如何构建一个像你最好的销售代表一样思考的 AI 客户资格筛选器
来源: Stage 2 Capital
发布时间: 2026-04-25T13:03:17+00:00
大多数目标客户列表（target account lists）的构建方式都是相同的：从 ZoomInfo 导出，按企业特征（firmographics）过滤，然后分配给您的销售代表。该列表看起来似乎无懈可击，但它可能缺少符合您理想客户画像（ICP）的最有用的信号。
问题不在于数据提供商。问题在于，真正决定是否契合的标准——那些你最优秀的销售代表多年来一直在悄悄应用的标准——根本就没有进入到列表的筛选逻辑中。它存在于某个人的脑海里。过滤器无法捕捉它。在你把它写下来之前，你无法针对它进行培训，无法扩大它的规模，也无法要求 AI 来帮忙。
以下是构建一个客户列表的流程，该列表捕捉了真实的判断力，而不仅仅是电子表格逻辑。
第 1 步：承认你的过滤器做不到的事情
首先从 ZoomInfo、Sales Nav 或你使用的任何数据提供商那里提取初始列表。根据你所知的重要企业特征进行过滤——规模、行业、地理位置。这为你提供了一个工作范围。
然后诚实地审视它。列表中有些公司不属于那里，也有一些本该在那里的公司却遗漏了。这不是工具的失败——这是过滤器的天花板。行业分类不能整齐地映射到你的 ICP。收入范围不能告诉你任何关于购买行为的信息。原始列表是一个起点，而不是一个判断。
这项技能将带你端到端地完成整个流程。如果你想先测试每个部分，我们在沿途包含了供你尝试的提示词（prompts）。
在 Claude 中尝试的提示词：“这是我目前的 ICP 标准：[粘贴你的企业特征过滤器]。有哪些类型的公司可能会通过这些过滤器，但仍然是一个不合适的对象？哪些类型的公司可能无法通过这些过滤器，但仍然值得锁定目标？请解释你对每个选项的推理。”
这是一个有用的直觉检查。它开始浮现出你已经在非正式应用的标准——那些从未进入你过滤器设置的标准。
第 2 步：观察你最好的销售代表——并记录你所看到的
这是最重要的一步，也是最常被跳过的一步。
MedScout 的团队很早就弄清楚了这一点。Brian Aoyama 和 Mallory Blocker 把他们整个团队带进一个房间，从 CRM 中抓取了几个客户，将他们最好的一位客户执行官（AE）连接到投影仪上，在 Fathom 上点击录制，然后要求他大声且实时地演示评估客户的流程。团队观察了他打开了哪些标签页，注意到他在哪里停留，并关注是什么让他说“这个很有趣”而“这个不适合我们”。
他们写下了他们观察到的内容。然后他们拿回去问他：我们遗漏了什么？ 第一遍总会遗漏那些出于本能的东西。那次对话浮现出了他多年来一直在应用却从未有意识去思考的标准。
一旦你有了这样一次会议的录音，就把逐字稿输入给 Claude：
尝试的提示词：“这是一份销售代表评估客户流程的逐字稿。提取出他们应用的标准、他们寻找的信号，以及任何他们非常看重但没有明确说出来的东西。标记出任何不确定或未解决问题的领域。构建它的结构，以便我们可以把它带回给销售代表确认并填补缺失的内容。”
这一步的输出是你最优秀的人实际如何评估客户的第一份书面草稿——不是自上而下发明的，而是从真实行为中捕捉的。这值得构建，原因有两个：培训新代表，以及最终作为 AI 帮助大规模评估客户资格的基础。
第 3 步：通过相同的视角审视你最好和最差的客户
找出至少三个最适合你的客户和三个最不适合或已流失的客户。对于每一个，问一下：是什么使这是一个好的或坏的契合点？在交易达成之前，我们知道了什么——或者本来可以知道什么？
你要寻找的是表面模式之下的深层特征。不仅仅是“他们是一家小公司”，而是为什么这很重要。是因为预算限制吗？决策过程？风险承受能力？“小公司”是一个数据点。“在他们视为非核心的类别中风险偏好低”是一个特征。
