课堂上真事:用 WorkBuddy 给学员的公司筛了一下午目标客户,导出名单 100 家。学员眼睛亮了——够发一个月的开发信。我把名单截成 20 家还给他:先看这 20 家。他不解。这篇文章就讲这个「反直觉」的现场决策:为什么 100 家的名单,业务员手上只该留 20 家——剩下的 80 家不是没用,是现在没用。

一、先说名单是怎么来的
WorkBuddy 在这件事里干的是「筛选+核实」的活:把目标市场的公司按条件过筛——行业对口、规模区间、有采购迹象——然后逐家做核实研究:官网业务、进口记录、采购线匹配。100 家是它一轮筛出来的量,每家都带核实结论。
注意,这 100 家都是过筛的——不是搜索引擎里那种泥沙俱下的结果。那为什么还要拦一道?因为「过筛的名单」和「能用的名单」中间还差三件事:客户画像的匹配、公司核实的深度、买家匹配的判断。这三件事,WorkBuddy 能做到 70 分,剩下 30 分恰恰是最值钱的部分——机器过筛解决的是「哪些值得看」,不解决「先看哪几家、用什么姿态看」。
二、业务员的触达带宽是多少
把「为什么是 20 家」算成账就明白了。
一个业务员对一家目标公司的认真触达是什么样:花 15 分钟读这家公司的业务结构和近期动态,写一封这家公司专属的开发信(不是模板改名字),发出后在 LinkedIn 上找到对应联系人做连接动作,过几天没回复再想一个跟进由头。一家公司走完这套,约半小时;20 家就是每天一小时出头——加上他还有询盘回复、老客户跟进、内部事务,一小时已经是合理上限。
100 家名单摆在面前会发生什么?业务员的第一反应是「省事」:开发信模板一改,群发。三个月后统计:回复集中在寥寥几家,其他九十几家石沉大海——不是买家不存在,是触达质量低到买家没有理由理你。名单越长,单家投入越薄,回复率越低,业务员越灰心——这是很多团队用 AI 筛客户后反而业绩下滑的真实路径。
所以 20 这个数不是拍脑袋,是「单家触达质量不掺水」前提下的带宽上限。你的业务员手速快、时间多,可以到 30;带着三个老客户要维护的,可能 15 就饱和了。名单长度要跟着触达带宽走,不是跟着 AI 的产出能力走——AI 一天能筛一千家,你依然只该看 20 家。
三、100 家名单的正确用法:不是库存,是梯队
那剩下的 80 家扔掉吗?不。名单的正确组织方式是梯队:
第一梯队 20 家:画像匹配度最高、核实证据最实的,进入业务员的本周触达循环。第二梯队 30 家:条件合格但某个维度存疑(比如采购量级偏小、或者产品线只有部分对口),放观察池——第一梯队有出结果转化的,从二梯队补位。第三梯队 50 家:过筛但匹配度一般,存档待条件变化(比如你扩了产品线、或者对方市场行情变了,三梯队里可能有公司升级)。
梯队结构的价值:它让名单从「库存」变成「流水」。业务员永远只面对 20 家的当下任务,不会有 100 家压顶的焦虑;而公司层面的客户储备始终在百家的量级滚动。很多团队的名单是一坨平铺的 Excel,业务员每次打开都面对全量—— overwhelm(压垮)就是这么来的。
四、画像匹配:20 家怎么挑出来的
从 100 家里挑 20 家的标准,就是客户画像。画像三问:
第一问,他买不买你这类东西——产品线对口度。他主营品类跟你的产品重合度多少,重合度低于一半的先放二梯队。第二问,他的量级你接不接得住——他年采购量是不是在你舒适区间。量级远超你产能的,暂时别碰(谈了也供不上,反而砸口碑);量级太小的,性价比不高。第三问,他现在疼不疼——有没有换供应商、扩品类、找新供应来源的迹象。有「疼点」的公司,开发信的回复率天然高一截。
这三问里,第一问 WorkBuddy 在筛的时候已经做了大半,第二问看核实数据,第三问需要动态信息(新闻、招聘、高管变动)。挑 20 家的过程就是这三问排队:对口度×量级匹配×当下需求,三维都过的先进第一梯队。这个过程业务员要亲自做——因为挑的过程就是他熟悉市场的过程,跳过这步直接拿名单去发信,等于放弃了名单里最有营养的部分。
五、买家匹配的最后一关:人的判断
挑出 20 家后还有一道人工关:这家的「气质」跟你们公司合不合。同一梯队的两家批发商,数据上一模一样,但一家网站透着「家族生意、求稳」,一家是「快速扩张、冲量」——前者的开发信要谈稳定和质量体系,后者的开发信要谈弹性和价格。这种「气质」判断,AI 目前给不了满分答案(能辅助,别全信),恰恰是业务员的核心价值所在。
我们的建议:20 家里,业务员至少把前 5 家的官网和社媒自己完整看一遍,形成自己的手感;后面的可以靠 WorkBuddy 的研究摘要加自己的快速浏览。前 5 家的深度阅读不是浪费时间,是校准业务员对整个市场的「手感」——手感准了,后面 15 家的判断才快。
