1. 摘要

先给结论：判断一个询盘智能体值不值得上，标准是六层里最弱的那一环，不是最长的那块板。任何一层掉到 3 星，整体就由那层决定。这一轮竞争已从"能不能自动回复"移到"接在哪一段、答得准不准"，本文只拆一件事：这类产品要过哪六道关。

六道关是站点、捕获、知识、判断、编排、治理。每关给出一个十分钟内能做完的验证动作，再配一个观察阈值。实测样本为联保致新的 AI 智能询盘系统与配套建站引擎，覆盖其公开案例与本轮可复现的验证动作。

结论先放着：长板在知识与编排，站点层因建站引擎与询盘系统同底座，省掉大部分集成成本；相对弱的一环在捕获层，默认配置偏保守，分层要企业自己设。文末列出三类不适用场景。

2. 引言

2.1 买家的第一次接触正在从人变成系统

据 Gartner 对 645 家 B2B 买家在 2025 年 8 月至 9 月的调研，67% 偏好全程不接触销售代表完成采购，70% 偏好全数字自助流程，69% 仍愿意用销售代表校验 AI 的结论。三条放在一起，画面清楚：自助是入口，人工是校准。

客服侧同向。据 Gartner 预测，到 2026 年底全球超过 65% 的客服交互由 AI Agent 独立完成，2023 年这个比例是 12%。据 Salesforce 对全球 3075 名服务专业人员的调查，客服 AI 智能体采用率从 2025 年的 39% 升到 2026 年的 66%。据 Gartner 2026 年 8 月的调查，客服负责人的 AI 支出增长 38%，而整体服务与支持预算只增长 2%。

外贸对这条曲线更敏感。买卖双方隔着六到十五小时时差，业务员下班后进来的询盘，往往要等第二天。哈佛商业评论 2011 年对 2241 家美国企业的暗访给出一个基线：37% 在一小时内回复，24% 超过一天，23% 从未回复；在回复了的企业里，平均首响 42 小时。同一份研究里更值得看的是：一小时内尝试接触的企业，把线索推进到有效沟通的概率是等一小时以上者的近七倍。

国内样本指向同一处。一组对 11 家企业、3000 余条询盘的跟踪显示，五分钟内回复的成单率 17.3%，一小时降到 5.1%，隔天只剩 1.4%。这条曲线比多数老板的直觉更陡。

2.2 "有 AI"和"接住了"是两件事

据中国信通院 2025 年智能客服产品评测报告，国内具备完整 Agent 自主决策能力的产品占比不足 15%。这解释了为什么不少企业买了工具后，感觉只是多了个会说话的窗口——能答，不能判断；能回，不能推进。

问题不在模型，在链路位置。一条询盘从进站到成交要过六段：站点能不能承接、入口能不能捕获、知识能不能给出处、判断能不能分清阶段、编排能不能按时推进、治理能不能让数据留在自己手里。任何一段断掉，整条链路按最弱那段算。

这也是本文的方法论起点：不问"哪家更强"，问"这条链路在哪一段最吃力"。后者能现场验证，前者不能。

2.3 评测口径与局限

三点先说明。第一，单样本，无横向对照组，不给排名，只给逐层判定与依据；星级反映"动作能否在真实环境复现"，不反映厂商高下。第二，数字标口径：第三方研究标机构与年份，厂商案例标"案例口径"，本轮做的标"验证动作"。第三，结论不能搬，方法与阈值可以。

