企业 AI 落地 ②|销售最贵的成本不是人力,是

BLACK CROW / SERIES ◎

ISSUE 82 / 企业 AI 落地 ② / BLACK CROW NIGHT TALK

等不起

企业 AI 落地 ②｜销售最贵的成本不是人力，是等

黑鸦夜谈 / 企业 AI 落地 / ②

一家做工业设备的企业，销售在周一下午收到客户的询价邮件。邮件里列了七项参数、两种配置、一个交付期要求。

这封邮件之后发生的事情，是这样的：销售先看客户要什么，从邮件正文和附件里把七项参数抄到表格里；然后去问技术部这个配置能不能做，等回复；拿到能做之后，去查这款产品今年的价格政策，那份政策在销售总监的电脑里，是一个带密码的 Excel；再查这个客户以前买过什么、给过什么折扣，翻 CRM；最后把物料成本从采购部月初发的表里找出来，算毛利。

周三上午，报价单发出去了。四十八小时。

客户那边呢？同一时间问了四家。周三早上已经有一家把报价发过去了。

这件事的荒谬之处在于：这家企业的销售并不懒，他们两天里一直在干活。他们的时间全花在了搬数据上——把同一个东西从邮件搬到表格、从 Excel 搬到 CRM、从采购表搬到报价单。而这些数据本来就存在，只是散在四五个地方，没有一处能一次问清楚。

沃斯戴今年早些时候做过一个测算，说企业自报的时间节省里，有两成到四成会被返工吃掉。销售这个岗位的浪费还要更靠前一点：活还没开始干，时间已经过去一半了。

这一年我看到的最能说明问题的一个数字，来自一家做售前方案服务的公司。他们帮一家制造企业把售前这条线串起来之后，响应时间砍掉一半，报价错误率从 8% 降到 2% 以内。另一家制造业客户的数更极端：报价周转从 48 小时压到 10 分钟，整体利润率提了 6 个百分点。

提 6 个百分点这个数值得停一下。省下的不只是几个人工的钱，定价能力本身变了——因为能算得清，所以敢报得准。

图 / FOUR BREAKS

一份报价要过四道，只有最后一道需要模型

销售这个岗位的成本，财务上看是工资加提成。真实成本还要加一项：客户在等的时候，单子正在往别人手里滑。

这个「等」出现在销售流程的每一个接口上。等报价、等方案、等合同评审、等交期确认、等技术支持回复。每一个接口都是一次跨部门的往返，每一次往返都要有人去催。

把这条线上的等待拆开，会看到四个断点，它们的性质完全不一样。

第一个断点，客户要什么。它散在邮件正文、附件、微信聊天记录、电话里说的那句话。这一段的难点是解析——客户不会按你的字段填表，他会写「跟上次那批差不多，但要多两个接口」。

第二个断点，我们能给什么价。它散在价格政策表、区域授权表、以及销售总监脑子里那些「这种情况可以再让两个点」的判断里。这一段的难点是权限：谁能批多少折扣，这件事在很多企业里从来没有被写成文件。

第三个断点，这个客户以前是什么情况。它在 CRM 里。理论上这是最规范的一段，实际上它是最不可靠的一段，因为 CRM 里的数据是靠销售手工填的，而销售没有理由认真填。

第四个断点，这批货的成本是多少。它在采购和生产的系统里，而且往往滞后——月初的成本表和月底实际发生的成本能差一截。

前三个断点是数据问题，第四个是数据加口径问题。四个断点里，只有最后一个真正需要模型来判断「这个价格能不能接受」。前三个，模型只需要会抄、会对、会查。

这就是为什么绝大多数销售侧的 AI 项目做不出效果：它们从第四个断点开始做，做出来一个能给出「建议报价」的东西，然后发现前端的数据根本没有对齐，建议的基础是错的。

换一个顺序，从第一个断点开始，效果会完全不同。有一家做 B2B 软件的公司，客单价二十万上下，销售周期三到六个月。他们最早做的是线索打分，报价一直排在后头——把官网浏览时长、白皮书下载、试用版活跃度这些行为数据接起来自动打分，八十五分以上自动派给资深销售并提示「客户刚看了价格页，建议一小时内致电」，六十分以下进公海由机器先养着。

改完之后，线索转化率提了三成以上。更要紧的是另一件事：以前市场部把线索全丢给销售，销售打一圈电话发现八成是无效的，士气很受影响。现在不打了。

图 / THE QUOTE

四十八小时压到十分钟，多出来的是六个点的利润

还有一家制造业企业，把外贸订单的录入从人工改成自动抓取加字段解析，订单录入效率提了 80% 以上，人工误差基本消失，交期反馈从按天算变成实时。销售录入的时间从每天一个半小时降到十二分钟。

