大多数使用人工智能进行LinkedIn客户拓展的销售团队都收效甚微,并将责任归咎于人工智能。其实问题不在于模型本身,而在于提示信息。
及时的工程是 设计能够可靠地产生有用投入的实践语言模型需要输出高质量的结果。在消费者语境中,这意味着要知道如何向 ChatGPT 提出更好的问题。
在 B2B 销售环境中,它的含义更加精确:设计指令,决定您的 AI 如何大规模、一致地为数百个不同的潜在客户撰写外联信息、评论和后续跟进。
巧妙的提示能将人工智能转化为真正有效的销售拓展工具;而糟糕的提示则会生成千篇一律、语气略显怪异的信息,令潜在客户感到不适并直接删除。这两种结果之间的差距几乎完全取决于提示本身。
本文面向希望构建真正有效(无论在技术上还是商业上)的 AI 外联序列的销售主管、SDR 经理和收入运营人员。
及时有效的营销策略对销售拓展究竟意味着什么?
提示是指在人工智能模型生成输出之前,你向其提供的全部指令。在基本的消费者互动中,提示可能只是一个问题。而在结构化的销售流程中,提示则是一个精心构建的系统,用于告诉人工智能:
- 作者是以谁的身份写作的——人物形象、专业语气和语气。
- 收件人是谁——潜在客户的角色、公司发展阶段、已知挑战
- 它对潜在客户的了解——信号、近期帖子、角色变化、互动模式
- 信息需要达成的目标——提高公众意识、获得回复、解答疑问
- 它绝对不能做的是——过早推销产品、使用特定短语、超过一定长度。
这些参数定义得越精确,输出结果就越实用。模糊的提示会产生模糊的信息。具体的提示会产生具体、有上下文的信息,这些信息读起来就像是出自真正做过研究的人之手。
这并非工程师专属的技术技能,而是一种写作和策略技能——掌握这项技能的销售人员相比那些仍然将人工智能视为一键式解决方案的团队,拥有结构性优势。
高效销售提示的构成要素
一个精心设计的销售提示包含五个部分。每个部分都发挥着不同的作用,缺少任何一个部分都会降低最终效果的质量。
1. 角色分配
告诉人工智能你是谁。不要泛泛而谈,要具体明确。“你是一家B2B SaaS公司的高级客户经理”比“写一条LinkedIn消息”更能为模型提供丰富的上下文信息。角色设定决定了专业语境、预设的知识库以及作者与读者之间的隐含关系。
计费示例: 您是一位资深客户经理,专门负责通过 LinkedIn 为 B2B 销售团队拓展客户。您撰写的信息简洁明了,旨在开启对话而非推销产品。您的语气既专业又亲切自然——自信而不咄咄逼人。
2. 潜在客户背景
这是哪里 LinkedIn 社交信号 直接将信息填入提示框。所有关于潜在客户的信息——他们的职位、最近的帖子、他们提出的挑战、他们正在参与的内容——都应填入此处。背景信息越丰富,输出结果就越相关。
计费示例: “这位潜在客户是一家B轮融资的SaaS公司的销售副总裁,该公司拥有约80名员工。三天前,他们发帖讨论了随着销售开发代表团队规模扩大,保持客户拓展质量的难度。过去两周,他们一直在关注有关人工智能销售工具的内容。”
3. 目标和阶段
消息序列中的每条消息都有其特定的用途。连接请求消息的目标与接受连接后的第一条私信的目标不同,而第一条私信的目标又与后续消息的目标不同。请明确说明这条消息需要完成哪些任务,以及它目前不需要完成哪些任务。
计费示例: “在对方接受好友请求后,发送第一条消息。目的是开启对话,而不是推销产品。结尾提出一个与对方帖子中提出的挑战相关的具体问题。不要提及产品名称或提出会面请求。”
4. 限制和护栏
这是大多数团队容易忽略的环节——也是最直接地防止输出通用内容的关键所在。约束条件告诉人工智能应该避免什么:特定的短语、结构模式、长度限制,以及在此阶段序列中禁止涉及的主题。
计费示例: “请将信息控制在 80 字以内。不要以‘我偶然发现了您的个人资料’开头。不要使用‘我很想与您联系’这样的短语。不要提及 Konnector 的功能或价格。避免使用感叹号。请使用第二人称撰写。”
5. 格式规范
告诉模型要生成什么内容——而不仅仅是写什么。是单条消息还是多条选项?是否需要主题行?开头行应该达到什么目的?在提示级别指定格式可以节省后续大量的编辑时间。
计费示例: “请制作此邮件的三个不同版本。每个版本的开头方式都应不同。分别标记为选项 A、B 和 C。无需填写邮件主题。”
构建完整的 AI 外联序列:逐条消息
LinkedIn推广流程通常包含四到六个接触点。每个接触点都需要不同的提示,以实现不同的目标。以下是每个阶段的思路。