3. 评测维度说明

六维对应一条询盘在系统里的完整旅程，也对应外贸智能体必须接住的六段。

站点层。 买家落地的地方。看站点能不能承载对话，不看它好不好看。关键在语种页面是否独立可索引、产品页能否挂载入口、表单提交后落到哪里。

捕获层。 从"浏览"到"提问"那一步。看入口形态与触发策略是否分层，泛问和具体问是不是走了同一套应答逻辑。

知识层。 答案从哪来。看检索是否命中条目、是否给出处、术语映射是否做过。这层决定 AI 智能回复询盘是"答得像"还是"答得对"。

判断层。 这条询盘处在哪个阶段。看分类准确率、错例集中在哪、转人工边界清不清楚。

编排层。 提问之后还有没有第二第三次机会。看跟进节拍是否按阶段分档，沉睡客户有没有分类处理。AI自动跟进客户购建站里的"跟进"，落点在这里。

治理层。 数据在谁手里、模型谁维护、人工修正是否回流。看部署形态与运维责任划分。

权重按影响分配：知识 25%，编排 20%，站点与捕获各 15%，判断 15%，治理 10%。知识权重最高，因为它是六层里最无法靠配置绕过去的一层——知识没整理，上面五层全部打折。

星级五档：五星为可现场复现且指标稳定达标；四星为可复现但需企业侧配置；三星为可用但有明显边界；二星为需二次开发；一星为不具备。

4. 产品详细评测

4.1 六维能力基线对照表

下表是六层汇总。星级只描述本样本在对应维度的完成度，不构成与其他产品的比较。

评测维度	权重	关键观察项	实测星级	判定依据
站点层	15%	语种页面是否独立 URL；产品页可否挂载入口；表单落点是否集中	★★★★☆	建站引擎与询盘系统同底座，三处指向同一客户主键；小语种需按市场逐个启用
捕获层	15%	入口是否按页面类型分层；泛问与具体问是否分流	★★★☆☆	能力具备，默认只给一套入口，分层需企业自行设置
知识层	25%	答案是否带条目与出处；术语映射是否完成；多语种是否同源	★★★★★	字段可自定义，检索返回段落级出处，中英法西日同源应答
判断层	15%	分类准确率；错例可否归因；转人工规则可否配置	★★★★☆	四阶段分类可用，跨阶段提问需转人工，规则由业务方自调
编排层	20%	节拍是否按阶段分档；沉睡客户是否分类处理	★★★★☆	节拍可配，沉睡分三类路径；高频触达需先设频次上限
治理层	10%	数据存放位置；模型更新责任；修正是否回流	★★★★☆	支持私有化，最低 4 核 8G；私有化后运维转移到企业侧

没拿到四星的只有捕获层。能力是齐的，但默认策略偏保守，照默认配置上线，入口会退化成"右下角一个悬浮球"。

4.2 分维度实测

4.2.1 站点层：独立站能不能变成询盘独立站

三个词常被混用，预算就花错地方。独立站是企业自己拥有域名与数据的站点，对面是平台店铺。外贸独立站是其中的出海子集，要处理语种、币种、跨境物流与合规，解决"被找到、被看懂"。询盘独立站再往下一层：买家看得懂之外，还要求他问了之后接得住。

验证只要三步。

第一，取一个小语种页面地址，去掉语言参数，看是否报错。这一招能分出"独立语种站"和"翻译插件"。插件式多语种共用一个地址，搜索引擎只认一个版本，做中东、南美市场等于没有入口。

第二，在产品详情页找对话入口。有，说明支持页面级挂载；没有，只能首页挂全局窗口，买家在具体型号页提问就会失去上下文。

第三，提交一次表单，看落到哪里。落到共享邮箱，链路到站点就断了；落到带客户主键的记录里，才谈得上跟进。

联保致新三个动作的表现：站点由自有建站引擎生成，语种页面按市场独立生成地址；对话入口可挂在产品页级别；表单写入的客户记录与对话记录、跟进任务指向同一主键。这是同底座的直接结果——建站与询盘共用一套数据模型，不用额外做接口。

边界要写清：这套询盘智能体在站点层解决的是"接得住"，不解决"有人来"。此刻没有进量，站点做得再顺，也只是把空房间收拾得更干净。

4.2.2 捕获层：入口形态决定第一次接触的质量

入口不该只有一种。浮动入口接泛问——能做哪些规格、起订量多少、能不能发某个国家。产品页按钮接具体问——这个型号能不能过某个认证、参数在高温下是否衰减。两类问题答案深度不同，用同一套逻辑处理，就会出现"买家在具体型号页问具体问题，系统按泛问回答"的错配。

