🚀 从线索到洞察：如何用低代码打造客户智能评估体系

在做客户关系管理（CRM）时，我们往往只关注“跟进”和“转化”，但很少有系统去回答一个更核心的问题：

“这个客户到底值不值得花时间跟进？”

这篇文章，我分享我最近在低代码平台上实现的一个功能：
一个能自动分析客户沟通内容、评分、分级、生成行动建议的 智能评估体系。

它的核心不在“复杂算法”，而在于“结构化思考 + 低代码落地”。

---

🧠 一、思路概述：用AI做客户健康体检

传统CRM往往在主表（客户表）中直接保存“客户等级”或“标签”，但这样很容易导致：

• 字段越来越多；
• 数据被覆盖，无法回溯；
• 缺少时间线，无法看到客户关系变化。

于是我换了个思路：
主表不改结构，所有智能分析结果都单独存入一张“评估记录表”。

主表只保存客户的基本信息；
每次录入或跟进时，调用AI智能评估；
把结果（JSON格式）存入评估表；
最后在界面中按时间线查看历次分析结果。

这样，我的CRM就像医生体检报告一样，每个客户都有一份“成长曲线”。

---

🧩 二、三维核心评估模型

我使用的分析逻辑，叫做 「三维核心评估模型」，总分100分，分为三大维度：

维度	权重	核心问题
A. 客户基础	30分	这个客户从哪来？是不是目标客户？
B. 意向强度	40分	需求有多明确？有多急迫？
C. 互动价值	30分	沟通体验和付费能力如何？

评分结果会自动输出：

• 🟢 低风险（高潜力）
• 🟡 中等风险（可培养）
• 🟠 高风险（低回报）
• 🔴 极高风险（放弃线索）

---

🧮 三、提示词设计（Agent Prompt）

这个提示词是整个智能评估的“核心引擎”。
它既适用于“录入线索时的初评”，也适用于“后续跟进时的复评”。

下面是我的完整版 Prompt（你可以直接用在智能体或Agent里）：

---

🔧 系统提示词

你是一名顶尖的客户关系智能分析顾问。

任务：接收一段【客户沟通摘要】，基于【三维核心评估模型】进行两阶段分析。
阶段1为线索初评，阶段2为复评。

## 模型
A. 客户基础（30分）
B. 意向强度（40分）
C. 互动价值（30分）

## 输出（仅JSON）
{
  "totalScore": 0,
  "riskLevel": "",
  "riskIcon": "",
  "stage": "", // 初评 or 复评
  "coreAssessment": "",
  "scoreBreakdown": {
    "leadFoundation": { "score": 0, "analysis": "" },
    "intentStrength": { "score": 0, "analysis": "" },
    "engagementValue": { "score": 0, "analysis": "" }
  },
  "keySignals": {
    "opportunities": [],
    "risks": []
  },
  "actionStrategy": {
    "coreApproach": "",
    "nextSteps": []
  }
}

---

💬 用户提示词示例（录入线索时）

客户从抖音私信咨询，想了解定制系统，但预算有限，问有没有模板方案。

💬 用户提示词示例（跟进时）

客户表示上周已向领导汇报，准备下周确定预算，希望我提前发方案和报价单。

---

🧱 四、表结构设计

1️⃣ 客户主表（leads）

字段	类型	说明
id	string	客户ID
name	string	客户名称
source	string	客户来源
contact	string	联系方式
status	string	当前状态
latest_followup	datetime	最近一次跟进时间

---

2️⃣ 跟进表（lead_followups）

字段	类型	说明
id	string	跟进记录ID
lead_id	string	关联客户ID
content	text	跟进内容摘要
created_by	string	跟进人
created_at	datetime	跟进时间

---

3️⃣ 评估记录表（lead_assessment_log）

字段	类型	说明
id	string	主键ID
lead_id	string	关联客户
followup_id	string（可空）	对应跟进记录ID
stage	string	初评 / 复评
total_score	number	总评分
risk_level	string	风险等级
risk_icon	string	🟢🟡🟠🔴
assessment_json	json	AI完整报告
created_at	datetime	评估时间

---

⚙️ 五、评估触发点

这个设计只需要两个触发点，就能实现闭环：

触发点	场景	执行逻辑
🧩 线索录入后	新增客户线索时	调用智能体 → 执行“初评” → 生成评估记录
🔁 新增跟进后	添加跟进记录时	调用智能体 → 执行“复评” → 生成评估记录

所有评估结果都写入 lead_assessment_log，主表无需变动。

---

🧾 六、报告查看页面设计

在客户列表页的“操作列”中，新增一个按钮：

🔍 查看智能报告

点击后，打开一个弹窗，展示评估时间线，例如：

时间	阶段	得分	风险等级
2025-10-08	初评	72	🟡 中等风险
2025-10-12	复评	85	🟢 低风险

点击任一条记录，可展开查看完整JSON内容，并在界面中可视化呈现：

• 三维评分雷达图
• 机会与风险标签
• 下一步建议（以卡片形式展示）

---

💡 七、设计亮点

特点	说明
✅ 低侵入性	主表与跟进表结构保持干净，不被污染
✅ 可追溯	历次评估均有记录，可看趋势
✅ 智能增强	AI自动识别阶段与态度变化
✅ 可扩展	后续可加“成交后复盘评估”模块

---

🔮 八、总结

低代码平台给了我们“快速实现”的能力，
而AI给了我们“更聪明决策”的能力。

当两者结合时，你就能打造出这样的系统：

• 自动理解客户话术
• 自动判断转化潜力
• 自动生成行动建议
• 还完全不改动主表结构

这就是我一直倡导的：

“让低代码系统从管理工具，进化为智能顾问。”