我如何构建一个在我睡觉时运行的 AI 潜在客户开发机器

Source: Dev.to

问题

我向本地企业——医疗诊所、律所、牙科诊所、会计师事务所——销售 AI 语音产品，目标市场是南佛罗里达。手动流程大致如下：

1. 在 Google 地图中搜索关键词（例如 “dentists Boca Raton”）。
2. 点击搜索结果并获取电话号码。
3. 检查这些号码是否已经在我的队列中。
4. 将新联系人添加到 CRM。
5. 对不同的类别和城市重复上述步骤。

每次操作需要 30–60 分钟。我需要每天在多个活动中执行 4–5 次，这几乎占用了我一半的工作时间。

架构

解决方案使用 cron 任务触发 AI 代理（我的个人助理 Clawd）按计划进行潜在客户搜索。技术栈包括：

• Cron 调度器 – 在 UTC 时间上午 10 点、下午 1 点、3 点、5 点和 8 点触发。
• AI 代理 – 通过 API 搜索 Google 地图并提取企业信息。
• 去重层 – 在 PostgreSQL 中检查电话号码是否已在现有队列中。
• 活动标签 – 每个时间段对应不同的活动（接待员、评价、AI 演示等）。
• Convex 后端 – 使用完整元数据存储潜在客户。

代理会自动轮换搜索查询（迈阿密的医生、劳德代尔堡的律所、博卡拉顿的牙医等）。当某个地区出现大量重复时，它会检测到饱和并扩展到新的地理区域。

实际运行时发生的情况

一次典型的运行流程如下：

• 代理搜索 3–4 组类别/城市组合。
• 找到 10–15 家候选企业。
• 将每个电话号码与现有队列进行比对。
• 添加 3–6 条真正的新潜在客户。
• 将所有信息记录到每日记忆文件中。
• 总耗时： 大约 2 分钟。

仅在过去一周，系统就在四个活动中新增了 80 多条潜在客户，使队列从约 170 条增长到超过 250 条合格本地企业——全部无需手动搜索。

去重问题

随着队列的增长，重复率会迅速上升。在迈阿密市中心或劳德代尔堡等饱和地区，单次搜索的重复率可达 60–70%。系统通过以下方式缓解：

• 电话号码匹配 – 主要去重键；相同号码即视为同一家企业，即使名称不同。
• 地理扩展 – 当某城市的重复率升高时，代理会自动转向邻近地区（如 Jupiter、Plantation、Davie、Miami Lakes）。
• 类别多样化 – 最初只搜索医生和律师；现在还包括正畸医生、脊椎指压师、移民律师、财富管理顾问等。

经验教训

• 从最简单的去重键开始。 电话号码是本地企业的唯一标识，模糊名称匹配不可靠。
• 记录所有内容。 每次运行都会写入每日 markdown 文件，包含精确计数（找到的潜在客户、跳过的重复、新增数量、队列规模），便于快速排查问题。
• 活动分离很重要。 在导入时为潜在客户打标签，使外呼系统能够知道使用哪套脚本。
• 地理饱和是真实存在的。 当一个大都市区的潜在客户超过 250 条时，需要向其他地区扩展，或接受收益递减的事实。

接下来

潜在客户管道会接入一个 AI 语音呼叫系统，实际与这些企业进行联系——这又是另一篇文章的主题。关键洞察是 寻找线索的枯燥工作正是 AI 代理的强项：重复、基于规则且可扩展。

我大约用了 4 小时搭建此系统。仅在第一周它就为我节省了超过 15 小时的工作时间，并将在我专注于业务中需要人类介入的部分时持续运行。

如果你仍在手动寻找潜在客户，请停下来。先构建这台机器。你的未来自己会感谢你的。