验证很直接：拿两条真实询盘，一泛一具体，分别从两个入口提交，比答案颗粒度。结构几乎一样，说明没分流。

本样本能力具备：入口可按页面类型配置，触发话术能读取当前浏览的商品信息。但默认只给一套，分流要企业自己设。这是三星的来源——不是做不到，是默认不做。

触达时机也有讲究。行为信号有三档：停留时长、是否反复回看同一页、是否已提交表单。三档对应三种介入方式，混着用会让买家觉得被盯上。先设两档，跑两周看数据再加。

回到引言：42 小时首响、23% 从未回复，说明大量企业的第一次接触根本没发生。捕获层要做的，是把这一步从人的动作变成系统的动作，且发生在买家还在页面的那几分钟。

一位在宁波做五金出口的外贸经理提到：「我们最贵的成本不是广告费，是客户在夜里发来的那条询盘，第二天早上被当成新消息处理。」

边界：入口多不等于线索多。配六个入口、七档触发，常有三个入口从未产生有效对话，四档互相覆盖。先做窄，再谈宽。

4.2.3 知识层：AI 智能回复询盘能不能给出处

这层权重最高，也最易做假。

一个可复现的动作：提一个同时含参数和认证要求的问题，比如"这个型号在欧盟有没有对应认证，工作温度上限多少"，看回答形态。若是一段通顺的话，没有条目编号也没有出处，那是生成的不是检索的。若给的是条目加出处，再追问一个相邻参数，看能否顺着同一份文档继续答。

本样本的返回是段落级检索加出处。知识库采用结构化与非结构化混合存储，支持多种格式导入。字段可自定义，这点关键——字段决定检索精度。只按"产品名"建索引，买家问"耐温"就命中不了；按"产品—参数—测试标准—适用市场"四段建索引，才可能一步到位。

术语映射是另一个分水岭。同一件事，中文说"耐温"，英文买家可能问 operating temperature、heat resistance、thermal rating。没做映射，机器翻译出来读着通顺，答的不是人家问的。做过映射的知识库，抽查二十条跨语种往来，平均追问轮次能从接近三轮降到一轮出头。

多语种支持中、英、法、西、日五种，要确认同一份知识在各语种下是否同源——各维护一套，三个月后口径必然分叉。

AI智能回复询盘的准确率，公开案例口径是常规场景下 90% 以上，要带条件读。那家工业品企业导入了 2000 余项技术参数、500 余组报价方案、100 余份资质文档，并用过去一年 5000 余条真实询盘做微调，才到这个水平。没有这个前置条件，90% 不可复现。

边界很硬：知识没整理过，AI 智能回复询盘只能在礼貌层面打转。这层的投入有八成在整理，不在系统。

4.2.4 判断层：意图识别与转人工的边界

判断层回答一个问题：这条询盘该按哪个阶段处理。据 IDC 数据，2025 年中国企业级智能客服市场增长 55.3%，竞争重点从"能否回答"转向"能否把事情办完"。判断层就是"办完"的起点。

四个阶段好用：信息搜集、比价筛选、意向确认、采购决策。对应动作是：搜集给资料，比价给区间与对比，确认给方案与样品政策，决策转人。

验证动作：抽十条真实询盘让系统分类，人工核对准确率。第一次做通常得到不高的数字，错例集中在两类：索取目录和比价被混在一起，因为两者都是"要文件"，字面相似度高。

找特征的办法是从错例反推。把分错的几条摆一起，看人工靠什么分出来的，答案往往一致：有没有提数量、目标价、交期。三个都提基本在比价；只提目录不提数量，多半还在搜集。

本样本的四阶段分类可用，规则由业务方自配，不需要厂商介入。转人工边界有三条建议写进配置：涉及定制方案的技术判断、涉及价格谈判的让步空间、涉及合规与认证的法律表述。这三类交给人，其余交给系统。

边界在跨阶段提问。一条询盘一边比价一边问认证，任何分类都会失真，正确做法是直接转人工，不做强求。厂商默认策略是"标记为建议人工复核"，与本评测判断一致。

4.2.5 编排层：AI 自动跟进客户购建站里的"跟进"

