B2B 業務 SDR/BDR AI 一日工作流完整指南：名單開發、首觸 outreach、電話冷觸、Demo 約見、CRM 維護 5 場景 SOP

早上 9 點，你打開 Salesforce 跟 LinkedIn Sales Navigator 並排——左邊有 80 個待 outreach 的名單，右邊有 17 封昨晚客戶回覆的信。一邊要打 30 通冷電話，一邊要接午後的 demo。下午 3 點 manager 問你今天 booked 幾個 meeting，你看著螢幕只能說「在跟一個 prospect 來回」。

這個情境是台灣大部分 B2B SaaS 公司業務 SDR 與 BDR 的日常。本篇給你一份完整的 AI 一日工作流，5 個場景拆解（名單開發、首觸電話、Demo 約見、跟單跟進、CRM 維護），每個場景列出可立刻用的工具、prompt 模板、與避坑提醒。目標是把每天 booked meeting 數字從 1-2 個拉到 4-6 個，同時 admin 工作時間從 3 小時降到 1 小時。

為什麼 SDR/BDR 是 B2B AI 工作流最容易見效的角色

業務 SDR/BDR 工作的本質是「在大量名單裡篩出高轉換潛力對象，並讓他願意進入 demo」。這個流程裡 70% 是重複動作——查公司、寫 outreach、follow up、更新 CRM、整理 meeting note。AI 工具能直接吃掉這 70%，留給人做真正需要判斷的 30%（建立 rapport、處理異議、客製化提案）。

根據 McKinsey State of AI 2025 的調查，B2B 銷售已是企業 AI 投資的前三大領域。台灣本地 DMA 2026 數位行銷產業調查 也顯示有 60% 以上的 B2B 企業在試用 AI 輔助銷售工具。但實際看到「個別 SDR 把 AI 整合進日常」的還是少數，多數人在等公司導入「全自動化平台」，反而錯過了個人層級就能落地的價值。

一日工作流總覽：8 小時的 AI 配置

場景 1：名單開發 — 30 分鐘從 0 到一份高品質 list

傳統 SDR 早上會花 1 小時在「找名單」——爬 LinkedIn、查公司網站、補聯絡方式。AI 工具的價值是把這個流程壓縮到 15-30 分鐘，同時資料品質更高。

步驟 1：用 ICP 描述產生關鍵字

不要直接在 LinkedIn 搜「行銷總監」。先把你的 ICP（理想客戶輪廓）丟給 Claude/ChatGPT：

「我是賣 B2B SaaS 報價管理系統的 SDR。我們的好客戶通常是：員工 30-200 人、製造業或專業服務業、現在用 Excel 做報價、業務團隊 5-15 人。請列出 LinkedIn Sales Navigator 我應該設定的 10 個搜尋條件組合。」

AI 會回給你「Industry: Manufacturing AND Headcount: 51-200 AND Title contains '業務經理' OR '營業部'...」這樣的具體條件。一次省下半小時 try-and-error。

步驟 2：用 Clay 或 Apollo 自動補資料

拿到名單後，傳統做法是逐筆查 LinkedIn 補 email。改用 Clay 或 Apollo 可以一次處理 500-1000 筆名單，自動補上 email、職稱、公司近況、最近募資。Clay 月費約 USD $149-349，Apollo 約 USD $59-149。對一個 SDR 來說 ROI 通常 1-2 個月回本。

步驟 3：用 AI 打分排序

名單拉到 200 筆後，最大的浪費是「全部依序打」。把名單丟給 ChatGPT 加上「公司近況、職稱權重、過去類似客戶轉換特徵」，請它幫你打 1-10 分排序。實務上前 30 名的轉換率往往是後 100 名的 3-5 倍。

場景 2：首觸 outreach — 個人化但不手寫

傳統 SDR 寫一封好的個人化 outreach 大約要 8-12 分鐘——查公司、找共通點、起草、潤稿。AI 工具能讓這個時間降到 2-3 分鐘，且品質不輸甚至更高。

Lavender / Lemlist：寫信時即時打分

Lavender 是專門做 cold email 的 Chrome extension，會在你寫信時即時打分（可讀性、長度、人稱比例、CTA 強度）。Lemlist 整合更深，可以針對名單批次產生個人化開場。月費約 USD $50-150。

Claude / ChatGPT 寫個人化開場

把 prospect 的 LinkedIn 個人檔案、最近一則 post、公司近況丟給 Claude，請它「寫 3 個不同切入角度的開場句，每句最多 15 字，要能 mention 對方近況」。然後從 3 個裡挑一個微調，整封信花費約 90 秒。

避免 AI 信被一眼識破的 3 個原則

• 避免「I hope this email finds you well」這種 AI 標準開場——換成 prospect 真的最近做的事

• 全文不要超過 100 字，比 AI 預設長度短一半

• 用「你」而不是「貴公司」，且 prompt 裡明確要求「不要寫像行銷信」

場景 3：電話冷觸 — Gong/Salesloft 把腳本變動態

冷電話是 SDR 最痛苦但也最有效的渠道之一。AI 工具真正改變的是「打之前的準備」與「打之後的學習」，「打電話本身」反而沒怎麼變。

打之前：30 秒生成個人化開場

Salesloft 整合 Gong 後，可以在 dialer 旁邊即時顯示 prospect 的 LinkedIn 摘要、最近公司新聞、過去 outbound 紀錄。打電話前 30 秒把這些資訊餵給 ChatGPT，請它寫一個 3 句話的開場 hook，比按照固定 script 念有效得多。