十二分钟这个数字，和「效率提升 86%」是同一件事，但后者听起来像 KPI，前者听起来像一个人终于有时间去跑客户了。

图 / THE FOUR NUMBERS

四个数，实施前后

把销售这件事放回那张五层的图上看，它落在哪一层，答案有点出人意料。

大部分人会把它放在最上面那层——场景与岗位。这没错，但没用。真正决定这一层能不能立住的，是底下两层：系统与数据、知识与检索。

第一个断点和第二个断点，本质上是同一件事：企业的定价知识没有被结构化。价格政策是一张 Excel，区域授权是另一张，特批记录在邮件里，销售总监的经验在他脑子里。这四样东西合起来才是「我们能给什么价」，但它们从来没有被放在一起过。

所以这一段要做的，是把定价规则从人脑和散落的表格里搬到一处，并且写清楚三件事：什么情况下可以自动算、什么情况下必须问人、什么情况下这个人也没有权限。

这三件事写清楚之后，报价才有可能自动化。写不清楚，就只能做一个「帮你打个草稿、你自己核」的工具——那也有用，但它省的是打字时间，不是等待时间。

第三个断点看起来是 CRM 的问题，往深一层是主数据的问题。同一家客户在 CRM 里可能有三条记录，因为三个销售各自建过。这件事不解决，任何基于客户历史的判断都是错的。

第四个断点更麻烦，因为它涉及口径：报价时用的成本是标准成本还是实际成本？含不含运费？汇率按哪一天的？这几件事在不同部门有不同答案。这是我在很多企业里见到的、最容易被跳过的一步——大家都急着做模型，没人愿意先把「成本」这个词定义清楚。

至于那个真正需要模型的地方——这个客户该不该让价、让多少——它在四个断点都通了之后才成立。而且它成立的方式也不是「模型给出一个价格」，是「模型给出三个可选的让价方案，附带每个方案对毛利的影响，由人来挑」。

图 / THE LOW YIELD

八成线索是无效的，所以销售讨厌打电话

有一家 SaaS 公司的做法值得抄。他们没有去做报价，去做续费预警。分析了过去五年的客户日志之后发现一个规律：客户签约后第三个月，如果登录次数低于五次、且没有联系过客服，半年后流失的概率高达九成。

这个规律本身不稀奇，稀奇的是它能被写成一条规则，然后自动触发：一旦命中，系统给客户成功经理发红色预警，同时生成一套激活话术。

这件事的价值不在于模型多聪明，在于它把一个「老销售凭感觉知道但说不清」的判断，变成了一个可以自动执行的条件。

这也是这个行业里 AI 最实在的用法：把老师傅的直觉翻译成条件语句，然后让它自动跑。

图 / THE CHURN RULE

第三个月、五次登录、九成流失

销售侧的落地，我的建议是三期，顺序不能换。

第一期，四到六周，只做报价这一条线。目标是把常规询价的报价从「人工算」变成「系统算、人来核」。所谓常规，指的是这类询价在过去十二个月里出现过五次以上的。超纲的、非标的、金额特别大的，一律转人工，不进自动化。

这一期的验收只看两个数：报价响应时长，以及报价差错率。不要看「节省了多少人力」，那个数在这一期一定不好看，因为人还在核。

第一周不用写代码，做一件更笨的事：把过去十二个月的报价单全部捞出来，按产品、客户类型、金额分成若干组，数每组出现了多少次。你会发现一个很典型的分布——大约几十种组合吃掉了八成的单量，剩下的长尾一年只出现一两次。能自动化的就是前面那几十种，后面那截别碰，碰了就是给自己找麻烦。

接下来要定一件很少被写进方案的事：那张定价规则表由谁维护。

这件事不能交给 IT。IT 能建表，但不知道「这个客户去年闹过一次，所以这个价不能给他」这种只有业务才知道的东西。也不能交给销售总监一个人，因为他一忙就会拖着不改，半年后表里全是过期的数——机器照着过期的数报价，比人工慢报还危险。

比较靠得住的做法是三方各管一段：业务定规则内容，IT 管表和发布，财务每月核一次毛利底线。再加一条硬规定——任何一次特批，必须当天回写到表里。特批不回写，等于每一天都在给系统喂一个错的价。

第二期，两到三个月，往两头延伸。往前接询盘解析——客户发来的邮件、微信、甚至手写照片，能不能自动提取出关键参数；往后接合同初审——把客户发来的合同和公司标准条款逐条比对，把偏离的地方高亮出来。有企业做完这一段，合同初审效率提了三倍。