六、防止两个极端
用上梯队制之后,要防两个极端:
极端一:永远 20 家不滚动。第一梯队打完一轮没结果,就僵在原地。定一个轮换规则:单家跟进满三轮(约一个月)无任何回应的,降到三梯队,从二梯队补位上来。名单要流动,僵住的名单三个月后就是废纸。极端二:疯狂滚动。业务员图新鲜,每两周就想把梯队整个换血——触达是有周期的,很多 B2B 采购决策从接触到回复本来就是一两个月的事,频繁换血等于每次都在客户快想起来的时候放弃他。一个月一轮的节奏,多数行业是合适的锚点。
七、把这套方法沉淀成岗位规则
最后一步,把「100→20」的筛选逻辑写成规则存下来——下一次 WorkBuddy 再筛出 100 家,梯队划分就可以半自动做:
规则的写法就是把第四节的画像三问翻译成可执行的条款:「产品线重合度≥50% 进一梯队候选;年采购量低于 X 或高于 Y 的进二梯队;近 6 个月有换供迹象的直接加 10 分。」写好之后,WorkBuddy 下一轮的名单可以直接按规则预分梯队,业务员只做边界情况的裁决和「气质」判断。筛选标准从「老师脑子里的经验」变成「公司资产里的规则」,这是客户开发能力从个人水平变成团队水平的那道门。
顺带说一句:将来要上 ChatGPT Dot 这类常驻智能体做持续客户研究时(官方口径它从你的资料里学工作方式),这份现成的规则就是它的岗位说明书——AI 员工上岗的第一天就能按公司的规矩干活,而不是从头摸索。
八、一个月后怎么复盘这套名单
名单跑了一个月,复盘看四个数:
触达完成率——20 家里多少家完成了完整触达(不是发了信就算,是走完那半小时的动作)。回复分布——回复的家数,以及回复的是哪一梯队特征的公司(回复集中在某类特征,说明画像要往那类倾斜)。梯队流转数——这一个月里降级和补位各发生多少(流转为零说明名单僵了,流转太频繁说明筛选标准飘了)。单家平均投入时间——如果业务员实际花的时间远低于半小时,说明触达在偷工,名单的有效性要打折看。
四个数每月看一次,三个月就能把「20 家」校准成你们公司真实的带宽数。到那时你就不需要拦着业务员了——他们自己知道该拿多少。
九、常见问题
WorkBuddy 筛出来的名单可靠吗
可靠的前提是你给的筛选条件靠谱。同样的工具,条件写得细(行业编码、规模区间、区域、采购迹象),出来的名单质量就高;条件只写「找美国买家」,出来的就是搜索引擎水平的泥沙。工具放大的是输入的质量——所以用 AI 筛客户之前,先花半小时把筛选条件跟业务骨干对清楚,这一小时的投资回报比最高。
20 家是不是太少了,大公司跑量怎么办
大公司多业务员,把「20」按人头放大——8 个业务员的公司第一梯队 160 家,每个业务员还是 20 家。要害不在总量在人均:人均触达质量不掺水,是这套方法不可谈判的底线。想扩总量,加人或提效,别往单个人头上堆。
二三梯队的名单要维护吗
二梯队每月花一小时扫一遍动态(有没有换供、扩品类);三梯队完全不用管,条件变了(比如你们新增产品线)再激活重筛。维护成本要跟梯队价值成正比——三梯队的价值是「存在」,不是「保鲜」。
AI 能不能替业务员做前 5 家的深度阅读
能读(摘要、要点提取都很强),不能替你「形成手感」。AI 的摘要给的是信息,手感是业务员跟市场之间的直觉——这个东西只能自己读出来。所以我们的建议永远是前 5 家亲手读:这是整套方法里唯一不能外包的环节,也是最划算的投资。
想聊你自己的具体业务场景,联系大宗师网络(外贸社媒训练营):微信 Dazongshi98。
Dazongshi98
本篇常见问题
WorkBuddy筛出来的名单可靠吗?
可靠的前提是你给的筛选条件靠谱。同样的工具,条件写得细(行业编码、规模区间、区域、采购迹象),出来的名单质量就高;条件只写「找美国买家」,出来的就是搜索引擎水平的泥沙。
20家是不是太少了,大公司跑量怎么办?
大公司多业务员,把「20」按人头放大——8个业务员的公司第一梯队160家,每个业务员还是20家。要害不在总量在人均:人均触达质量不掺水,是这套方法不可谈判的底线。
二三梯队的名单要维护吗?
二梯队每月花一小时扫一遍动态(有没有换供、扩品类);三梯队完全不用管,条件变了(比如你们新增产品线)再激活重筛。维护成本要跟梯队价值成正比——三梯队的价值是「存在」,不是「保鲜」。
AI能不能替业务员做前5家的深度阅读?
能读(摘要、要点提取都很强),不能替你「形成手感」。AI的摘要给的是信息,手感是业务员跟市场之间的直觉——这个东西只能自己读出来。