在 AI 普及之前，调研欧美客户需要人工翻阅官网、LinkedIn 及新闻页面，虽耗时但能引发深度思考。如今，将客户网址投喂给 AI，几分钟即可生成涵盖成立时间、规模、市场、产品及竞品等维度的完整报告。然而，面对详尽的报告，许多人在撰写开发信时仍陷入困境，只能写出"I noticed that your company specializes in..."这类泛泛之谈。
核心问题在于：AI 提供了海量信息（Information），却未指出哪一条信息最适合作为开发客户的切入点。
知道得越多，不代表客户研究做得越好
许多人误将“信息数量”等同于“研究质量”。事实上，开发信并非客户研究报告。以一家美国 LED 照明分销商为例，AI 可能罗列其成立年份、总部位置、员工数及产品线等事实。这些信息有助于理解客户，却未必能构成开启销售对话的理由。有用的研究（Useful Research）不等于更多的研究（More Research）。
把 AI 找到的信息，分成两类
第一类：背景信息（Background Information）
包括公司规模、成立年份、地理位置、历史沿革及通用产品范围等。这类信息用于判断目标客户匹配度，但通常不适合直接作为首封开发信的核心内容，因为它们无法回答“为何今天联系你”。
第二类：对话信息（Conversation Information）
这是值得重点关注的部分。例如：客户产品线存在缺口、现有产品缺乏特殊版本、客户涉足你熟悉的应用场景、强调定制能力而你有对应优势、或现有产品规格存在可解决的痛点等。这类信息的共同特征是：能连接客户当前业务与你提供的价值。
真正缺的是中间那一层 Sales Angle
当前的常见流程是“官网→AI 调研→开发信”，缺失了关键的“销售角度（Sales Angle）”环节。更合理的流程应为：客户官网→AI 调研→销售角度→开发信。
Sales Angle 即“给这家公司写邮件的理由”。它不仅仅是陈述事实，而是结合发现、自身产品优势及沟通价值的综合推导。
例如，调研得知“客户销售 LED Strip"仅是事实；而 Sales Angle 则是“客户主打 SMD 系列，缺失 COB 系列，而我方拥有完整的高显指 COB 产品线”。又如，得知“客户服务酒店项目”是事实；Sales Angle 则是“针对酒店项目对 IP67、定制长度及高显指的特定需求，我方产品能提供完美解决方案”。这才是从 Research 走向 Sales 的关键一步。
同一份客户 Research，可以拆出完全不同的开发角度
基于同一家 LED 分销商的调研结果，可提炼出多种开发角度，而非将所有信息堆砌于一封邮件：
- 产品缺口（Product Gap）：针对客户缺失的 COB 灯带进行推荐；
- 项目需求（Project）：针对其商业项目案例，主推定制长度、防护等级及高显指能力；
- 供应链优势（Supply）：针对其强调的快速交付，切入产能稳定性或快速补货能力；
- 自有品牌（Private Label）：若发现其运营自有品牌且有外包迹象，可从 OEM/贴牌服务切入。
关键在于：从众多信息中筛选出最值得探讨的那一条。
不是所有“个性化信息”都值得写进开发信
真正的个性化不仅是证明“看过网站”，更是证明“发现了业务机会”。判断标准很简单：删掉这条信息，是否会影响我的 Sales Angle？若不影响，它大概率只是背景信息，无需写入邮件。
先让 AI 找出 3 个 Sales Angle，而不是直接写开发信
建议将任务拆解：先输入产品信息与客户官网，要求 AI 不直接写信，而是找出 3 个最具潜力的 Sales Angle。每个角度需明确：支持的公开信息、与自身产品的关联、客户感兴趣的理由、是确证事实还是推测，以及推荐强度（高/中/低）。最终由人工选定最佳角度。这将 AI 的角色从“总结者”转变为“销售切入口挖掘者”。
AI 推荐的 Sales Angle，也不能直接相信
AI 的推断需经人工复核。例如，“没看到 COB 产品”可能是网站未展示而非真的没有；“有自有品牌”也不等于必然有外包需求。应将 AI 给出的角度分为三档：
- Confirmed（确证）：有直接公开证据支持；
- Supported（支持）：有多条信息佐证，但未完全确认；
- Weak（薄弱）：主要依靠推测。
首封开发信应优先选择证据确凿、契合自身优势且具备回复理由的角度。
判断一个 Sales Angle 好不好，只看三件事
评估销售角度的有效性可遵循以下公式：Good Sales Angle = Relevant（相关性）× Evidence（证据）× Value（价值）。
- Relevant：角度必须与客户当前业务紧密相关，避免强行关联；
- Evidence：必须有证据支持，切勿将 AI 推测当作既定需求；
- Value：明确自身产品能带来的具体价值，而非仅止步于“我是专业厂家”。
研究客户的目的，不是证明“我做了功课”
客户关心的不是你花费了多少时间研究他，而是你为何值得他花时间回复。AI 擅长处理海量信息并压缩成潜在角度，但最终决策权在人。从 20 条信息中提炼出 3 个角度，再从中选定唯一的敲门砖，这一判断过程不可省略。
客户研究的终极价值，不在于“我知道了多少”，而在于“我看到了什么值得与客户谈论”。