销售跟进邮件并不是简单地“把客户名字填进模板”就完事了。真正会影响回复率的往往是一些更细的东西什么时候跟进、上次聊到了什么、客户现在处在哪个阶段、对方有没有明确表达顾虑以及邮件最后有没有给出一个容易回应的下一步。这几年 AI 工具用得越来越多很多销售团队也开始尝试自动生成跟进邮件。不过实际效果差别很大。有些团队只是批量生成了一堆“看上去很像营销邮件”的内容客户一眼就能看出来不够真诚但也有团队做得比较好会把 CRM 里的客户信息、客户行为、产品卖点和销售策略结合起来让生成的邮件更像一位真实销售写出来的跟进内容。这篇文章主要围绕code0 gemini-3-flash-preview这类适合低代码和自动化场景的模型调用方式拆解一套比较容易落地的AI销售邮件生成流程。重点不是泛泛地讲“AI 怎么写邮件”而是聚焦在销售跟进邮件这个具体场景里看看它到底应该怎么做。为什么销售跟进邮件适合自动生成销售跟进邮件之所以适合引入 AI其实有几个很明显的原因。首先它非常依赖上下文而且很多上下文本身就是结构化的。比如客户姓名、公司、职位、行业、上次沟通时间、客户关注的问题、提出过的异议、适合推荐的产品方案以及下一步想推动的动作。这些信息通常不会凭空出现很多已经沉淀在 CRM、表格、会议纪要、聊天记录或者销售通话记录里。其次跟进邮件的目标通常比较明确。它不是为了把产品从头到尾介绍一遍而是推动客户完成一个小动作。比如确认会议时间、回复是否继续评估、补充采购需求、查看方案文档或者安排一次技术沟通。目标越明确AI 越容易生成可用的内容。另外销售邮件确实需要个性化但并不意味着每一封都要完全原创。销售真正需要的是根据客户当前情况写出合适的话而不是每次都从零开始写一篇文案。所以销售邮件自动生成的关键并不是让 AI 把文案写得多华丽而是让它基于正确的数据生成清楚、克制、能直接进入发送流程的跟进邮件。一个可执行的销售邮件自动生成流程一套比较完整的流程可以大致分成这几个环节先收集客户信息和沟通上下文判断客户当前处在什么销售阶段明确这次跟进的目标以及适合用哪类邮件调用模型生成邮件草稿做一轮质量检查和风险过滤最后把结果写回 CRM、表格或邮件系统进入人工确认或自动发送环节。如果团队刚开始尝试最好不要一上来就全自动发送。更稳妥的方式是先让 AI 生成草稿再由销售人员确认和修改。等提示词、模板、字段和质检规则都比较稳定之后再慢慢把一些低风险场景自动化。第一步整理输入数据不要只给 AI 一个客户名很多 AI销售邮件生成效果不好根本原因不是模型不行而是输入信息太少。只告诉模型“帮我写一封跟进邮件”它大概率只能写出一封很通用、很模板化的邮件。比较好的做法是给每个潜在客户准备一组标准字段例如{lead_name:张先生,company:某制造企业,title:信息化负责人,industry:制造业,last_touch:上周三完成线上演示,customer_interest:关注销售线索分配和跟进效率,customer_objection:担心系统上线周期较长,product_value:可与现有 CRM 集成自动生成销售跟进邮件并记录沟通状态,sales_stage:方案评估,next_action:约一次 30 分钟技术对接,tone:专业、简洁、不夸张,language:中文}这些字段不一定都要销售手动填写。它们可以来自 CRM也可以来自表格、会议纪要摘要、官网表单、在线聊天记录甚至是销售通话的转写内容。关键在于要让模型知道几个基本问题客户是谁他关心什么目前卡在哪里这封邮件想推动对方做什么有了这些信息生成出来的内容才不至于空泛。第二步按销售阶段区分邮件策略销售跟进邮件不能只按照“第几次跟进”来写。更合理的方式是看客户处在哪个销售阶段。阶段不同邮件目标不同内容结构自然也应该不一样。1. 初次沟通后跟进这个阶段的重点是延续对话确认客户是否愿意继续了解而不是急着把产品所有功能都讲一遍。邮件里可以简短回顾上次沟通点出客户提到的某个具体问题再给出一个比较轻的下一步。比如约一次短时间沟通或者先发送一份简版资料。比较适合的 CTA 可以是“是否方便本周安排 20 分钟进一步沟通”“我可以先发一份简版方案供您内部参考。”这类表达不会给客户太大压力也比较符合初次跟进的节奏。2. 产品演示后跟进产品演示之后客户通常需要把信息带回内部评估。这时邮件的作用不只是说“感谢观看演示”而是帮助客户把重点内容整理清楚。邮件可以总结演示中客户最关注的功能把客户痛点和产品能力对应起来再补充一些资料或方案链接。