Cekat.AI

网站访客自动进 CRM:从 Visitor 到 Lead 到 Buyer

← 返回博客AI 智能体

网站访客自动进 CRM:从 Visitor 到 Lead 到 Buyer

Cekat AI

Cekat AI

CRM Chat AI

简短回答:网站访客最大的浪费不是没来,而是聊完就走——对话随标签页关闭一起消失。做法是让每次网站对话自动建一张 CRM 卡,把联系方式、对话全文和浏览行为写在同一处,再用 Visitor → Lead → Buyer 三个阶段推进。3,000+ 家企业在用的 Cekat.ai 就是这么把访客变成线索的。

CRM 中结合 AI 的聊天界面
示意图

网站流量的账很好算,线索的账很难算。广告后台告诉你今天有多少人点进来,客服工具告诉你今天有多少条对话,但很少有人能回答一个更基本的问题:上周来过网站的 400 个人,现在各自走到哪一步了。答不上来,投放就只能靠感觉加预算。

问题不在流量,在于访客和线索之间断了一截。访客聊完就走,客服工具留下一堆没有名字的会话,CRM 里空空如也。下面把这一截接起来:先给一张阶段表,再讲自动建档怎么做、阶段怎么设才不虚设、广告归因怎么打通,最后给三个交接给销售时必须带上的字段。

一、先看一张阶段表

阶段表的价值,是把”这个人算不算线索”变成一个可以判定的问题。判定条件必须机器也算得出来,不能靠客服凭感觉点一下。下面每一行都是一条可执行的规则。

阶段 进入条件(必须可判定) 谁负责 下一步动作 典型停留时长
Visitor 打开网站并发起对话,或留下邮箱、手机号 AI 客服 问清需求,拿到一个可触达的联系方式 几分钟到几天
Lead 有联系方式,且需求明确(品类、数量、期望时间) 人工客服 报价、发支付链接,或约定回访时间 1–14 天
Buyer 已付款,或有可核对的订单号 售后与运营 发货确认、签收回访、复购提醒 持续
销售漏斗各阶段的图示
示意图

表里最要紧的是第二列。写”有兴趣””有购买意向”这类词,阶段表就废了,因为没有人能判断什么时候算”有兴趣”。写”有联系方式且有明确需求”,任何一个客服当场都能判断,系统也能自动标记。这是阶段表能不能长期用下去的分水岭。

二、为什么大多数网站客服工具留不下线索

第一,对话留在工具里,不在客户档案里。访客点开聊天窗,问完价格关掉页面,记录还躺在客服工具的后台。换班的人进来,看到的是一堆没有名字的会话,既不知道对方是谁,也不知道问过什么。这种记录对销售没有用。

第二,匿名访客没有被识别。多数网站聊天工具只统计会话数,不要求留联系方式。访客不主动留电话,聊完就等于没来过。结果是会话量天天在涨,销售名单一动不动,两边都觉得自己没错。

第三,工具之间靠人搬。聊天在一个后台,客户资料在 CRM,订单在第三个系统。中间的连接靠客服复制粘贴,忙起来就漏,漏掉的那部分永远不会出现在报表上。你只知道线索少,不知道少在哪里。

这三件事叠在一起,就是很多团队”网站流量不错、线索却很少”的真实原因。不是访客不感兴趣,是感兴趣的访客没有被记下来。

三、自动建档:一次对话,一张完整的卡

自动建档的意思是:访客一开口,CRM 里就出现一张卡,不需要任何人手动输入。卡里至少有四类信息。第一类是身份与联系方式,手机号、邮箱,或者对话中出现的公司名。第二类是对话全文,AI 可以附一段摘要,让人三十秒看完重点。

第三类是浏览行为。访客从哪条广告进来、先看了哪个页面、在产品页停了多久、有没有点过价格表。这些行为单独看没什么,放在一起就能判断他是不是真的在比价。第四类是来源与归因,落到具体某条广告和某个关键词上,而不是笼统的”自然流量”。

