一分钟看懂
外贸获客不能只盯新客户。很多公司花钱买流量、投平台、跑展会，却忽略了已经成交过、问过价、收过样品、沉默一段时间的客户。这些客户并不是“死客户”，只是没人知道什么时候该唤醒、该推什么产品、该由谁跟。AI 客户画像的价值，就是把客户历史行为转化为下一步动作，让老客户复购、加购和转介绍变成可管理的增长来源。
一、传统客户标签为什么不够用
很多外贸 CRM 都能打标签：大客户、代理商、重点跟进、价格敏感。但人工标签有三个问题：
- 更新慢：客户去年买A产品，今年转向B品类，标签未必同步变化。
- 主观强：不同业务员对“重点客户”的理解不一致，主管难以横向比较。
- 不能触发动作：标签只是备注，不会自动提醒复购、回款风险或新品推荐。
AI 客户画像不是多加几个标签，而是把客户资料、询盘、报价、订单、回款、邮件互动串成动态档案，并根据行为变化提示业务动作。
二、外贸 AI 客户画像的 6 个核心维度
| 画像维度 | 数据来源 | 能解决的痛点 |
|---|---|---|
| 采购能力 | 历史订单金额、采购频次、样单到大货转化 | 区分大客户、潜力客户和低价值客户 |
| 产品偏好 | 询盘产品、报价产品、成交产品、售后反馈 | 新品推荐不再靠群发，按客户兴趣推送 |
| 复购周期 | 上次下单时间、平均采购间隔、季节性订单 | 在客户真正需要前提前唤醒 |
| 价格敏感度 | 议价记录、折扣幅度、报价未成交原因 | 避免对所有客户采用同一价格策略 |
| 付款信用 | 账期、逾期、回款速度、坏账记录 | 客户开发和授信更稳，不盲目扩单 |
| 互动热度 | 邮件打开回复、询盘频次、样品反馈 | 识别正在回暖的沉睡客户 |
三、用 AI 找出三类被忽略的订单机会
1. 到了复购窗口的老客户
如果某客户过去每 90 天补一次货，系统在第 75 天就应提醒业务员准备库存、价格和新品资料。AI 可以根据历史订单周期和季节性变化，推算下一次可能采购时间。
2. 有加购潜力的品类客户
客户长期买某个品类，却从未买配套产品。AI 可根据相似客户的采购组合推荐加购清单，例如买主件的客户是否常买备件、买成品的客户是否需要包装耗材。
3. 有转介绍可能的稳定客户
连续多年合作、回款稳定、售后投诉少的客户，往往愿意介绍关联采购方或集团内其他分支。AI 可以把这类客户标为“关系拓展”，提醒业务员用感谢、案例、联合开发等方式推进。
四、客户唤醒不能只靠群发邮件
沉睡客户唤醒最怕一封通用邮件发给所有人。更好的做法是按画像分层：
- 复购型客户：提醒上次采购产品的库存周期，附上交期、价格有效期和备货建议。
- 新品匹配客户：只推荐与历史采购相关的新品，不发全目录。
- 价格敏感客户：强调阶梯价、拼柜、付款条件和库存现货。
- 高信用客户：可由主管参与，讨论年度框架、代理区域或联合开发。
落地建议：让 AI 先生成唤醒理由和邮件草稿，业务员根据真实关系微调。外贸客户信任来自连续的专业跟进，而不是机械群发。
五、从客户画像到 CRM 动作闭环
- 客户资料集中：所有客户归入 外贸 CRM，统一公司、联系人、国家、来源和归属。
- 业务数据打通：询盘、报价、订单、回款、售后和邮件都挂回客户档案。
- AI 自动分层：按价值、活跃度、风险、复购窗口生成客户池。
- 任务自动触发：复购提醒、加购推荐、账期风险、客户流失预警进入日程。
- 结果回写画像：客户是否回复、是否下单、是否转介绍，继续更新下一轮判断。
这个闭环跑起来以后，主管不再只问“这个客户有没有跟”，而是能看到“哪些客户该今天跟、为什么跟、跟完有没有结果”。
AI 客户画像常见问题
AI 客户画像和普通客户标签有什么区别？
普通标签多靠人工填写，容易过时。AI 客户画像会结合询盘、报价、订单、回款、邮件互动和产品偏好持续更新，能提示客户价值、复购周期、流失风险和下一步跟进建议。
老客户复购为什么也算获客？
对外贸企业来说，老客户复购、加购和转介绍的成本通常低于重新获取陌生客户。把沉睡客户唤醒，本质上是在已有客户资产里挖新增订单。
AI 客户画像需要先准备哪些数据？
至少要有客户基础资料、询盘记录、报价记录、订单记录、回款记录和邮件往来。数据越完整，画像越能反映真实采购能力和合作风险。