客户能够独立维护和调整系统。我们的目标是让日常运营不再需要我们:您应该能够自行修改模板、调整分配规则和暂停序列,而不必打电话给我们。
要点总结
- •首次响应速度是最大的杠杆:这家代理公司的数据证实,2 小时内联系的潜在客户,转化率是 24 小时后才联系的 3.1 倍。
- •一致性比完美更重要:一封覆盖每个潜在客户的优质自动跟进邮件,胜过只覆盖一半人的完美手工跟进。
- •自动化应该增强,而不是取代:我们把机械性的步骤(分配、首次外联、提醒)自动化,而人的步骤(对话、建立关系、成交)则完全保留手工处理。
- •专注的项目两周完成是现实的:范围蔓延是快速部署的敌人。我们专注于一个工作流程(潜在客户跟进),而不是试图自动化一切,因此很快就交付了可衡量的成果。
- •影子模式测试能发现设计遗漏的问题:上线前以审核模式运行自动化,多花 2 到 3 天总是值得的。
这与您的业务相关吗?
本案例研究描述的是与一家特定代理公司的具体合作。您的情况在潜在客户数量、团队规模、销售周期和工具方面都会有所不同。不过,背后的模式,也就是潜在客户来源分散、跟进不一致、管道状态不透明,是我们在大多数合作过的服务型企业中都会看到的。
如果您在自己的工作流程中看到了这些症状,本文介绍的诊断方法(审查响应时间、梳理手工步骤、找出杠杆最高的自动化目标)您完全可以自己动手,甚至在决定是否聘请自动化合作伙伴之前就可以开始。
如果您希望我们为您的业务进行类似的调研,我们提供结构化的审查服务,梳理您当前的工作流程,并找出投资回报潜力最高的具体自动化方案。无需任何承诺:无论之后是否选择与我们合作,审查本身都能为您提供可执行的洞察。
请发送邮件至 businessinquiries@iunami.com 或 预约通话,与我们讨论您的具体情况。