还有一个容易被忽略的细节:同一个人回来第二次、第三次,应该合并到同一张卡上。靠同一个浏览器标识或同一个手机号做合并,避免一个客户在 CRM 里出现四张卡,销售各自跟一遍,客户被问了四遍同样的问题。

四、阶段怎么设才不会虚设

阶段虚设的典型症状是:销售永远在”跟进中”,一个月后回头看,卡片还停在原地。原因通常是进入条件写得太主观,或者根本没人规定谁在什么时候改阶段。把这两件事定死,阶段表就活了。

具体做法有三条。一是进入条件必须能验证。“已付款”可以验证,”有意向”不能。二是每一次阶段变化都记录时间和操作人。这样你才能算出从 Lead 到 Buyer 平均花了几天,哪一段最堵。三是回退也要有规则。客户说”先不买了”,应该退回 Lead 并打上原因标签,而不是删卡——三个月后这批人是最好的召回名单。

还有一条实践中的建议:不要让阶段数量无限膨胀。Visitor、Lead、Buyer 三个就够用,需要更细的信息用标签补充,比如”已报价””等回款””需要发票”。阶段负责流程,标签负责描述,混在一起两边都会失控。

五、广告归因:从点击到成交的完整链路

没有归因,你只能看到”广告带来多少点击”和”这个月成交多少单”,两件事对不上。中间那条链路是:点击广告 → 落到某个页面 → 发起对话 → 留下联系方式 → 成交 → 把成交事件回传给平台。每一步都要有标记,链路才连得起来。

第一步是 UTM。所有投放链接统一命名规则,来源、媒介、活动、素材各占一个参数,不要今天写 facebook 明天写 fb。第二步是网站追踪,记录访客落地页、浏览路径和对话发起位置,和 UTM 自动关联。第三步是转化回传,把”成交”这个事件按平台要求回传给 Meta 或 TikTok 的转化接口。

第三步最容易被跳过,但它恰恰决定了后面几个月的投放效率。如果只回传”有人点进来”,平台的优化目标就停在点击上,它会不断给你找爱点广告的人,而不是会下单的人。把成交事件回传之后,同样的预算,算法优化的方向完全不同。

把客户数据从表格迁进 CRM
示意图

六、交接给销售的三个字段

AI 把访客带到 Lead 之后,要交给人工。交接最忌讳的是一句”有个客户问产品”,销售得从头再问一遍。下面三个字段必须写进卡片,缺一个销售就会多花十分钟。

  • 需求摘要:要什么、要多少、什么时候要。三句话以内,写成销售能直接念出来的样子。
  • 来源与归因:哪条广告、哪个落地页、搜了什么词。这决定了销售第一句话该说什么。
  • 下一步动作与时间:谁、在什么时候、做什么。比如”今天 18:00 前发正式报价,客户明天上午回复”。

对话全文不用复制进摘要,销售点开卡片就能看到。真正要提炼的是结论,不是过程。把这三个字段固定下来,新销售上手第一天就能接手老线索,团队扩张时不用重学一遍流程。

七、一个把漏斗看清的例子

HolyWings 是印尼的餐饮品牌,门店多、线上咨询量大,早期的问题和很多团队一样:消息很多,但没人说得清客户在哪一步流失了。他们把各渠道咨询收进一个收件箱,自动回复处理高频问题,复杂的转人工,并给每条对话打上来源和阶段标签。

客户报告值:成交转化 6%–10%,平均响应时间低于 3 分钟,漏斗可见度超过 90%。这三个数字由客户统计,不是行业均值,也不代表你的团队能拿到同样结果。它的价值在于说明一件事:当访客从进入到成交的每一步都被记下来之后,优化才有下手的地方。看 HolyWings 案例全文。

八、常见问题

访客不留联系方式怎么办?

用价值换信息,不要用表单逼信息。先回答完他的问题,再以”发详细报价”或”到货通知”为由要手机号,留资率会明显不同。

同一张卡上要放多少信息才算够?