如果接下来需要技术、采购或业务负责人参与也可以顺势提出。比较自然的 CTA 包括“是否需要我们基于贵司场景整理一版试点方案”“是否方便拉上技术同事做一次集成可行性确认”这类跟进更像是推动内部评估而不是单纯催客户回复。3. 报价或方案发送后跟进报价或方案发出后跟进邮件的重点应该是降低决策阻力而不是反复催单。这时候可以先确认对方是否已经看过方案再主动询问有没有预算、权限、上线周期、集成方式等方面的问题。必要时也可以提供几种可讨论的方案路径。要尽量避免“请问考虑得怎么样了”这种信息量很低的表达。它虽然常见但对客户来说并没有提供新价值。更好的 CTA 可以是“如果您方便我可以把方案拆成试点版和正式版两种路径。”“是否有哪一部分需要我补充说明便于您内部评估”这样写会更具体也更容易让客户回复。4. 沉默客户唤醒客户长时间不回复时邮件不应该带有责备感。目标是用一个新的信息点把对话重新打开。可以提供一个新的案例、一个更轻量的方案、一个可选的下一步或者直接给客户一个简单选择。比如继续评估、暂缓跟进或者在合适时间再联系。比较合适的 CTA 有“如果当前优先级暂缓我也可以后续在合适时间再联系。”“您看是继续评估还是我先暂停跟进更合适”这类说法给了客户空间反而更容易得到明确回复。第三步设计适合 gemini-3-flash-preview 的提示词结构在code0 gemini-3-flash-preview这类自动化场景里提示词最好不要写得太随意。一个比较稳的结构是分成四部分角色、任务、输入和约束。例如可以这样写你是一名 B2B 销售顾问擅长撰写简洁、专业、不过度营销的中文销售跟进邮件。 任务 根据输入信息生成一封可发送的销售跟进邮件。 要求 1. 邮件长度控制在 180-260 字 2. 语气专业、自然不使用夸张承诺 3. 开头必须关联上次沟通或客户关注点 4. 正文最多包含 2 个核心价值点 5. 结尾给出明确、低负担的下一步动作 6. 不编造客户未提供的信息 7. 输出包含邮件主题、正文。 输入 客户姓名{{lead_name}} 公司{{company}} 职位{{title}} 行业{{industry}} 上次沟通{{last_touch}} 客户关注点{{customer_interest}} 客户异议{{customer_objection}} 产品价值{{product_value}} 销售阶段{{sales_stage}} 下一步动作{{next_action}} 语气{{tone}}这里最值得注意的是“约束”。如果没有明确约束模型很容易把邮件写得过长、过热情甚至带有明显营销腔。有时候它还会补充一些客户并没有提供的信息这在销售场景里是有风险的。所以销售邮件自动生成要追求的不是某一封邮件写得多有文采而是整体可用率要高。能稳定生成一封销售愿意稍微改改就发送的邮件比偶尔生成一封漂亮但不可控的邮件更重要。第四步加入邮件主题生成规则很多团队在做自动化时只盯着邮件正文其实主题也很关键。主题决定了客户是否愿意点开邮件也影响整封邮件的商务感。AI 可以同时生成多个主题供销售选择但要特别避免标题党。一般可以让模型生成三类主题。上下文型主题例如关于上周演示中线索跟进流程的补充动作型主题例如确认一下技术对接时间价值型主题例如关于缩短销售跟进周期的试点建议在提示词里可以补充这样的要求请生成 3 个邮件主题 - 不超过 22 个汉字 - 不使用感叹号 - 不使用“重磅、限时、颠覆、必看”等营销词 - 主题需与正文内容一致。这些规则看起来很简单但效果很明显。它能减少那种“AI 写营销邮件”的感觉让邮件更像正常的商务沟通。第五步做自动质检而不是直接发送如果 AI销售邮件生成要接入真实销售流程质检环节一定不能省。尤其是涉及客户承诺、报价、实施周期、集成能力这些内容时直接发送会有风险。质检可以用规则判断也可以再调用一次模型来检查。常见的检查项包括有没有出现输入里没有提供的数据或承诺是否用了“保证提升”“一定成交”这类绝对化表达语气是否过度营销有没有明确的下一步动作邮件是否太长是否包含不该出现的敏感信息内容是否匹配客户当前阶段是否缺少称呼、署名等基本要素。也可以设计一个二次评估提示词例如请检查以下销售跟进邮件是否适合发送。 从 0-5 分评分并指出需要修改的问题。 检查标准 1. 是否基于输入上下文 2. 是否存在编造信息 3. 是否语气自然 4. 是否有明确下一步动作 5. 是否避免夸张承诺。 