销售管理中有一个隐形但普遍的问题：客户分层靠感觉。销售A觉得客户M是"高意向"，理由是"他说话很热情"；销售B觉得客户N是"低意向"，理由是"他问了很多细节问题，可能是来套方案的"。管理者的客户池里，每个客户的跟进优先级往往取决于销售的主观判断，而非客观数据。
场景：客户池里的"迷雾"
某SaaS公司的CRM系统里有8000条客户记录，其中3000条是"待跟进"状态。销售总监想知道：这3000条里，哪些是真的有意向但还没成交，哪些只是礼貌性回复？团队每天花大量时间在低意向客户身上，而真正的高意向客户可能因为跟进不及时而流失。
更棘手的是人员流动。销售离职后，他手里的200个客户转给新人，新人打开客户资料，只有寥寥数语的备注，根本不知道该优先跟进谁、上次沟通了什么、客户关注什么。
功能：通话结束后AI自动打标签
仟客CRM的「客户AI标签」智能体在每次通话结束后自动启动，分析录音内容并生成多维度标签。标签体系包括：客户意向（高/中/低）、需求情况（需求明确/需求模糊/无需求）、购买能力（高/中/低）、决策角色（决策人/影响者/使用者）、风险点（投诉倾向/竞品倾向/价格敏感）。
标签不是静态的，而是随每次通话动态更新。如果客户第一次通话表现出高意向，但第三次通话开始提及竞品，AI会自动将"高意向"标签调整为"竞品倾向"风险标签，提示销售调整跟进策略。
企业可以自定义标签体系。比如保险公司可能关注"已有保单类型""家庭结构"；制造企业可能关注"年采购额""现有供应商"。AI在企业定义的标签框架下自动归类，而非使用固定模板。
价值：从"感觉"到"数据"
销售打开客户卡片，看到的不再是一句模糊的备注，而是一组有数据支撑的标签。高意向+高购买力的客户自动排在跟进优先级最前面，销售的时间分配更合理。
对于管理者，AI标签提供了客户池的健康度视图。可以看到整个团队的高意向客户占比、各销售的客户分层质量、以及哪些客户长期处于"中意向"但未转化状态（可能需要介入协助）。这些数据让管理者从凭感觉分配资源，转向基于数据的精准决策。
新人接手离职销售的客户时，AI标签提供了即时的客户画像，优先联系高意向客户，避免因不了解背景而从低价值客户开始跟进。
常见问题
Q: AI标签会出错吗？如何应对？
A: 会。AI基于语音转文字结果分析，口音、噪音、专业术语都可能导致误判。建议定期抽查AI标签准确率，并允许销售手动修正标签，修正后的数据可反哺模型优化。
Q: 客户标签会泄露给客户吗？
A: 不会。AI标签仅在企业内部的CRM系统中可见，客户无感知。
Q: 如果客户在不同通话中表现不一致，标签如何处理？
A: 系统保留标签变更历史，管理者可查看标签变化轨迹，理解客户意向的动态变化过程。
