先说一个很常见的场面。
你收藏夹里躺着三家客户的官网，开发信还是只写了句 Hello
先说一个很常见的场面。
业务员拿到一个客户，官网打开、海关数据打开、领英打开，三个标签页并排躺着。看得也认真，公司简介念得出来，采购记录翻得到，职位也对得上。可真到要写开发信的时候，屏幕上还是那句 Hello, we are a professional manufacturer of……
问题出在哪？不缺资料。缺的是从资料到判断的那一步。
我以前写过，外贸客户背调最常用的工具是海关数据，通过它可以知道该客户是否是真实的买家、之前从中国采购的量、主要跟哪个同行采购，甚至能了解到之前的采购价格。 这些都是事实层面的东西。事实查得再全，也不会自己变成一句话。
打个比方，就像看医生。你去做了一堆检查，验血、CT、心电图，报告单上全是数据。可你要的不是报告单，是医生看完之后说的那句「你这个指标偏高，先把这个改了，两周后复查」。
报告单不等于诊断。
官网、海关、领英，就是那几张检查报告。业务员现在的困境是，报告单攒了一摞，没人给诊断结论。于是只能把报告单复印一份寄给客户，还指望客户自己看懂。
社交网络这一块更难。我 2022 年就写过，社交网络受隐私保护的影响很大，很多数据都不好精准查询了，只能自己根据查询结果手动筛查自己要找的东西。 也就是说，就算你肯花时间，很多格子本来就是空的。
所以，背调卡住的从来不是信息获取，是信息到判断之间那一步没人替你走。你缺的不是第四个数据源，是一句能写进开发信的话。
别让 AI 替你查，让它替你下判断：提示词里必须写死的那几个格子
那这一步能不能交给 AI？
能，但大部分人用错了方向。
最常见的用法是丢一句「帮我分析这个客户」，然后把官网、海关、领英的内容粘进去。AI 回你一大段东西，读起来挺像回事，仔细一看，是公司简介的翻译加扩写。
为什么会出现这种情况呢？因为你的提示词里没有给它判断维度，它只能默认走摘要模式。摘要模式的本质是压缩，不是判断。
AIGC 这个概念我 2023 年解释过，它是 AI 直接生产内容的技术形式，随着深度学习技术的快速突破以及数字内容的海量增长，打破了预定义规则的局限性。 注意「打破预定义规则的局限性」这句话，反过来说，你不给它规则，它就自己找一套最省事的规则，也就是复述。
所以提示词要写死的不是「分析这个客户」，而是输出的那几个格子。我建议固定成四格：
决策人角色。不是「采购部」这种部门级答案，是具体到哪个人、什么职位、在这家公司待了多久。
他背的 KPI。采购经理的 KPI 和 CEO 的 KPI 完全不是一回事。前者可能是交期稳定、供应商数量精简、年度降本；后者可能是市场份额、现金流、新市场开拓。
可能的个人动机。这一格最容易被忽略，也最值钱。一个人刚上任，和一个位置坐了五年的人，关注点天然不同。刚上任的要立威、要做出可见的改变；坐久了的要稳、要不担责任。
一句切入话术。前面三格推完，落到一句可以直接当开发信第一句话的表述。
同一个客户，同一批资料，只加这四个格子，输出就完全不一样。前者给你「该公司成立于 1998 年，主营五金工具」；后者给你「采购经理，KPI 是交期稳定和供应商数量精简，动机可能是去年被上一家供应商拖过交期」。
后者才能直接改成开发信第一句。
所以，AI 默认输出的是资料复述，因为你的提示词里没有给它判断维度。把输出结构定死，它才会从摘要模式切到判断模式。
拍板人不是查出来的，是从采购记录和职位变动里推出来的
那这几个格子里的内容，具体从哪儿来？
两条线。
第一条是海关数据。它能告诉你这家公司在买什么、从谁买、买多少、什么价位、淡旺季在什么时候。 这是行为线，是已经发生过的事实。
第二条是领英。它能告诉你谁在这个位置上、待了多久、之前在哪家公司。这是人的线。
单看任何一条，你都只能得到事实。两条交叉，才出判断。
什么意思呢？海关数据显示一家客户近两年换了三家供应商，这本身是中性信息，可能是这家公司压价压得狠，也可能是它一直在找更合适的。领英显示采购负责人半年前刚换人，这本身也是中性信息，新人上任很正常。