只输出 JSON { score: 0, sendable: true/false, issues: [], revision_suggestion: }实际落地时可以设置一个简单阈值。比如评分低于 4 分就进入人工修改评分达到 4 分以上再写入邮件草稿箱。这样既能提升效率也能保留必要的安全边界。第六步接入表格、CRM 或邮件系统销售邮件自动生成不一定一开始就要接入复杂系统。很多团队完全可以先用表格跑通最小可行方案。表格可以这样设计客户姓名公司阶段上次沟通关注点下一步动作AI生成主题AI生成正文状态一个基础自动化流程可以是销售在表格或 CRM 中更新客户状态系统触发 code0 工作流调用gemini-3-flash-preview生成邮件再调用质检节点做检查把结果写回表格、CRM 备注或邮件草稿销售确认后发送邮件发送结果和客户回复再回流系统。等流程跑得更成熟后可以继续接入更多系统。比如从 CRM 读取客户阶段、历史沟通和商机金额在邮件系统里创建草稿并记录打开、回复状态通过日历系统生成可预约时间从知识库里补充产品说明、案例和 FAQ再用数据看板统计不同邮件版本的回复情况。这样一来AI 就不是孤立地“写一封邮件”而是进入了完整的销售跟进链路。一个销售跟进邮件生成示例输入信息客户李经理 公司某跨境电商企业 职位销售运营负责人 上次沟通昨天演示了线索分配和邮件跟进自动化流程 关注点希望减少销售手动写跟进邮件的时间 异议担心生成内容太模板化 产品价值可根据客户阶段、沟通记录和产品卖点生成个性化跟进邮件 下一步动作约一次试点流程配置沟通AI 生成示例主题关于跟进邮件自动化试点 李经理您好 感谢昨天抽时间了解线索分配和邮件跟进自动化流程。您提到的重点是减少销售手动撰写跟进邮件的时间同时避免内容过于模板化这两点确实是落地时需要优先处理的问题。 结合您当前场景可以先从“演示后跟进”和“沉默客户唤醒”两个环节做小范围试点由系统根据客户阶段、沟通记录和产品卖点生成草稿再由销售确认后发送这样既能提升效率也保留必要的人为判断。 如果方便我想约 30 分钟和您一起梳理试点字段与流程配置。您看本周三或周四是否有合适时间这封邮件没有夸大承诺也没有泛泛而谈地介绍产品而是围绕客户真实关心的问题和下一步动作来写。可以说它更接近销售跟进邮件的实际用途帮助客户继续往前走一步。常见问题AI 生成的销售邮件为什么“像机器人”很多团队会遇到一个问题AI 生成的邮件语法没错但读起来就是有点像机器人。通常原因不复杂。首先输入信息太少。如果没有客户上下文模型只能写通用模板内容自然会显得空。其次提示词太宽泛。比如只说“写得有吸引力一点”模型很容易走向夸张表达甚至写出明显的营销腔。另外邮件长度没有限制也会出问题。销售跟进邮件通常不适合长篇大论尤其是客户还没有很强意愿时越长越容易被跳过。还有一个常被忽略的点就是缺少质检和人工反馈。AI 生成邮件不是一次性工程。销售人员修改过的版本最好能回流到系统里慢慢沉淀出更符合团队风格的规则和样例。解决办法其实也很直接补齐字段约束语气限制长度加上质检再持续积累优秀样例。这样生成质量会稳定很多。落地建议先自动生成草稿再逐步自动化对大多数销售团队来说不建议一开始就追求全自动。更现实的方式是分阶段推进。第一阶段可以先做草稿生成。AI 只负责起草销售跟进邮件销售人员手动复制、修改和发送。这个阶段主要看两件事邮件质量是否过关是否真的节省了销售时间。第二阶段再进入工作流。也就是说把 AI 生成的结果写入 CRM 或邮件草稿箱销售只需要审核确认。这个阶段重点优化输入字段、提示词模板和质检规则让流程变得稳定。第三阶段才考虑部分自动发送。适合自动发送的通常是低风险、标准化程度比较高的场景比如会议提醒、资料补充、试用到期提醒等。至于涉及报价、合同、交付周期、重大承诺的邮件仍然建议保留人工确认。这个边界一定要清楚。总结销售邮件自动生成的价值不是批量制造更多邮件而是把销售跟进里那些重复的写作、信息整理和表达优化工作自动化。围绕code0 gemini-3-flash-preview搭建流程时真正重要的不是某一次生成结果看起来多惊艳而是能不能形成一个稳定闭环结构化输入、阶段判断、提示词约束、邮件生成、质量检查、人工确认再到数据回流。当这套流程跑通以后AI销售邮件生成就能帮助销售团队更快完成跟进同时保留必要的个性化和专业度。对真正重视转化质量的团队来说这显然比简单套用邮件模板更值得投入。
与load()在机器学习模型持久化中的应用)