打之後：用 Gong/Chorus 自動分析

Gong 跟 Chorus 都會把通話錄音轉錄並用 AI 分析——talk ratio（你講太多還是聽太多）、interruption（被打斷次數）、key moment（哪一句最讓對方有反應）。一週下來看 dashboard 就知道自己最弱的環節是什麼。

場景 4：Demo 約見 — 從約到開到 follow up 都讓 AI 接力

Demo 是 SDR/BDR 主要的「成果」KPI，但 demo 前後的準備占用大量時間。AI 工具能把這部分大幅壓縮。

Demo 前：自動化日程協調 + briefing

用 Calendly 或 Chili Piper 讓 prospect 自己選時間，省下 5-10 封來回確認信。Demo 前 15 分鐘，把 prospect 公司資訊、最近新聞、過去溝通記錄丟給 Claude 請它生「3 個今天 demo 必須觸及的痛點與我方對應 feature」，當作開場前的快速 briefing。

Demo 中：Otter/Fireflies 即時記錄

會議錄音與即時轉錄工具讓你不必一邊講一邊抄筆記。Otter、Fireflies、Granola 都能在會議結束後 3 分鐘給你完整 transcript 與重點摘要。

Demo 後：5 分鐘內 follow up

這是大部分 SDR 漏掉的環節。Demo 結束後 5 分鐘內把錄音摘要餵給 ChatGPT「請寫一封 follow up 信，要 mention 對方提到的 3 個顧慮，且附上下一步建議」。研究顯示 1 小時內 follow up 的 close rate 比 24 小時後高 60%。

場景 5：跟單與多渠道 follow up — 用 sequence 跟記憶力打仗

一個 SDR 同時在 follow up 30-80 個 active deal 是常態。靠記憶力跟 sticky note 撐不下去，必須用工具系統化。

HubSpot AI / Outreach Sequence：自動化追蹤節奏

把標準的「7 天 follow up」「14 天 break-up email」做成 sequence 模板，AI 會幫你判斷 prospect 開信、點 link、回信的訊號，自動調整下一步動作。HubSpot Sales Hub Professional 約 USD $90/seat/月，Outreach 約 USD $100-150。

提醒打分系統：每天從 100 個 deal 篩出 10 個今天必跟

把 CRM 裡所有 active deal 的「最後接觸時間、預估金額、stage、最近訊號」匯出，每天早上請 ChatGPT 用「今天必須 follow up」的角度排出前 10 名。比起被動等系統提醒，這套主動排序能讓你優先攻最有機會的 deal。

場景 6：CRM 維護 — 從每天 60 分鐘降到 15 分鐘

CRM 是業務最討厭的 admin 工作。一個 SDR 每天大約花 60-90 分鐘更新 Salesforce/HubSpot 紀錄。改用 AI 工具串接後，這個時間可以降到 15 分鐘以內。

Gong/Chorus 自動同步 meeting note

這兩個工具都能把通話/會議摘要自動寫進對應的 CRM contact record。你只要在 Gong 介面快速 review 一下，按一個鈕就同步。

Salesforce Einstein / HubSpot AI 自動分類

Salesforce Einstein 與 HubSpot AI 能根據 email 內容自動更新 deal stage、預測 close date、提醒 stalled deal。不用每筆手動改，每週做一次 review 即可。

隔日 plan：用 AI 跑明天的 to-do

下班前 10 分鐘，把今天的 CRM 變動、明天的會議、未跟完的 deal 丟給 ChatGPT，請它「幫我排明天的 top 5 priority，每項估 30 分鐘的時段」。隔天早上一打開就知道從哪裡開始，不會在「該做什麼」上猶豫半小時。

AI 工具堆疊：個人 SDR 一個月成本 USD $200-500 能買到的火力

常見地雷與避坑

地雷 1：把 AI 寫的信原封不動發出

AI 寫的信沒有「你的味道」。每封都至少改 1-2 句口語化，加入 prospect 真的最近做的事。

地雷 2：太依賴轉錄摘要，自己沒在現場聽

Otter/Fireflies 摘要會漏掉 nuance——對方猶豫的語氣、價格 push back 的真實程度。SDR 仍然要在現場全神貫注，事後 review 只是輔助。

地雷 3：用同一個 AI prompt 寫所有 prospect

AI 工具發揮的關鍵是「不同 prospect 不同 prompt 變數」。設一個 Notion/Airtable 表格記錄每個 vertical 的 prompt 變化，避免發出去全長一樣的信。

地雷 4：CRM 不更新，AI 也無能為力

Gong/Einstein 都需要 CRM 數據乾淨才能跑準。如果你的 deal stage 老是停在「Discovery」3 個月，AI 給的優先排序會亂掉。每週至少花 30 分鐘 review CRM 狀態，是讓 AI 工具發揮 80% 價值的基本動作。

一週上手：從零到完整 AI 工作流

結論：SDR/BDR 是「最早被 AI 強化、最不會被 AI 取代」的業務角色

這篇講的所有工具與流程加起來，個人投入 USD $200/月、學習一週，每天能多釋放 2-3 小時，多 booked 2-4 個 meeting。三個月內你的數字會跟同團隊 SDR 拉開明顯差距，半年內升 senior SDR 或進 Account Executive 的機會大幅增加。

但 AI 不會自動發生——你得主動把工作流改掉、強迫自己用新工具不舒服 2 週、把每天的時間表重新排。如果你的公司想系統化導入這套工作流（讓全 team SDR 都升級），可以參考我們的AI 顧問服務，協助盤點工具堆疊、設計培訓計畫、評估 ROI。若想看更多上班族 AI 工作流的實戰案例，可以延伸閱讀行銷專員 AI 一日工作流與PM 產品經理 AI 一日工作流。