如何用 AI 一秒判断海外客户类型：经销商、EPC、OEM 的邮件完全不同
直接回答：用 AI 判断海外客户类型，不是让 AI"猜"，而是让 AI 扫描客户网站的 3 个关键位置——产品页、About 页、客户案例页——然后根据 5 类客户特征矩阵自动归类。一个经销商和一个 EPC 工程商，打开同一个产品，收到的开发信应该从第一句话就完全不同。
1. 为什么客户类型判断决定邮件生死
外贸业务员最常见的错误：找到一个潜在客户的网站，看一眼觉得"嗯，做这行的"，就开始写邮件。
问题： "做这行的"不够。你需要知道他是这行里的什么角色。
| 客户角色 | 买泵是为了 | 关心什么 | 如果邮件讲错了 |
|---|---|---|---|
| 经销商 | 放进产品线，卖给下游 | 产品线匹配、市场保护、利润空间 | 讲技术参数 → 对方不关心 |
| EPC 工程商 | 装进项目里 | 技术选型、供应能力、项目风险 | 讲产品线 → 对方想的是项目 |
| OEM 设备商 | 集成到自己设备里 | 定制能力、一致性、保密 | 推标准化产品 → 完全不对口 |
| 进口商 | 批发到本地市场 | 价格、稳定性、MOQ | 讲技术深度 → 对方算的是毛利 |
| 终端用户 | 自己用 | 使用成本、维护、配件 | 讲品牌故事 → 对方看的是电费 |
同一款水泵，5 种客户收到 5 封完全不同的邮件。这就是为什么客户类型判断是第一优先级——在"怎么写"之前。
2. AI 判断客户类型的 3 个关键位置
不需要 AI"读心"，只需要 AI 读 3 个位置：
位置 1：产品页（Products / Solutions）
看什么：
| 产品页特征 | 判断为客户类型 |
|---|---|
| 多个品牌、多个品类（泵+管+阀+控制） | **经销商** |
| 项目案例为主、技术方案描述 | **EPC 工程商** |
| 以自己品牌为主、强调定制能力 | **OEM 设备商** |
| 品类单一且量大、有批发报价 | **进口商** |
| 展示使用场景（农场/工厂/矿场） | **终端用户** |
案例： 一家公司网站的产品页列了格兰富、赛莱默、凯士比等多个品牌——这是典型的经销商，不是厂家。给他写"我们是水泵工厂"没用，该写"我们的产品线可以补充你代理的品牌矩阵"。
位置 2：About 页
看什么：
| About 页关键词 | 判断为客户类型 |
|---|---|
| "distributor"、"supplier"、"stockist" | **经销商** |
| "contractor"、"engineering"、"EPC"、"MEP" | **EPC 工程商** |
| "manufacturer"、"OEM"、"production" | **OEM 设备商** |
| "importer"、"wholesale"、"trading" | **进口商** |
| 工厂/农场/矿场介绍 | **终端用户** |
案例： About 页写着 "We are a leading MEP contractor specializing in water infrastructure projects"——这是 EPC，发邮件要讲项目经验和供应能力，不是产品目录。
位置 3：客户案例 / 项目页（Projects / References）
看什么：
| 项目页特征 | 判断为客户类型 |
|---|---|
| 项目列表：酒店、商场、办公楼供水 | **EPC 工程商** |
| 下游经销商、零售店照片 | **经销商** |
| 自己工厂的生产线、设备照片 | **OEM 设备商** |
| 集装箱、仓库、物流照片 | **进口商** |
| 自己的农场/工厂在使用设备 | **终端用户** |
一个位置上找到了特征，其他两个位置验证——这就是 AI 判断的完整逻辑。
3. 5 种客户 × 5 种邮件策略
| 客户类型 | 识别信号 | 该说什么 | 不该说什么 | 第一句话模板 |
|---|---|---|---|---|
| **经销商** | 多品牌+分销网络+售后团队 | 品类适配 + 区域保护 + 售后支持 | 海量技术参数 | "I noticed your [region] distribution network covers [category] — our [product] can complement your lineup" |
| **EPC** | 项目案例+MEP+工程团队 | 技术选型 + 供应能力 + 项目经验 | 产品目录、FOB价格 | "I noticed your team handles [project type] — our [product] package can simplify your procurement" |
| **OEM** | 自有品牌+生产线+定制 | 定制案例 + 质量体系 + 保密 | 标准化产品推销 | "I noticed you manufacture [equipment] under your own brand — we provide OEM [component] with full customization" |
| **进口商** | 批发+多品类+价格导向 | 供应稳定 + 价格竞争力 + MOQ灵活 | 长篇技术白皮书 | "I noticed your import portfolio covers [category] — we can offer [product] with competitive [market] pricing" |
| **终端用户** | 自用+行业场景+运维 | 使用成本 + 配件 + 维护便利 | 行业术语、"品牌" | "I noticed your [facility/farm] relies on [equipment type] — our [product] can reduce your [cost/downtime]" |
4. 一个真实例子：两种判断，两种邮件
场景： 一家中国水泵工厂找到两个海外客户网站。
客户 A：一家肯尼亚公司
AI 判断过程：
TradeCubic 生成的邮件：
"Hi James, I noticed your agricultural equipment distribution covers East Africa — particularly your irrigation and rural water supply lineup. Our solar borehole pumps (2HP–5HP) could complement your irrigation offering without overlapping your existing brand partnerships. We offer regional distributor protection and local after-sales training. Worth a look?"
客户 B：一家坦桑尼亚公司
AI 判断过程：
TradeCubic 生成的邮件：
"Hi David, I noticed your MEP team delivers water infrastructure across Tanzania. We can package centrifugal, booster, and drainage pumps from a single manufacturer — which reduces your procurement complexity and simplifies interface management. Happy to share a recent water treatment plant case with similar pump specifications."
两封邮件完全不同——不是换了几个词，而是从头到尾的逻辑都不一样。这就是客户类型判断的价值。
5. TradeCubic 的客户类型识别如何工作
传统做法：业务员手动打开客户网站 → 浏览产品页 → 读 About 页 → 找项目案例 → 在脑子里判断 → 想策略 → 写邮件。一个客户 15-20 分钟。
TradeCubic：输入客户网站 URL → AI 自动扫描产品/About/项目三个位置 → 匹配 5 类客户特征矩阵 → 输出客户类型 + 推荐策略 + 生成邮件。30 秒。
关键不是 AI 更快，而是 AI 让"判断"这件事从销冠的个人能力变成了每个人都能执行的流程。
FAQ
Q: 如果客户网站信息太少，判断不出来怎么办？
TradeCubic 会标记为"孵化中"——放入观察池而非直接开发。比盲目发一封大概率没回复的邮件好。信息太少本身就是一种判断。
Q: 客户可能同时是经销商和进口商？
常见。TradeCubic 会标注主要类型 + 次要特征。邮件以主要类型为切入角度，但保留次要特征的灵活性。
Q: 小公司网站只有一页怎么判断？
一页也有信息。产品照片、About 一句话、联系方式——够做初步判断。TradeCubic 的 AI 可以在极简网站上提取有效信号。
*TradeCubic：判断先行的外贸 AI 智能沟通引擎。不止写邮件，先判断再出手。*