外贸询盘用 AI 先过一遍，怎么排优先级

外贸询盘用 AI 先过一遍，怎么排优先级

一家做五金件出口的工厂，阿里国际站加展会，一天能收到三四十封询盘。业务员的做法是按收到顺序回，谁先来先回谁。结果一个月下来，最大的一单是从一封两行字的短询盘里出来的，而那封写了八段的长询盘，对方是来套价格的。

询盘的价值跟字数没关系，跟里面有没有具体的采购信号有关系。这件事正好适合让模型先过一遍，人只看筛出来的那几封。

先看采购意图，不看热情程度

真买家和假买家写的语气差别不大，都说「对你们的产品很感兴趣」。区别在细节：真买家会问具体规格、包装方式、交货期、能不能做定制；假买家问的是「请把完整价格表发我」。

还有一种更常见的：对方是同行，来摸你的报价体系。他们的询盘写得比真买家还专业，问得也细，但从来不提自己的量和用途。这类询盘让模型标出来，业务员就不用陪着聊两周。

判断意图要靠几条硬信号：有没有写清数量、有没有指定规格型号、有没有提到目标市场或认证要求、有没有问 MOQ 和交期。四条里中三条以上，基本是真单。

平台询盘和展会名片不是一回事

平台来的询盘有格式，字段齐全，好处理。展会收的名片往往只有公司名和一句「请发报价」，这类线索的价值全在后续跟进，排序意义不大，直接进业务员自己的本子。

邮件往来的那批最容易被忽略。老客户转介绍的新买家，语气很客气，写得也短，容易被排在后面。识别这类线索的办法是看有没有提到介绍人，让模型专门扫一句「谁介绍的」，命中的单独标出来，排最前。

四类信号怎么打分

采购意图

按上面四条算，每条一分。再加一条：有没有提到具体项目或时间节点，比如「我们九月要参展，需要提前备货」。有时间压力的询盘，成交概率明显高。

公司真实性

看三样：邮箱是不是企业域名、签名里有没有公司名和地址、网站上有没有对应的产品线。用免费邮箱的也有真买家，但比例低，值得排在后面。

让模型做的不是查证，是把线索摘出来交给业务员去查。它摘出公司名和网址，业务员花两分钟搜一下，比自己在邮件里翻快。

量级

询盘里写了数量或年度采购额的，直接排前面。没写的，看它问的产品档次：问标准件的大多量大价低，问定制件的大多量小价高。两类都要，但跟进方式不一样。

模型可以按产品描述推断量级区间，这个推断不一定准，当参考用。业务员看到「推断：中小批量」这行字，心里有个准备，回信的语气和报价策略就不一样。

地区与风险

不同市场的付款习惯、认证要求、清关难度差别很大。让模型把目标市场标出来，业务员按自己的经验判断该走什么条款。这一项不评分，只做标注，避免把风险判断交给它。

输出要是一张表，不是一个分数

只给一个综合分，业务员不知道为什么高为什么低，最后还是凭感觉。表要拆成几列：公司、国家、产品、数量、意图信号命中几条、可疑点、建议回复顺序。

「可疑点」这一列最有用。比如「未提数量」「邮箱为免费域名」「要求全系列报价单」「署名与邮箱域名不一致」。业务员扫一眼就知道要不要花时间。

排序建议分成三档就够：当天回、两天内回、模板回复。分五档没人记得住，三档能落到动作上。

回复顺序的差别有多大

同一个业务员，同样的话术，先回高优先级的那批，成交率能差一倍。原因很简单：高意向客户同时问五家，谁先给出具体答复，谁就进了候选名单。

这家工厂试了一个月，把询盘按三档排完再回，样品单从每月十一单涨到十九单。业务员的工作量没变，只是把时间花在了对的地方。

让它起草首封回复

首封回复的目标不是成交，是让对方愿意回第二封。所以内容要短，三句话：确认他问的产品、给出一个具体信息（交期或 MOQ）、提一个问题（用途或目标市场）。

让模型按询盘内容起草这三句，业务员改一遍就发。改的重点是把模板腔去掉，加上一两个只有这家工厂才有的细节，比如「这款我们上月刚给德国一个客户做过盐雾测试」。这种细节让回复不像群发。

价格不要在第一封里给。给了价格，对话就结束了，对方拿着你的数字去比价。除非对方明确要报价并且写了数量，那种情况可以给区间。

什么不能交给它

最终报价、付款条件、认证承诺、交期保证，这四样必须人定。模型不知道你的产能排到哪一天，也不知道老板愿意让几个点，它写出来的数字看着专业，落下去是坑。

还有客户背调和合同条款。这两件事错一次代价很大，不省这点时间。

别让模型碰三件事

一是最终报价。它不知道你的成本结构，也不知道这个客户值不值得让价。二是付款方式，涉及风险判断，一句话写错，货发出去收不回钱。三是任何写进合同的承诺，交期、认证、质保，白纸黑字的东西只能人定。

它能碰的是筛选、起草、归档这三段。把这三段做顺，业务员的时间就从翻邮件转到谈客户上，这才是这套东西真正的价值。

一个月后看什么

看三个数：首封回复时长、有效回复率（对方回了第二封的比例）、样品单转化。第一个数会明显下降，后两个数会慢慢上升。如果首封时长降了但转化没动，说明排序逻辑不对，回去改信号权重。

还要看误判。高优先级里有多少最后是无效的，低优先级里有没有漏掉真单。每周抽十封人工复判一次，把判错的案例贴进指令里当例子，模型下一轮会准一些。

这套东西的边界

它能帮你把三十封询盘分成三堆，省下翻邮件的时间。它没法替你判断一个印度客户要求百分之三十定金是不是合理，也没法替你决定要不要为一个新市场破例。

询盘处理这件事，判断力永远在人这边，模型只是把噪音先滤掉一层。

一个可抄的做法

每天早上把新询盘导出成表格，连同公司简介、产品线、MOQ 一起喂给模型，让它按上面那几列输出。业务员上班第一件事不是看邮箱，是看这张表，从第一行开始回。

表里的可疑点，全部标黄。标黄的那些，回之前先搜一下公司名，两分钟。这两分钟能省掉后面两周的无效沟通。