客户跟进不再靠记忆：AI 看板、沉睡预警与下一步行动
如何用 AI 客户看板统一逾期跟进、今日任务、未来计划、客户阶段与沉睡预警，并把提醒变成可执行行动。
结论先说
客户跟进最常见的问题，不是销售不知道该说什么，而是不知道今天最应该先联系谁。
传统 CRM 能保存大量记录，却经常把“下一步”埋在备注、邮件和个人记忆里。AI 客户看板真正有价值的地方，不是再生成一堆摘要，而是把逾期、今日、近期计划、客户阶段和沉睡信号放到同一套可解释规则中。
一个有效的看板应该让销售在一分钟内回答三个问题：
- 哪些客户已经逾期？
- 哪些机会现在最值得行动？
- 为什么系统把它排在这里？
从“记录系统”到“行动系统”
CRM 的第一代价值是记录客户。AI 进入以后，企业开始期待系统主动总结、提醒和建议。Microsoft 等厂商正在把销售 Agent 嵌入工作流，例如 Dynamics 365 的 agentic sales 方案 将销售上下文、洞察与行动放进同一业务场景。
但“主动”不等于“自动替销售做决定”。真正可用的行动系统需要明确规则：哪些记录算最近跟进、什么叫逾期、沉睡阈值如何计算、下一步日期来自哪里。
如果这些规则不透明，AI 只是在用更自然的语言重复一个黑盒评分。
一个客户看板需要哪六类信息
1. 逾期跟进
下一次跟进日期已经过去，且没有新的有效活动。它需要排在首位，但也要允许销售标记“暂不跟进”或修正日期。
2. 今日跟进
明确承诺今天联系的客户。今日任务不应该与“AI 觉得可能重要”混在一起。
3. 未来七天
让销售提前准备资料、报价和会议，而不是等提醒弹出才开始找信息。
4. 客户阶段分布
阶段可以帮助管理者发现管道拥堵，但阶段名称必须基于真实业务定义，而不是模型自由发挥。
5. 最近活动与新客户
这两组信息帮助销售确认哪些关系正在升温，哪些新线索还没有完成首次响应。
6. 沉睡预警
沉睡不是“很久没聊天”这么简单。不同阶段、地区和销售周期应该有不同阈值。已明确暂停的客户也不应反复被系统催促。
一个脱敏场景：三个客户，谁先跟进
早上打开系统，销售看到：
- 客户公司 A：昨天应确认技术问题，尚未更新 activity；
- 客户公司 B：今天计划发送报价，但关键数量仍待确认；
- 客户公司 C：四十多天没有沟通，不过最近一次 activity 明确写着“等待下一季度预算”。
简单按“距离上次联系天数”排序，会把客户公司 C 推到前面。更合理的行动顺序是：
- 先处理客户公司 A 的逾期承诺；
- 对客户公司 B 先补齐报价条件，再发送；
- 客户公司 C 保留在未来计划中，不把已知等待期误判为遗忘。
AI 的价值在于同时读取日期、活动内容和客户阶段；最终操作仍由销售确认。
KnowSales 客户看板如何工作
KnowSales 的客户看板把销售记忆组织成六个模块：逾期与今日跟进、未来七天、阶段分布、最近活动、新客户和沉睡预警。
其中几个设计点尤其重要：
- 看板与 Agent 使用同一套服务端规则，避免界面和 AI 回答口径不一致；
- 下一次跟进日期、跟进间隔和最近活动都可以回到原始客户对象；
- Agent 可以读取看板，帮助生成“今天先做什么”的行动摘要；
- 看板读取本身不会改写客户；保存跟进日期或 activity 需要调用独立写入工具。
当前 /home Agent 的通用审批写入环尚未开放。因此，“先展示下一步、用户确认后再写入”是应当遵守的工作流程和后续 Agent 写入门槛，不是看板已经自动执行的功能。
看板也不会自动判断成交概率，更不能替代销售对客户关系的理解。记录缺失时，系统只能提示“证据不足”，不能凭空补齐下一步。
从零上线的四步法
第一步：统一 activity 口径
先区分稳定 profile、单次 activity 和内部判断。没有清晰的数据层，任何提醒都会越来越乱。
第二步：定义下一步的最小字段
至少包含：下一步动作、责任人、目标日期和依据。避免只写“持续跟进”。
第三步：为不同阶段设置合理间隔
新询盘、报价中、等待决策和售后客户不应使用同一个沉睡阈值。
第四步：让 AI 解释排序原因
每个建议都应该能回答：“因为哪条记录、哪个日期或哪个规则？”
评估 AI 跟进看板的 8 个问题
- 逾期、今日与未来计划是否互斥且可解释？
- 下一步是否有责任人和日期？
- 沉睡阈值能否按阶段配置？
- 暂停、失单或已完成客户是否会被误催？
- 建议是否连接到原始 activity？
- 管理者和销售看到的规则是否一致？
- AI 是否会未经确认修改客户状态？
- 数据不足时是否明确暴露缺口？
相关阅读
下一步
如果你的销售团队仍靠个人记忆、聊天置顶或零散表格安排跟进，可以查看 KnowSales 面向 B2B 销售团队的解决方案。
本文基于 KnowSales 当前客户看板与 Agent 读取能力撰写；示例为合成数据。