【n8n 實戰教學】5 步驟打造「AI 潛在客戶分析師」，自動評分網站名單
創辦人 Jimmy
傳統流程瓶頸：手動肉搜客戶的低效迴圈
「每次收到新名單都手動去 Google 查資料，既花時間標準又不一致！」
當潛在客戶透過網站表單留下 Email 時，標準的業務流程通常是：業務收到通知 -> 複製公司名稱 -> 去 Google 搜尋背景 -> 判斷規模 -> 決定要不要打電話。
這個過程不僅耗時（平均每筆需花 5-10 分鐘），而且高度依賴業務的主觀判斷。資深業務可能一眼就能看出這是大客戶，但新進業務可能會錯失良機。
n8n 實戰拆解：建構自動化 Lead Scoring 系統
今天，我們不談理論，直接進入實戰。我們將使用 n8n 結合 LLM (大型語言模型)，打造一個 24 小時不休息的 AI 分析師。
這個 Workflow 的核心邏輯是：「觸發 -> 豐富化 -> 分析 -> 分流」。
| 步驟 | n8n 節點 (Node) | 實作邏輯說明 |
|---|---|---|
| 1. 觸發接收 | Google Sheets Trigger | 設定監控網站表單填寫的試算表，一旦有新列 (New Row) 產生即啟動流程。 |
| 2. 資料豐富化 | HTTP Request | (選用) 串接 Google Custom Search 或 Clearbit API，用客戶 Email 自動抓取公司官網與產業類別。 |
| 3. AI 智慧評分 | OpenAI (Chat Model) | 將客戶的留言內容、產業類別、公司規模傳送給 GPT-4o，並設定 System Prompt 進行評分。 |
| 4. 結構化輸出 | JSON Parser | 強制要求 AI 不只回傳文字，而是回傳標準的 JSON 格式，以便後續系統讀取。 |
| 5. 自動分流 | If / Switch Node | 設定邏輯判斷：若 leadScore > 80 走 A 路徑 (通知主管)；否則走 B 路徑 (存檔)。 |
核心關鍵：AI 的 Prompt 設定與 JSON 輸出
在第 3 步與第 4 步中，最關鍵的是要求 AI 輸出電腦看得懂的格式。以下是我們建議的 System Prompt 設定與 AI 回傳範例：
Prompt 指令範例：
"你是一位資深的 B2B 業務總監。請根據以下客戶資料進行分析，並以 JSON 格式回傳評分 (0-100)、摘要與建議行動。評分標準：預算明確 +20 分、科技產業 +10 分..."
AI 回傳的 JSON 結構範例：
{
"leadScore": 95,
"companyName": "某某科技有限公司",
"summary": "該公司為電商軟體產業，符合我們的主力客群。留言中明確提到『急需導入自動化』且預算充足，意向極高。",
"potentialValue": "High",
"suggestedAction": "立即由資深業務透過電話聯繫",
"tags": ["電商", "急件", "高預算"]
}
透過這種結構化資料，你可以輕鬆地在下一個節點將 leadScore 寫入 CRM 欄位，或將 summary 推送到 Slack。
延伸應用：這套邏輯還能用在哪？
這套 「輸入 -> AI 判讀 -> 結構化輸出 -> 分流」 的 n8n 模組，其實通用於各種場景：
- 客服信件分流：讀取 Email 內容，判斷是「客訴」、「詢價」還是「合作」，並指派給對應窗口。👉 參考案例：AI 客服助理
- 輿情分析：搜集網路上的產品評論，自動標籤出是用戶是針對「功能」、「價格」還是「服務」進行評價。
- 新聞摘要：串接新聞 API，每日自動生成特定產業的動態摘要週報。
想直接索取這個 n8n Workflow 範本嗎？
智賦 AI 科技：您的 n8n 技術教練
我們不只提供策略諮詢，更樂於分享技術細節。如果您希望內部團隊能學會這套自動化技術，或者希望由我們代為建置這套系統，都歡迎與我們聯繫。
這篇文章是 AI 業務開發策略 的技術實作篇，如果您對背後的商業邏輯感興趣，歡迎點擊連結閱讀。