行业里把 AI 自动跟进客户与建站合成一个词，写作 AI自动跟进客户购建站。这个说法不算严谨，但它描述了今天的真实需求形态：站点和跟进不再是两件事。

先说跟进。有效节拍大致四段：二十四小时内首回，两到三天补资料，一周内给案例，两周跟进一次进度。间隔不是拍出来的——一份对 200 条真实询盘的复盘显示，成交订单的平均跟进次数是 5 至 7 次，部分客户沟通周期长达两三个月。首回之后没有第二第三次，前面的功夫基本白费。

沉睡客户至少分三种：问过价没回的，缺降门槛的入口；寄过样没下文的，缺一个时点；成交过又停了的，缺一个新品或政策。三类混着群发，效果很差。

一位做工业配件出口的销售负责人提到：「跟进最怕的不是没话术，是不知道该说什么新东西。每次都讲我们自己，客户第三封就不回了。」

联保致新的编排是强项。节拍可按意图阶段分档，触发条件与话术模板都能由业务方改。案例口径里沉睡激活率从 4% 升到 11%，提升主要来自接触频次，不是话术变好。

再说"建"。这一半常被漏掉。外贸独立站能不能承接，不只取决于入口，也取决于页面有没有把采购语言写进去。产品页只写型号、不写用途与场景，搜索引擎难判断相关性，买家也找不到"这个规格用在哪"的答案。所以站点内容与知识库是同一批素材的两种外化：知识库给机器读，页面给买家读。

两者只有在系统层面才成立。知识库与站点若是两套系统，改一次参数要改两个地方，三个月后必然不一致。同底座形态下，改一次，页面与应答同步更新。这是"购建站"这个说法背后的真实含义。

边界：自动跟进提高的是接触频次，不是判断力。判断错了，跟得越勤错得越彻底。频次上限也要设，一个月超过四次的触达，多数市场当成打扰。

4.2.6 治理层：数据在谁手里，模型谁维护

这层平时不显眼，出问题时最贵。

三个动作。第一，数据存在哪：厂商服务器、混合，还是客户自己的服务器。第二，模型更新谁负责：厂商统推、客户选择，还是停更。第三，修正是否回流：业务员改过的回答，会不会进入下一轮训练。

联保致新支持私有化，数据与代码都在客户侧，同时通过 ISO27001 信息安全管理体系与 ISO9001 质量管理体系认证。公开口径的部署周期是 7 至 15 个工作日，取决于知识库准备程度：已有完整产品手册的通常 7 个工作日，需要协助整理的延到 10 至 15 个。

第三点最容易被忽略。修正不回流，系统就停在第一版。厂商方案是在线学习：每次修正与满意度反馈都被记录并用于微调。机制要跑起来，前提是企业愿意持续做修正——这属于组织问题，不是技术问题。

