KeyFrame內部研究專用

How to Build an AI Agent with Make.com (Step-by-Step)

Automation Helpers15 min中文
觀看原始影片

三句話摘要

在 Make.com 上建立 AI 智能體,自動化銷售線索資格審查與潛在客戶研究流程。 AI 智能體透過自動化線索資格審查與客戶研究,將銷售團隊從重複調查解放出來,同時在初次洽談前就能展示客製化 MVP,大幅提升成交機率。 智能體與自動化的根本差異:自動化定義預設步驟與規則,智能體則獲得應用程式存取權與最終目標,自行決定後續步驟。這樣才能應對不同狀況的靈活性。

重點整理

  1. 智能體與自動化的根本差異:自動化定義預設步驟與規則,智能體則獲得應用程式存取權與最終目標,自行決定後續步驟。這樣才能應對不同狀況的靈活性。

  2. 核心配置三層次:指示(告訴智能體工作內容與規則)、輸入(提供動態表單資料)、知識庫(上傳品牌檔案與溝通準則)。三者缺一不可讓智能體發揮效用。

  3. 工具連接是智能體的執行力:CRM 查重、網頁搜尋充實資料、自動更新客戶關係管理系統。每個工具都是智能體可調用的外部能力。

  4. 最後一哩路是產出價值:智能體蒐集完資料後,可透過提示詞產生 MVP(最小可行產品),讓銷售人員進入客戶前有具體展示物件。

實用技巧與重點

  • 連接方式:FillOut Forms(表單觸發) → Make AI Agent → AirTable(CRM 查詢) + Make AI Web Search → Zite(MVP 生成)
  • 支援的 AI 模型:Claude、ChatGPT、Google Gemini(需各自的 API 金鑰)
  • Claude API 金鑰取得:platform.anthropic.com,建立新的 API 密鑰
  • 智能體輸出欄位建議:潛在客戶名稱、聯絡人、公司名稱
  • 研究重點:員工人數、年度經常性收入(ARR)、公司網站、產業別
  • MVP 生成工具:Zite(透過 AI 提示詞自動構建)
  • 輔助工具:Maya(Make 內建 AI,可自動生成場景,但品質需驗證)

結論

AI 智能體透過自動化線索資格審查與客戶研究,將銷售團隊從重複調查解放出來,同時在初次洽談前就能展示客製化 MVP,大幅提升成交機率。

完整解析

建立 AI 智能體的核心是突破傳統自動化的線性限制。在銷售流程中,每條潛在客戶進來時,傳統方式需要團隊手動檢查 CRM、線上研究公司背景、判斷服務匹配度、決定是否回覆。這個過程耗時且重複性高。Make.com 的 AI 智能體模組可以自動完成這一切。

首先,你需要定義觸發事件。在此例中是透過 FillOut Forms 建立一份簡單表單(聯絡人名稱、公司、電子郵件、需求說明),當表單提交時觸發 Webhook 呼叫 Make。接著,建立 AI 智能體模組,選擇你要使用的 LLM——本例使用 Anthropic 的 Claude,需要在 platform.anthropic.com 建立 API 密鑰。

配置智能體的三個關鍵要素:指示語(Prompt)、輸入資料、知識庫。指示語要清楚說明智能體的工作內容、判斷標準(如何定義「好線索」)、調查方法、缺失資訊時的處理方式,以及預期輸出格式。輸入則是從表單動態拉入的聯絡人資訊。知識庫可以上傳品牌文件與溝通準則,讓 AI 以一致的語調與風格回應。

然後加入工具。首先是 AirTable CRM 的「搜尋記錄」工具,讓智能體查詢是否已有同公司的潛在客戶或過去客戶。其次是 Make AI Web Search,自動在網路上搜尋該公司的員工規模、年度收入、產業別等資訊,避免客戶需填寫冗長表單,也省去團隊的手工研究。

流程完成後,智能體會產生一份評估報告與建議回覆。為了進一步提升銷售效率,你可以將智能體的輸出(包括富化後的客戶資料)傳給 Zite,讓它根據 AI 生成的 MVP 提示詞自動構建一個簡單的原型應用。銷售人員進客戶展示前,已經有了具體的解決方案雛形可展示。

4 min
AI 技術中文11月21日

Make.com Automation for Beginners: Your First Automation in 10 Minutes

AI Workflow Lab看原片 ↗
  • Make 的核心是「情景」(Scenario) 概念,由多個模組組成,每個模組執行一個應用程式的單一工作。當第一個應用程式中發生事件時,Make 自動將資料傳遞到下一個應用程式,就像一個從不睡眠也不遺忘的數位助手。
  • 映射 (Mapping) 是自動化的核心。使用者需要明確告訴 Make 每筆資料應該放在哪裡,確保表單欄位正確對應到試算表的列,以及郵件內容能夠動態插入客戶資訊。
編輯精選
企業管理英文11月21日

What Anthropic's $900 Billion Bet Means for You

Nate Herk看原片 ↗
  • 訂閱用戶成為上市公司的收益基礎:4000 萬名小客戶(含 Claude Pro、Max、Ultra 或 API 用戶)合計貢獻 25% 的收入,形成 Wall Street 下注的對象。用戶每次訂閱續約都直接影響 Anthropic 股價,
  • 循環融資制造生態系統性風險:Amazon、Google、Broadcom 與 Nvidia 等公司既是投資者、又是運算服務提供商,同時採購 Anthropic 服務,形成相互依賴的閉環。若任一環節需求放緩,所有參與者將同時受創,系統風險無法
編輯精選
AI 技術英文11月20日

6 Lessons I Learned From Installing AI in a $10M Business

Liam Ottley看原片 ↗
  • AI 負責前 80% 工作,人的品味決定最後 20% — 系統一開始生成的提案很基礎,直到 Isaac 的設計師介入決定風格、選擇產品後,品質才大幅提升。需要將品味優秀的員工的規則和案例提供給 AI,讓初版更接近他們的標準。
  • 聚焦單一瓶頸,不要全面改造 — 分析發現提案環節是最大痛點:每月 15-20 張圖、每張 10 小時、成本 $500-1000、9 成無結果。選擇同時改善速度、成本、品質的用例,才是 AI 真正發揮價值的地方。