頂尖業務不是天生的！用 AI 分析 CRM 對話紀錄，打造你的 24H 專屬『銷售教練』系統實戰

嗨，我是 Eric，浪花科技的資深工程師。如果你跟我一樣，每天看著 CRM（客戶關係管理系統）裡成千上萬條的對話紀錄，心裡大概只會想著一件事：「這些數據如果不拿來用，跟數位垃圾有什麼兩樣？」

很多企業主或業務主管都有個痛點：想培訓業務，但沒時間聽完每一通電話或看完每一封郵件。 結果就是，資深業務的經驗無法傳承，新進業務還在用錯誤的話術把客戶嚇跑。以前我們只能兩手一攤，但現在有了 LLM（大型語言模型），事情變得有趣了。

今天這篇文章，我不談虛無縹緲的 AI 願景，我們要來點「硬核」的。我要教你如何利用 WordPress 或現有的 CRM 架構，串接 OpenAI API，把那些沉睡的對話紀錄變成一位不知疲倦的 AI 銷售教練。

為什麼你需要一個 AI 銷售教練？（工程師視角）

從工程師的角度來看，銷售其實就是一場「演算法優化」的過程。輸入是客戶的需求，處理是業務的對話技巧，輸出是成交（Conversion）。

傳統的人工輔導存在以下 Bug：

• 取樣偏差： 主管只能隨機抽查 5% 的對話，容易漏掉關鍵問題。
• 主觀判斷： 每個主管的標準不一，缺乏統一的評分系統。
• 延遲反饋： 等到週會才檢討上週的錯誤，客戶早就跑了。

透過 AI 介入，我們可以達成 全量分析（Full Coverage）、客觀標準化（Standardization） 以及 即時反饋（Real-time Feedback）。

系統架構設計：從對話到洞察

要打造這個系統，我們不需要造火箭，只需要把現有的積木堆好。這是我建議的簡易架構：

1. 資料源層 (Source Layer)： 你的 WordPress CRM、HubSpot、Salesforce，或是 LINE 官方帳號的對話紀錄。
2. 處理層 (Processing Layer)： 這裡我們通常會寫一支 Middleware（中介軟體），負責資料清洗（Data Cleansing）和去識別化（PII Removal）。這一點超級重要，請不要把客戶的信用卡號丟給 AI，不然資安部門會殺了你。
3. 認知層 (Cognitive Layer)： 呼叫 OpenAI API (GPT-4o) 或 Anthropic Claude，根據預設的 Prompt 進行分析。
4. 應用層 (Application Layer)： 將分析結果存回 CRM 的自訂欄位，或是發送 Slack 通知給業務本人。

實戰：如何設計 AI 的「大腦」 (Prompt Engineering)

很多人覺得 AI 回答很廢，通常是因為你的 Prompt 寫得很廢。要讓 AI 成為合格的教練，你不能只問「這段對話好不好？」，你必須給它框架。

以下是一個我實際在專案中使用的 Prompt 架構範例：

1. 定義角色 (Role Definition)

你是一位擁有 20 年 B2B 銷售經驗的頂尖銷售教練，熟悉 SPIN 銷售法與挑戰者銷售模式。

2. 輸入資料 (Input Data)

以下是業務代表 (Rep) 與潛在客戶 (Client) 的對話紀錄 JSON。

3. 分析維度 (Analysis Dimensions)

• 開場破冰： 是否建立了親和力？
• 需求挖掘： 是否問出了客戶的痛點（Pain Point）？
• 異議處理： 面對客戶說「太貴」時，業務如何應對？
• 推進承諾： 最後是否有明確的下一步（Call to Action）？

4. 輸出格式 (Output Format)