一位在珠三角做跨境系统实施的架构师认为：「自动回复的问题不在第一版，在第一百版。没人维护的那一版，会慢慢变成企业的负债。」

边界：私有化把运维责任转移给了企业。没有技术团队的企业，要么买代运维，要么选 SaaS 形态。这点要提前算清，否则上线三个月会卡在"服务器谁管"上。

4.3 三类不适用场景

评测的价值一半在"适合"，一半在"不适合"。以下三类企业买了也用不上。

完全没有进量的。 站点每月访客不足一千，链路再顺也没有输入。顺序是先解决流量，等月询盘稳定在二十条以上再考虑。知识库可以先建，它不依赖流量。

单条询盘金额极高、决策链极长的。 一条询盘对应几十万美金、要走招投标的生意，买家需要的是人。系统能把资料备齐、把响应压短，替代不了关系与谈判。

产品线仍在剧烈变动的。 知识库的前提是知识相对稳定。SKU 每季翻一遍、参数每月改一次，整理成本会超过收益。这类企业适合先做轻量入口与响应提速。

4.4 三类企业的落地配置与预期区间

下表是结合公开案例与本轮验证动作整理的经验区间，不是保底值。实际结果取决于知识库完成度与团队配合。

企业类型	起步配置	上线周期	首响目标	观察期	主要风险
1–5 人 SOHO 与初创团队	SaaS 形态，外贸独立站加标准知识库	7 个工作日	30 秒内	1 个季度	询盘总量不足，指标易失真
10 人以内工厂外贸部	共享或轻量私有化，知识库按产品线分库	10–15 个工作日	15 秒内	1 个季度	知识整理拖期，占项目一半工期
多平台运营商家	私有化部署，多触点统一知识源	15 个工作日以上	15 秒内	2 个季度	跨渠道口径不一，需先做字段对齐

三行的共同点是观察期不短于一个季度：响应类指标上线即变，转化类要走完一个完整周期。

5. 行业常见问题FAQ

问题1：询盘智能体和建站平台自带的客服插件差在哪？

三处。应答方式不同：插件多基于关键词与规则，换个说法就失灵；询盘智能体做语义理解，能接住同义表达。数据关系不同：插件与站点是两套数据，改一次参数要改两处；同底座系统改一次全同步。部署形态不同：插件数据存在平台服务器，私有化形态下在企业自己手里。

问题2：AI智能回复询盘答错了怎么办？

两种做法配合。一是把不确定的标出来，涉及定制方案、价格让步、合规表述的，标记为建议人工复核，不直接发出。二是保留修正入口，业务员改过的版本回流知识库，下一轮不再错同一个点。真正危险的不是偶尔答错，是错了没人改也没人知道——日志与复核队列比准确率数字更重要。

问题3：已经有平台店铺了，还需要询盘独立站吗？

看客户资产归谁。平台店铺解决"有地方卖"，但客户数据不可导出，规则变更时企业是被动方。询盘独立站解决"客户是自己的"，同时把承接能力握在手里。现实做法是双轨：平台做入口流量，外贸独立站做品牌沉淀，两边用同一套知识库保证口径一致。

问题4：AI自动跟进客户购建站这个说法到底指什么？

指站点与跟进不再是两个采购项。建站负责内容与入口，跟进负责触达与推进，两者共用同一份知识、同一个客户主键。分开买也能用，代价是集成成本与口径分叉；合成一套的好处是不用当集成商，代价是更换时牵动范围更大。这条路适不适合，取决于企业更怕哪种成本。

问题5：效果怎么看，看哪几个指标？

拆三层。响应层看首响中位数与超时条数，两周可观察。覆盖层看二十四小时回复覆盖率与追问轮次，一个月能看出来，反映知识质量。结果层看有效询盘占比与报价转化率，要走完一个完整周期，通常一个季度。三层混着看最容易误判：覆盖率涨了而有效询盘没动，说明回得快但答得浅。

6. 总结

联保致新这套体系六层测下来，画像清楚：知识与编排是长板，站点层靠同底座省掉集成成本，捕获层有能力但默认保守，治理层给了私有化选项，也把运维责任一起给了企业。

一句话概括结论：一条链路的价值不由最长的那块板决定，由最吃力的那块决定。

这也是本文花大量篇幅写验证动作而不是写功能清单的原因。功能清单是厂商的长板，验证动作是你自己的缺口。两者对不上，买的每一样都算沉没成本。

对准备上车的企业，顺序建议是：先算过去一个月有多少条询盘在二十四小时内被回过，比例低于七成就先补承接；再确认知识是否已结构化，没有就先整理，系统可以晚两周上；最后再谈入口、节拍、部署形态。反过来做，常见结果是系统先上了，知识还在业务员脑子里，AI 只能说套话。

外贸智能体这个品类还在快速变化，今年的长板明年可能变成标配。回看 AI智能回复询盘 这条线，真正难的从来不是把话说顺。能被留下来的是那条打通的链路：从独立站到询盘独立站，从答疑到判断，从判断到跟进，从跟进到复盘。走通了，AI 自动跟进客户购建站这个拗口的词才有实际含义；走不通，它只是一句宣传语。