| 序列阶段 | 目的 | 迅速聚焦 | 长度目标 |
|---|---|---|---|
| 连接请求说明 | 赢得认可 | 特指共享信号或帖子。不涉及音调。 | 少于 300 个字符 |
| 第一次私信(录取后) | 打开对话 | 参考信号。一个问题。未提及任何产品。 | 50到80字样 |
| 后续1(未回复) | 重新参与,创造价值 | 分享一些相关的内容。别有压力。回复也很方便。 | 40到60字样 |
| 后续2(未回复) | 缓闭或旋转 | 承认沉默的存在,但不要让人产生愧疚感。只需明确提出一个要求。 | 30到50字样 |
| 重新连接(新信号) | 在新背景下重新开始对话 | 请参考新的信号。全新的视角。不提及之前的沉默。 | 50到70字样 |
每个阶段提示都会继承基础提示的角色分配和语气——基础提示只需编写一次。每个阶段的变化在于目标、限制条件以及潜在客户的背景信息(如果自上次接触以来出现了新的信号)。
变量注入问题——以及如何解决它
人工智能辅助外联中最常见的失败模式之一是过度依赖变量注入。团队使用占位符(例如 [PROSPECT_NAME]、[COMPANY]、[RECENT_POST])构建提示信息,并假设填写这些字段就能实现个性化。但事实并非如此。这相当于人工智能版的邮件合并。
真正的提示语个性化意味着用自然语言编写信号上下文,而不是将其放在括号中。比较以下两种方法:
可变注入方法: “这位潜在客户最近发布了关于[主题]的内容。请在邮件中提及。”
情境提示法: “这位潜在客户四天前发帖询问,随着团队规模扩大到十人以上,如何保持销售代表(SDR)的信息质量。他们将其描述为‘一致性问题,而非动力问题’。他们在帖子中的语气分析透彻,略带沮丧。请参考他们的表述——特别是他们对一致性和动力所做的区分。”
第二个提示生成的回复读起来像是作者认真阅读并理解了帖子内容后写成的。而第一个提示生成的回复只是提及了帖子内容,并没有真正与之互动。这种差异正是收件人阅读后的感受——而这完全是提示设计上的考量。
Konnector 的平台会自动处理这种上下文注入,并实时拉取数据。 LinkedIn 社交信号 从潜在客户的活动中提取信息,并将其构建到提示上下文中,以便人工智能始终使用真实、具体、最新的信息,而不是通用的占位符。
色调校准:大多数团队都会出错的变量
语气并非模糊的指令。“听起来专业”只能产生平庸的效果。而经过精确校准的语气指令,其效果与您最优秀的人工撰写信息几乎无异。
有效的提示音调校准包括:
- 句子长度指导原则: “使用短句。句子长短不一,避免形成节奏感。避免使用分号连接的从句。”
- 词汇水平: “使用通俗易懂的语言。除非潜在客户先使用,否则避免使用行话。不要使用流行语。”
- 信心登记表: “要直接自信,不要犹豫不决。避免使用‘我想你可能会感兴趣’或‘只是想联系一下’之类的模棱两可的措辞。”
- 禁止用语: 一份专门列出你的品牌或人物形象不会使用的短语的列表。列表越具体,输出结果就越一致。
一个切实可行的方法是:选取你手动撰写的三条效果最佳的信息,并使用分析工具提取其中的语气模式。将分析结果作为你对外宣传信息的语气规范。这本质上是在逆向工程,找出有效方法并将其编码成可重复使用的指令。
人工审核并非可有可无——它是架构的一部分。
本文中的所有框架都基于一个前提:每条消息在发送前都需经人工审核批准。这并非在原本自动化的系统之上叠加的一层安全措施,而是使整个方法行之有效的设计原则。
即使是精心设计的提示信息,也会产生不同的输出结果。有些信息接近目标,但还不够准确。有些信息会忽略一些细微差别,只有在了解潜在客户的背景后才能发现。有些信息则完全正确,无需任何修改。人工审核环节可以发现所有这三种情况——而且随着时间的推移,你修改的内容模式会反过来帮助你设计出更好的提示信息。
这是 Konnector 所基于的模型。 基于意图的推广 大规模应用时,人工智能负责信号检测、上下文结构构建和初稿生成,而人工审核队列则确保所有信息在发送前都经过阅读和确认。人工智能提高了每条信息的质量底线,而人工审核则提高了质量上限。
这也是保障您 LinkedIn 帐户安全的关键。即使是精心设计的提示,大规模的全自动外联也会产生 LinkedIn 系统越来越擅长识别的活动模式。在每个接触点都安排人工参与,不仅能保证沟通质量,更是维护帐户良好状态并拓展客户渠道的架构。
准备好构建高转化率的序列了吗?
