Build the AI GTM Agent That Knows the Buyer - Dr. Sajjan Kanukolanu, Position2 (Position Squared)

現代 B2B 市場的買家行為已根本改變。當買家終於聯絡你時，他們的決策大多已定。根據 Forrester 2026 年研究，94% 買家把 GenAI 當主要研究工具——問題是這些平台對賣方而言形同黑盒子，你無法看到買家調查了什麼、閱讀了誰、是否考慮了你。同時 67% 買家偏好無銷售代表體驗、80% 交易最終給了已在聯絡名單的人、只有 17% 購買時間用於與供應商交談。這組數據說明一個殘酷現實：買家大量自主研究，賣方的對話窗口極其狹窄。

傳統做法是將 AI 簡單附加到現有 GTM 系統，但這行不通。根本原因在於三個同時必須解決的問題。首先，AI 必須真正理解買家——他們的角色、歷史、意圖——而非只依賴舊 CRM 數據。其次，系統必須整合 CRM、訊號增強、社交媒體等多源數據，而老系統設計時從未考慮過這種整合。第三，底層架構本身必須以 AI 為核心重新設計，否則無法規模化。忽視任何一項就會導致部署失敗。

Position Squared 的解決方案是三層架構。信號層採集所有原始訊號：CRM 內的通訊、交易、聯絡人記錄，加上從多個資料來源識別匿名訪客的數據增強系統。特別重要的是 LinkedIn 訊號——用戶參與度和職位變動。當關鍵贊助商離職轉向新公司時，新公司應自動進入客戶名單，該人成為新執行贊助商。這類洞察極少被系統化利用，但能巨幅提升精準度。

買家情報層以知識庫為基礎。知識庫儲存你關於產品、買家、理想客戶畫像、用戶角色、策略手冊、成功標準的所有背景。ICP 過濾代理參考知識庫篩選聯絡人，剔除行業錯誤、地理位置錯誤、公司規模不符或角色無關的人。合格聯絡人進入上下文圖——每位買家的 360 度檔案，包含個人訊號、所屬帳戶的採購委員會資訊、交易層級的數據點。這張上下文圖讓系統得以區分優先客戶和雜訊，是精準定位的基礎。

行動層才是使用者看得見的部分。當訪客到達網站時，聊天介面不再問「我能幫什麼」，而是識別用戶、用姓名稱呼、提起上次對話停留位置、基於意圖訊號提供特定內容。後端同時向銷售代表發送精準警報與郵件草稿。此處的平衡至關重要——太多警報導致疲勞癱瘓、太少則無法達成銷售目標。系統同時更新 CRM 帳戶背景並觸發外展序列。只有三層協同無縫運作，GTM 才不至於過時。

Position Squared 已運行 75 個以上 AI 代理、18 個以上垂直知識庫，月執行次數超過 800。在實踐中，系統識別來自 280 個帳戶的 3000 名訪客，IT 為關鍵垂直產業。LinkedIn 情報部分顯示最近幾天 100 人從 73 家公司訪客，與 8 篇貼文互動，可按職級分類（執行、副總、總監、經理、員工）並深入了解整體互動。

實施中的陷阱不容忽視。ICP 會隨時間漂移——新訂單可能揭露值得追求的新市場，需每季用已成交或失單案例重新訓練代理。警覺疲勞是系統崩潰的溫床——若銷售代表認為所有警報都重要，他們會停止行動，系統信任度下降。身份識別有結構性限制：公司識別約 70% 準確、個人識別僅 15-20%。持續測試不同系統是唯一出路。最後是人口瓶頸——若 AI 草稿的編輯時間超過 30 秒，銷售代表寧願自己寫信，系統即宣告失敗。要讓系統持續運轉，草稿必須幾乎完美、只需點擊發送。