够销售直接开口就行:联系方式、需求摘要、来源归因、下一步动作。信息太多反而没人看,摘要控制在三句以内。

阶段可以多于三个吗?

可以,但先问清楚多出来的阶段由谁负责、什么条件进入。答不上来就用标签代替,阶段越少越容易坚持用。

没有广告投放,还需要 UTM 吗?

需要。内容、社群、包裹卡、线下二维码都要能区分开,否则你永远不知道哪条路最省钱。

AI 自动建档会不会重复建卡?

取决于合并规则。按同一手机号或同一浏览器标识合并,并在卡片上保留全部历史对话,就不会出现四张卡的情况。

转化回传会不会涉及隐私合规?

只回传成交事件和必要的标识字段,不回传对话内容,并在隐私政策里写清楚用途。合规细节要按目标市场的规定处理。

多久能看到效果?

建档和阶段当天就生效,归因链路通常要跑两到四周才有可比的数据,因为要等一批客户走完从点击到成交的完整周期。

把访客变成线索,不需要重做网站。Cekat.ai 的网站实时聊天组件复制一段代码就能挂上去,不用写代码,大约 5 分钟就能建好一个 AI 客服;它从你自己的知识库学习 SOP 和产品信息,不是通用话术;每一条对话自动落成 CRM 卡片,阶段和下一步动作由系统提示。访客从 Visitor 走到 Buyer,全程留痕,谁跟过、承诺过什么,一查就清楚。渠道也不止网站一个——WhatsApp、Instagram、Messenger、TikTok、邮件和短信都在同一个收件箱里,团队和 AI 看到的是同一份上下文。

想让每个进站的访客都留下记录,可以从功能介绍看阶段与自动建档的具体能力。名单分层和群发的细节,外包团队的线索管理写得比较细;做跨境自营的,私域运营链路可以一起看。想看不同套餐能覆盖多少会话和坐席,直接看套餐与价格。

相关文章

stressed-businessman-blamed-by-colleagues-at-office
AI 智能体

什么时候不该用 AI 客服:5 个诚实的场景

简短回答:AI 客服适合高频、标准、可批量处理的问题,不适合高客单纠纷、情绪激动的投诉、复杂定制报价、关系型 B2B,以及数据还没理顺的团队。这五种情况继续用人工更划算。诚实的做法是先判断适配度,再设计人工与 AI 的分工,而不是全都交给机器人。 最后更新:2026 年 10 月 · 作者:Cekat.ai 编辑团队 · 参考来源:Meta Business、DataReportal、Cekat.ai 客户案例 示意图 几乎所有 AI 客服的宣传都在讲”能省多少人”。很少有人讲反过来的问题:哪些对话不该交给 AI。承认这一点,反而更容易把工具用对,因为你知道它该站在什么位置。 下面先给一张适配度表,再逐条展开五种不适合的场景,每个都给判断标准和具体做法,最后讲混合分工怎么设计、成本怎么比、什么时候可以重新评估。 一、先看一张适配度表 判断一个场景适不适合 AI,看三件事:问题是否高频重复、答案是否标准、出错成本高不高。三条里满足前两条、第三条不高,基本适合;反过来就要谨慎。 场景 AI 是否合适 原因 替代做法 订单查询、营业时间 适合 高频、答案固定 AI 直接答,异常转人工 物流进度、退换规则 适合 有明确规则 AI 答标准部分,个案转人工 高客单纠纷 不适合 出错成本高 人工全程处理 情绪激动的投诉 不适合 需要共情与授权 直接转资深客服 复杂定制报价 不适合 需现场判断与议价 AI 收集需求,人工报价 关系型 B2B