可这两条放在一起，指向就变了：新官上任，正在重新评估供应商体系。这才是切入时机。老供应商还没坐稳，新负责人需要拿出成绩，你这个时候带着一个明确的差异点进去，成功率跟平时不是一个量级。
反过来也一样。海关数据显示这家公司五年只从一家供应商采购，领英显示采购负责人位置很稳，那你要做的判断就是：这不是一个靠开发信能撬动的客户，要么放弃，要么换个角度，比如从对方不采购的品类、或者从对方下游的痛点切。
我 2023 年整理过一个工具的功能清单，里面有一条是采购决策人分析，通过数据分析识别并定位关键的采购决策人。 这个说法听起来很技术，拆开就是上面这个动作：用行为数据加人的数据，推出谁在拍板。
所以，海关数据告诉你「这家公司在买什么」，领英告诉你「谁在这个位置上」，两条线交叉才能推出「谁拍板、他刚上任还是要稳」。单看任何一条都只能得到事实，得不到判断。
AI 给你的是一张假设清单，不是事实清单
讲到这儿必须泼一盆冷水。
AI 生成的决策人画像，本质是基于公开信息的合理推测。注意是推测，不是事实。
最危险的地方不是它推错，是它推得不够错，它会把通用话术包装得很像洞察。开发信里写「注意到贵司近期在拓展欧洲市场」，读起来很懂客户，实际上客户欧洲业务做了八年了。这条「洞察」可能是 AI 从一条招聘信息里推出来的，没有人工核实就发出去了，效果是告诉客户：我根本没了解过你。
这一点我 2024 年写 AI 内容的时候提过，用 AI 生成内容要确保符合 E-E-A-T 标准。 这个标准里的 E 是 Experience，真实经历。AI 给不了真实经历，只能给推测，所以核实这一步必须由人来补。
边界也要说清楚。
有官网、有可查海关记录、有领英可查的 B2B 客户，AI 画像基本能用，因为它的推测有原料。完全查不到公开信息的小微买家，AI 只能给假设，必须靠人工验证。决策链高度依赖线下关系的市场，比如某些地区的中小买家，公开信息本来就少，AI 的推测价值有限。
还有一条实操建议：给 AI 的每一格输出，都让它标注「依据是什么」。哪一条是从海关数据来的，哪一条是从领英职位变动推的，哪一条是纯猜测。业务员看到纯猜测那一格，就知道这句不能直接写进开发信。
所以，AI 画像只能当假设清单用，不能当事实清单用。业务员不核实直接写进开发信，等于告诉客户「我根本没了解过你」。
从画像卡到开发信：让 AI 接着把「他在意什么」翻译成「我该说什么」
画像卡做出来了，最后一公里是把「他在意什么」翻译成「我该说什么」。
这一步的差别，不在 AI，在你喂了什么。
只给背调资料，AI 写出来的开发信是泛泛的「我们产品质量好价格优」。这个结果不是 AI 不行，是它手上只有客户的信息，没有你的信息，它没法做匹配。
把企业自己的东西一起喂进去，产品册、认证、独立站内容、历史开单的场景，AI 才找得到业务结合点。 比如写出来的是「针对你上次从越南供应商那里遇到的交期问题，我们有一条产线专做……」
这才是千人千面的真实含义。千人千面不是换几个称呼、换几种语气，是每一封信里那个「对上」的点不一样。对上的是决策人的 KPI，不是客户的行业。
我们产品资料里有一个词叫企业 DNA，指的就是 AI 预先吸收产品册、认证、独立站及老开单数据这一套。 这个说法有点玄，说白了就是：客户信息是一半，你自己是谁是另一半，两半合起来才有匹配。
回到 AI 搜索这件事上，我 2025 年写过，Google AI Mode 和传统搜索的区别是，它直接生成一段对问题的总结回答，而不是只给你一堆链接。 这个变化对业务员的启示是一样的：你要的不是更多链接，是一个结论。背调也一样，你要的不是更多资料，是一句能开口的话。
所以，画像卡的终点不是一张分析表，是开发信的第一句话。把决策人画像和企业自己的产品册、认证、老开单数据一起喂给 AI，它才能找出「你的哪条能力对上他的哪条 KPI」，这才是千人千面的真实含义。
找到客户之后，线索还得有地方沉淀，这是 外贸 CRM 要解决的；前端怎么持续拿到线索，可以看 AI 智能获客。
想把这件事交给专业团队？看看询盘云的 AI 数字员工，效果口径可验证。