销售提示系统的设计是一项技能,和其他技能一样,熟能生巧。现在就投资于此——构建精准、基于信号、语气恰当的提示系统——的团队,即使其他所有团队的AI外联策略都被淘汰,他们的AI外联策略仍然能够保持高效。
Konnector 提供信号层、AI 草案基础设施和人工审批工作流程,使这种方法能够大规模应用。如果您想了解它如何应用于您团队的 ICP 和推广活动, 预订演示。 或 注册订阅 今天就开始构建你的第一个信号驱动序列吧。
深入阅读
- 使用 Konnector 了解 LinkedIn 社交信号
- LinkedIn B2B推广策略:2026年哪些策略行之有效
- 如何提高LinkedIn回复率
- LinkedIn潜在客户开发:Konnector方法
- 在领英上真正有效的潜在客户开发技巧
常見問題解答
是的。精心设计的提示语鼓励用户使用多样化的语言模式、自然的语言表达方式以及与上下文相关的语言——所有这些都有助于创造更人性化的交互行为。结合合理的活动限制和人工审核,这有助于减少垃圾邮件自动化中常见的行为模式。
因为大多数提示信息都以效率为导向,而非考虑人类行为。机器人外联通常来自:
泛泛的赞美
过度解释价值主张
过分热情
人工智能“个性化”
重复的句子结构
更好的提示符设计注重自然的对话节奏,而不是关键词的插入。
人工智能和自动化解决的是不同的问题。自动化有助于执行和排序,而人工智能则有助于提高信息的关联性和情境化程度。最高效的工作流程是将两者巧妙结合——利用自动化实现运营规模化,同时严格控制信息的生成、审核和互动质量。
有用的指标包括:
连接接受率
积极回复率
会议预订价格
回应情感质量
响应时间
后续转化率
仅跟踪对话量或回复数往往会掩盖对话是否真正朝着创建销售渠道的方向发展。
当然。有效的即时通讯策略包括对行业情况的精准把握。发送给 SaaS 创始人的信息在结构上应该与发送给以下对象的信息有所不同:
招聘人员
一位医疗保健高管
制造总监
一位非营利组织领导人
不同的买家对不同的语言模式、直接程度和价值框架会有不同的反应。
时机往往与信息质量同等重要。与近期社交信号(例如帖子、融资公告、招聘信息或行业讨论)相关的推广活动会显得更具针对性,因为它与潜在客户已经关注的内容紧密相连。基于当前趋势而非静态个人资料数据构建的人工智能提示,其效果会显著提升。
是的。人工智能的最佳应用场景是辅助人际关系的建立,而不是完全取代人际关系。将人工智能辅助的信息传递与真实的互动——例如评论、点赞、浏览个人资料或深思熟虑的后续跟进——相结合,能够创造更可信的互动模式,并建立更牢固的信任关系。
提示框架应不断发展演进。如今效果良好的消息提示,在反复使用后可能会变得陈旧过时。团队应定期根据以下因素优化提示:
回复率
积极回复质量
市场变化
新定位
买方语言的变化
优秀的销售团队将销售提示视为动态系统,而不是固定模板。
最有效的语气通常是:
平静
观察
获得每个
好奇
低压
要求人工智能听起来“专业且有说服力”的提示往往会产生生硬或推销意味过浓的输出。而优先考虑好奇心和相关性的提示通常能产生更优质的对话。
是的。更好的提示不仅会影响对方是否回复,还会影响他们的回复方式。围绕有意义的背景信息构建的信息往往能带来更详细的回复、更友好的对话,并更快地推进到真正的销售洽谈中,因为潜在客户会感到被理解,而不是被当作目标。