Cekat AI
AI Customer Service
AI 智能体

聊天机器人 vs AI Agent:差在哪里,你的业务需要哪个

简短回答:聊天机器人按规则和关键词回应,适合固定、单一的问题;AI Agent 理解意图和上下文,能处理多轮对话、多语言和边界情况。两者的差别在理解方式、答不上来时的表现、语言覆盖、转人工方式和成本结构上。判断标准看三件事:月会话量、需要几种语言、客单价高低。 最后更新:2026 年 10 月 · 作者:Cekat.ai 编辑团队 · 参考来源:Meta Business、DataReportal、Cekat.ai 客户案例 示意图 “聊天机器人”这个词被用得太平了。同一个词既指网站上那个只会回答营业时间的小窗口,也指能查订单、能多轮沟通、能转人工的 AI 客服。两者价格差好几倍,能力也差好几倍,混在一起谈很容易买错。 下面按五个维度把两者拆开对比,再给一套按业务规模判断的标准。目标不是让你选贵的,而是让你知道自己在为哪种能力付钱。 一、先看一张对比表 表里最后一列是判断建议,可以直接对照自己的情况看。四列读完,基本能定位自己该用哪一类。 维度 聊天机器人 AI Agent 你该怎么判断 理解方式 关键词与规则匹配,命中才回应 理解意图与上下文,多种问法都能接 客户提问方式是否固定?不固定就该选 AI Agent 处理边界 答不上来就套固定话术,容易答非所问 识别超出范围,按规则收集信息并转人工 你的业务里”答错”代价大不大 多语言 每种语言单独建规则,成本成倍增加 同一份知识库服务多语言 服务两个以上语言市场,AI Agent 几乎是必选 转人工 通常只给一个联系方式,客户要重讲 带完整上下文转接,客户不用重复 有没有人工坐席?有就该要求上下文交接 成本结构 多为固定订阅,按机器人数量计费 按坐席、会话或 AI 用量组合计费 先算清月会话量和坐席数,再比总价 示意图 注意最后一行。成本结构不同,意味着”哪个便宜”这个问题没有统一答案。会话量小的团队,聊天机器人的固定订阅可能更省;会话量大、语言多的团队,按用量计费的 AI

Cekat AI
AI robots sitting at desks using laptops
AI 智能体

用你自己的 SOP 训练 AI 客服:为什么关键词机器人答不好

简短回答:关键词机器人靠匹配词表回答,词表越长越容易崩;基于知识库的 AI agent 靠理解意图和上下文回答,你写的是 SOP,它读的是意思。差别在多语言、维护成本和边界处理上最明显。把 SOP 按分节写清楚、写明例外和数值,再抽 30 个真实问题打分验收,答案质量就能稳定下来。 最后更新:2026 年 10 月 · 作者:Cekat.ai 编辑团队 · 参考来源:Meta Business、DataReportal、Cekat.ai 客户案例 示意图 很多团队第一次上客服自动化,都是从一个关键词机器人开始的。配置简单,见效快,前两个月体验还不错。到第三个月开始有人抱怨:客户问”能便宜点吗”它答”抱歉我不太明白”,客户问”什么时候能到”它答营业时间。于是团队开始加词表,加了几百条,问题反而更多了。 这不是配置得不够勤快的问题,是方法本身有天花板。下面讲清关键词机器人和知识库 AI agent 的差别、SOP 该怎么写、哪些内容必须写进去、哪些问题不该让 AI 答,最后给一套可以照着做的验收方法。 一、先看一张对比表 两者的差别不在”聪明程度”,在信息从哪里来。关键词机器人从词表来,AI agent 从知识库来。这一条决定了后面所有的差异。 维度 关键词机器人 知识库 AI agent 理解方式 匹配预设词和短语,命中即触发 理解意图与上下文,同一问题多种问法都能接 维护成本 每加一种问法就要加词,词表持续膨胀 维护知识库内容,改一次政策全渠道生效 多语言 每种语言、每种口语变体都要单独建词表 同一份知识库服务多语言,客户用什么语言就用什么语言答 上下文 基本不记前文,每句独立判断 能带上前面几轮的信息,不用客户重复 边界处理 答不上来就套固定话术,容易答非所问 识别超出范围,按规则收集信息并转人工 冷启动 快,几条词就能跑

Cekat AI
WhatsApp 咨询