这一段在国内和国外的难度不一样，值得说清楚。

国外客户的询盘基本走邮件，格式规矩，参数写在正文里，解析的活主要是把文字抽成字段。国内的询盘一大半在微信上，形态是几张照片加一句话——一张是手写的规格单，一张是竞品截图，那句「跟上次那个差不多，你看着报」里藏着的其实是上次那个型号。这种询盘机器能做的只有一半：先把图片里的字认出来、把「上次那个」指向哪一单查出来，剩下的判断还得人接。

所以在国内做第二期，指标不要定成「自动解析率」，定成「人工确认前需要补问客户几次」。这个数从平均三次降到一次，销售就已经明显轻了。

第三期，三到六个月，把销售录入这件事交给系统。目标要写成「让 CRM 里的数据自己长出来」，「让销售填得更快」放在次要位置。这一期做成了，前面所有的判断才有原料。

验收看三个数：报价响应时长、报价差错率、每个销售每周填表花多少时间。三个数里我最看重第三个，因为它决定这件事能不能持续——销售一旦觉得这个系统是来帮他省时间的，他就会愿意用；一旦觉得是来管他的，他就会绕过去。

三期由谁牵头，我的看法是业务侧，不是 IT。IT 在这件事里的角色是把表建起来、把接口打通，但规则内容、什么情况该转人工、验收数怎么算，都得由管销售的人拍。牵头人最好是一个带过队伍、自己亲手报过价的人——他听得懂销售抱怨什么，也压得住业务部门改规则。这个人在项目里的时间投入，每周不能少于两天，兼职挂名的结果通常是做完没人用。

还有一条容易被忽略：每一期上线之后，要把旧做法关掉。很多企业的做法是新系统上线、旧流程照走，两条路并行三个月，最后并行的结果是大家挑省事的那条走。第一期上线那天，人工报价的表格就该归档，特批的口子留一个，但要留痕。

图 / THREE PHASES

三期，顺序不能换

第一个坑，报价一错就是钱。这条线必须有一个人按下去才发得出去，不能让模型直接发给客户。生成式模型有一个很危险的习惯：它会把不确定的东西说得和确定的一样。一份写着「含三年质保」而实际不含的报价，赔的钱比省下的人工多得多。

第二个坑，折扣授权表必须先数字化。很多企业的折扣权限是「销售总监说了算」，没有一个可执行的边界。这种情况下做自动化，等于让模型替你拍板一个连你自己都没定过的事。正确顺序是：先把「谁能批多少」写成一张表，再做系统。

关于口径，说一个具体的例子。一批货的标准成本是按季度核定的，实际成本因为原材料涨了一轮，比标准高了百分之七。销售拿着系统算出来的价去报，报完才发现这一单毛利是负的。这事怪不到系统头上——它忠实地用了那张过期的标准成本表，算得很对，只是对得没有意义。所以第一期上线之前，必须先定死一条规则：报价时以哪张表为准、多久更新一次、谁签字才算更新。这条定不下来就先别上，上了等于把一颗雷埋进报价流程里，什么时候踩上取决于原材料什么时候涨。

第三个坑，客户画像别一上来就做。这是最常见的顺序错误——企业花三个月做一个漂亮的客户画像，做完发现没人看。因为画像解决的是「我该找谁」，而销售眼下更痛的是「我已经找到的人，怎么快点给出方案」。先解决急的。

第四个坑在国内特别明显：CRM 里的数据状态。国外的销售流程基本跑在 CRM 里，字段相对完整，可以直接拿来训练打分模型。国内很多企业的 CRM 是一个「上级要看」的表，销售在上面填的东西和他自己实际的跟进记录是两套。这种情况下，先花两周把客户主数据清一遍——去重、补全、把「杭州某某机械有限公司」和「某某机械（杭州）」合成一条——比买什么模型都管用。

图 / TWO CRMs

同样是 CRM，两边的数据状态不一样

还有一件事值得单独说：销售对这个东西的抵触。

抵触的根源很少是怕被替代，多半是怕多一个要填的表。所以第一版一定要让他感觉到好处，最好是一眼能看见的好处——比如系统推过来的线索，成交率明显比他盲打高。有一家企业的老销售是这么转过弯来的：三个月之后他发现，系统推的线索成交率比自己找的高出一倍，于是开始主动要求多分几条。

技术上的表达是「先做增益，后做管控」。先给他一个能多赚钱的东西，再谈数据要填规范。

三个验收数，实施前后各是多少，我整理成一张表放在下面。这张表更适合拿去和自己公司对一遍，别拿它去汇报——如果你的数比这里差很多，说明还有空间；如果你的数比这里好，那你要解决的问题可能在别处。

图 / WHAT TO WATCH

三个验收数，最该看的是第三个