2026 年的获客玩法,跟 2022 年几乎完全不是一回事。过去十八个月里,两件事彻底改变了游戏规则:大语言模型的单 token 成本下降了大约五十倍;几乎所有面向消费者的平台都泄漏了足够多的公开信号,让你能直接判断「谁此刻正在考虑买」。这两个变化叠加,意味着旧的「拼量」打法已经死了,新的「拼信号」打法接替上来。本文是写给操盘手的实战手册——做什么、不做什么、怎么知道有没有效果。
2025-26 年到底变了什么
三个结构性变化最关键。第一,推理成本。同样跑一百万 token,2024 年初要十五美元左右,今天不到一美元。这把「补全资料、打分、个性化」从奢侈品变成了默认动作。第二,信号供给。招聘页、公开评价、技术支持论坛、GitHub 活跃度、播客嘉宾名单、会议参会名单,加上二十多个社交平台,现在公布的元数据已经足够让你不碰任何私域数据就推断购买意向。第三,买家的防御能力突飞猛进。收件箱有 AI 三重过滤,LinkedIn 自动屏蔽模板化外联,表单背后有专门针对机器味文案训练的隐形 reCAPTCHA。拼量打法逆水行舟,信号打法顺水推舟。
结论很简单:2026 年赢的团队,在「量」上花的钱少一个数量级,在「相关性」上多花一个数量级,最后净 pipeline 大约是原来的三倍。
现代获客的五个阶段
所有还在跑通的获客系统都让客户依次走过五个阶段,每个阶段任务不同。把任务搞混,你就会建出那种 dashboard 看着漂亮、就是不出单的 pipeline。
- 挖掘 Sourcing:找出候选客户。输入是一个搜索空间(比如「东南亚 50-500 人规模的 DTC 护肤品牌」),输出是一份原始账号/人名清单。这阶段最便宜,也最容易过度自动化。
- 补全 Enrichment:补上判定所需的事实。员工数、融资阶段、技术栈、近期媒体报道、招聘信号、公开发言。目标是把一个名字变成一份资料,密度足以让人或模型评分。
- 打分 Scoring:对照 ICP 和当下的意向信号给每条线索排序。这一步最能体现 AI 价值。一个合格的打分层应该砍掉 80-90% 的挖掘结果。
- 外联 Outreach:在客户真正会回应的渠道做第一次接触。2026 年很少有纯邮件能打通的,主流配置是邮件 + LinkedIn + 短信 + 语音,有时加 WhatsApp。
- 交接 Handoff:把有回应的线索连同完整上下文塞进 CRM 工作流,让人去成交。前四步创造的所有价值,都可能毁在交接环节。
常见的错误是单独优化某一阶段。整条流水线只跟最慢、最差的那一节一样好。挖掘做得再漂亮,外联拉胯,单位经济一样烂。
AI 擅长什么,在哪儿悄悄翻车
在这条流水线上,AI 真正擅长的是四件事:把非结构化的公开数据解析成结构化字段;根据书面 ICP 做意向分类;起草个性化的首次接触文案;按预测转化概率给候选客户排序。这四件事上,调教过的模型在成本和速度上远胜人工 SDR,质量也大都持平或更好。
AI 真正不擅长的也有四件,而且份量同样重:判断一段关系成熟到可以约会议的时机;在多决策人采购委员会里穿针引线;在六周销售周期里维持上下文连续性;识别什么时候客户需要的是一句诚实的回答而非又一封精致邮件。这些活儿仍然要靠人。想把这些也自动化的团队,产出的序列只会显得诡异,转化率甚至低于「什么都不发」。
可行的心理模型是「AI 做研究,人做关系」。其他玩法不是过度工程,就是不敢信任模型。
悄悄拖垮 pipeline 的五个错误
看过几千个客户工作流之后,我们总结出最常见的自残方式:
- 过度自动化:每周给一万个人发长得一样、只换名字的邮件。这种做法的回复率被吹成 0.5-1%,实际上接下来一整年都在烧你的发送方信誉。别干。