這一點身為工程師我必須強調：請務必要求 AI 回傳 JSON 格式！ 這樣我們才能用程式碼解析並存入資料庫，不要讓它寫作文。

程式碼實作：PHP 串接 OpenAI API 分析對話

好啦，我知道你們在等這個。這是一段可以在 WordPress 環境下使用的 PHP 程式碼範例（支援經典編輯器與 functions.php）。這段程式碼模擬了將一段對話發送給 AI 進行評分的過程。

function analyze_sales_conversation($conversation_text) {
    $api_key = 'YOUR_OPENAI_API_KEY'; // 請放你在 wp-config.php 定義的常數
    $endpoint = 'https://api.openai.com/v1/chat/completions';

    // 定義 System Prompt
    $system_prompt = "你是一個嚴格的銷售教練。請分析對話並回傳 JSON 格式，包含：score (0-100), summary (總結), suggestions (三點具體建議)。";

    $body = [
        'model' => 'gpt-4o',
        'messages' => [
            ['role' => 'system', 'content' => $system_prompt],
            ['role' => 'user', 'content' => $conversation_text]
        ],
        'response_format' => ['type' => 'json_object'], // 強制 JSON 模式
        'temperature' => 0.7
    ];

    $args = [
        'body'        => json_encode($body),
        'headers'     => [
            'Content-Type'  => 'application/json',
            'Authorization' => 'Bearer ' . $api_key,
        ],
        'timeout'     => 60,
        'blocking'    => true,
    ];

    $response = wp_remote_post($endpoint, $args);

    if (is_wp_error($response)) {
        error_log('AI Analysis Error: ' . $response->get_error_message());
        return false;
    }

    $body_content = json_decode(wp_remote_retrieve_body($response), true);
    
    // 這裡就是 AI 給你的分析結果
    return $body_content['choices'][0]['message']['content'];
}

Eric 的小囉嗦：記得要把 API Key 放在環境變數或 wp-config.php 裡，千萬不要直接 commit 到 GitHub 上，不然你的信用卡會哭。

關鍵應用場景：從數據中挖掘黃金

有了上面的技術基礎，我們可以做到哪些事？

1. 自動化標籤與評分 (Auto-Tagging & Scoring)

每當一通銷售電話結束（透過語音轉文字）或 LINE 對話結束，系統自動打分。如果分數低於 60 分，自動觸發 Webhook 通知主管介入輔導。這能大幅降低「掉單率」。

2. 異議處理話術生成 (Objection Handling)

AI 不只會罵人（評分），還會教人。分析出客戶最常問的刁鑽問題（例如：「你們比競品貴三倍耶」），然後讓 AI 生成五種最佳回應範本，直接推送到業務的手機上。

3. 銷售漏斗歸因優化

結合 CRM 的成交數據，AI 可以分析出「哪些關鍵字」或「哪種語氣」與高成交率呈正相關。這就不只是教練了，這是銷售科學。

給企業主的建議：不要為了 AI 而 AI

最後，雖然我是技術人，但我必須誠實地說：工具再強，還是要看人用。 AI 銷售教練系統的成功關鍵，不在於你用的是 GPT-4 還是 Claude 3.5，而在於你的 CRM 數據是否乾淨，以及你的業務團隊是否願意接受新工具。

建議先從「輔助」而非「監控」的角度切入。告訴業務：「這個系統是來幫你省時間寫報告，幫你想怎麼回覆奧客的」，而不是「老闆裝了個 AI 來監視你有沒有偷懶」。心態對了，技術才能發揮價值。

---

延伸閱讀：讓你的技術架構更上一層樓

如果你想深入了解如何打造完整的自動化銷售與數據體系，這幾篇我的技術筆記強烈建議一讀：

• CRM 變垃圾場？別怕！讓 AI 當你的數據清道夫，用 LLM 自動化資料清洗，根治重複與錯誤資料！
• 客服半夜裝睡？OpenAI Assistants API 終極實戰，打造永不關機的 WordPress 智慧大腦
• 你的行銷預算丟水裡了？終極 WordPress + CRM 多渠道歸因指南，讓每分錢都花在刀口上！