在 Claude 中尝试的提示词：“这是我们最合适的三个客户：[名称 + 每个客户 2-3 句话的描述 – 是什么使他们成为好的或坏的契合点，交易是如何进行的，任何你希望早点知道或询问的事情]。这里有三个流失或不合适的客户：[同上]。根据我分享的内容，什么特征似乎能区分这两组？你会问我什么问题来强化这种区分？”
分轮进行——一个好的，一个坏的，然后是另一对，再来一对。每一轮都在调整镜头。你最终会得到一组基于你实际客户历史的真实模式，而不是你关于谁应该是一个合适对象的假设。
第 4 步：将模式转化为特征，将特征转化为信号
现在你有一份好和坏的模式列表。下一步是升级：这些模式指向的潜在特征是什么？
特征类似于“对创新的开放态度”或“组织稳定性”——不是单一的数据点，而是一个关系到该客户是否会在你的产品上取得成功的属性。一个特征可能有多个信号。你在这里的工作是具体化：对于每一个特征，什么能切实告诉你它的存在？
在 Claude 中尝试的提示词：“这是我们在最好和最差的客户中识别出的模式：[列表]。帮我把这些归类为 4-6 个基本特征。对于每个特征，建议 2-3 个可观察的信号，以表明它的存在或缺失。”
这就是模糊的直觉变成你可以实际操作的东西——并最终成为你可以移交的东西的地方。
第 5 步：将每个信号映射到你何时以及如何找到它
对于每个信号，你需要回答两个问题：你能在对话前通过由外向内的研究找到它的证据吗？还是它只会在销售过程本身中浮现？
这很重要，因为它塑造了你构建列表的逻辑和你的资格筛选工作流程。有些信号是可以通过研究获得的——招聘信息、LinkedIn、新闻、公司的网站。其他信号只在探索阶段（discovery）出现。两者都很有用，但在你可以围绕它们建立一个可重复的流程之前，你需要知道哪个是哪个。
在 Claude 中尝试的提示词：“这是我们的资格筛选信号：[列表]。对于每一个信号，帮我确定：(1) 这是可以通过由外向内的研究找到的，还是只能通过直接对话找到的，(2) 你会具体去哪里寻找它，以及 (3) 对于每个信号，‘好’和‘令人担忧’的样子分别是什么。”
输出的是你的资格筛选量规（rubric）：一份结构化的文件，新代表可以遵循它，或者 Claude 可以使用它来对大量客户进行研究和预先筛选。
准备好尝试一下了吗？
在此下载技能（skill）。它引导你完成该过程，以生成为你企业量身定制的客户资格筛选量规。
好的标准是什么
一份完成的量规有 4-6 个特征，每个特征有 2-3 个信号。对于每个信号，你知道：它是什么，为什么它对你的业务很重要，好的表现是什么与令人担忧的表现是什么，以及去哪里找到它。它足够具体，以至于两个不同的人在审查同一个客户时会得出相同的结论。
Brian 和 Mallory 在 MedScout 使用的实用测试：新代表能否像你最好的代表一样，使用这个量规来评估客户？如果能，你就完成了。如果不能，继续迭代。
注意事项 (Watch-outs)
第一遍会感觉不完整。这很正常——观察步骤和最好/最差客户分析的目标是迭代，而不是在第一轮就达到完美。不要试图在一次会议中建立权威的量规。
也不要让量规演变成一个非黑即白的清单（yes/no checklist）。价值在于带有推理的记录在案的判断，而不是一个二元的得分。你希望能够为为什么一个信号很重要以及你在寻找什么进行辩护——而不仅仅是一个框是否被勾选。
要点总结
仅基于过滤器的目标客户列表只是一个起点。让它变成你的团队真正信任的东西，是它背后的推理——既包括你的 ICP 指南，也包括你最好的代表本能地应用的那些标准，并将其记录得足够清晰以至于任何人都可以遵循。
这种文档本身的构建就很有价值：它训练新代表，统一团队的认识，并创造了一个“优秀应该是什么样”的共享标准。一旦它存在，它就成为了 Claude 帮忙的基础——不是取代你的判断，而是根据你已经定义的标准进行繁重的研究工作。
特别感谢 MedScout 的增长与应用 AI 副总裁 Brian Aoyama 和增长营销主管 Mallory Blocker 分享他们的流程以及背后得来不易的经验教训。