- 忽视投递率:我们审过的团队里有一半,SPF/DMARC 配错、域名年龄撑不起当前发送量、或者走的是早被烧黑的共享 IP。哪怕你写出全宇宙最棒的邮件,落进垃圾邮件箱就一切归零。
- 盯着回复率而非营收:回复率是虚荣指标。低契合度客户给你 12% 回复,远不如高契合度客户给你 4% 回复。永远要看下游数据。
- 跳过 ICP 这一步:大多数团队公司成立时写了一份 ICP,就再也没动过。你 2026 年真正最好的客户,几乎肯定不是 2022 年 ICP 里描述的那群人。每季度重写一次。
- 把 AI 打分当黑盒:销售团队不信任分数,就不会按队列工作,模型也就拿不到迭代所需的人工标签。每个分数都要把理由摊开,而不只是给个数字。
一个具体例子
这是我们 2026 年 Q1 给一家中端 HR 科技厂商跑的流程。九十天内,一个 SDR 跑出 187 条合格线索、14 单成交。
挖掘层:Anvil 抓取 LinkedIn、Indeed 和三个行业论坛,只盯两类信号——发布「人力主管」或「HR 总监」岗位的公司,以及员工公开吐槽现有 HRIS 的公司。爬虫每周吃下约四万条数据。
补全:每个候选账号补上员工数、融资阶段、当前 HRIS 推测(基于职位描述解析和公开评价提及)、最近三条媒体报道。DeepSeek-flash 负责解析,平均每个账号约 0.003 美元。
打分:DeepSeek-pro 模型对照客户花了两周打磨的书面 ICP 给每个账号打分,只有 75/100 以上的进入 SDR 队列。约 87% 的挖掘结果在这里被砍掉。
外联:对通过的账号,SDR 收到一页简报——信号是什么、契合点在哪、建议的对话切入、以及一封引用具体信号的首封邮件草稿。原样发出或改一改都行,大多数改动不超过一分钟。
交接:有回复的线索带着原始信号塞进 CRM 对应阶段,接电话的 AE 上手就知道这家为什么是 hot lead。SDR 到 AE 之间没有信息丢失。
真正值得看的不是 14 个成交,而是:SDR 工时反而下降、AE 每次电话准备时间省了大概两小时、合格线索成本压到 31 美元——用 Anvil 之前是 140 美元。
怎么衡量,以及该忽略什么
别在周例会一开场就报开信率、点击率、回复率,那是诊断指标,不是目标。真正重要的只有两个数:合格线索成本(CPL),以及合格线索到成交的转化率。其他都是输入项。
CPL = (工具 + 人工 + 投放) / 交付给销售的合格线索数。合格的定义是「符合 ICP,并且已经验证当下在考虑买」。弱于这条的(比如「打开过邮件」)只能算 MQL,不要按它编预算。2026 年的行业基准是:B2B SaaS 大约每条 SQL 40-120 美元,D2C 电商大约每条 SQL 8-25 美元。如果你高于这区间,问题在定位,不在量。
明天就能动手的事
如果你还在起步阶段,这周就做三件事:用具体信号(不是形容词)写一页 ICP;在发下一波序列之前先审一遍邮件投递率;选一个信号类型——招聘、抱怨、融资、产品发布——围绕它建一条小但可复制的工作流。把这条流跑到每周稳定出 10 条合格线索,再加新东西。
如果你已经在用 Anvil,接下来一个月每周新增一个信号源,跟踪 CPL 的变化。这种做法的复利强得反直觉:大多数转向「信号优先」的团队,第一季度 CPL 下降 50-70%。
结论
AI 没有让获客变得更容易。它只是让懒人版本的获客在商业上一文不值,让自律版本的获客比从前强得多。选自律。这样做的团队会一连复利好几年;还在拼量的团队每季度都在丢阵地——到这个时间点,差距已经大到可以从公开营收数据里看出来。