V21：三阶段模型体系——开信概率、兴趣浓度、信号漏斗

V20 我们把一个 AI 工具变成了一个 AI 团队。V21 更进一步——从"团队"进化到"体系"。

这一轮的核心变化是：拓客AI(TokoAI)不再只有一个或者两个模型在做决策，而是三个模型串联整条链路——从选人到选内容再到排跟进，首尾相连，数据闭环。

三阶段模型体系

如果把拓客流程切成三段——发前、发中、发后——你会发现每段需要的判断逻辑完全不同：

• 发前（该发给谁？）：3.8 万条线索，不是所有人都值得发第一封邮件。谁最可能打开？这需要基于历史数据的概率推断，不是拍脑袋挑省份。
• 发中（该用哪个版本？）：20+ 个内容变体，不同人对不同内容反应不同。谁适合 A 版本、谁适合 B 版本？这需要基于效果的实时调整，不是固定分桶。
• 发后（该先跟进谁？）：2000+ 已触达联系人，不是所有人都值得立即跟进。谁最接近成交？这需要综合多个信号维度排序，不是最后回复时间排序。

拓客AI(TokoAI) V21 用三个独立的模型分别处理这三段——各司其职，互相喂数据。

开信概率模型（发前）

这个模型做的事情很简单：从 3.8 万条线索中，找出最可能打开邮件的人。

它学的是"已打开的人有什么共同特征"。比如：来自哪些省份的人更容易打开、有网站的公司打开率更高、有 OEM 能力的公司更愿意看新方案。这些特征组合起来，给每条新线索一个概率分，然后按分选人。

以前这部分是手动筛选的。V21 把它变成了一个持续自进化的模型——每次新的打开行为都会影响下一次选人。

兴趣浓度模型（发中）

这个模型负责选内容。拓客AI(TokoAI)有 20+ 个内容版本在不断迭代，对不同行业、不同公司类型，效果差异很大。

它不看"这个人是谁"，只看"这个版本的历史表现好不好"。打开率高、重复打开率高、被转发的次数多——这些都是"内容好"的信号。表现好的版本被选中的概率更高。V21 新增了一个重要的判断维度——转发信号。如果某个版本的内容经常被收件人转发给同事，说明内容质量确实高，它的权重会被大幅提升。

信号漏斗模型（发后）

这个模型是三个里面最老的（V19 就有了），但 V21 给它加了新维度。

以前它只看谁打开了几次、谁点击了链接。V21 新增了转发信号——一个人把邮件转发给别人，这个行为的价值远高于他自己点开再看一次。转发 = 他觉得内容有价值，值得给别人看。这类人跟进的优先级应该更高。

转发信号——三个模型的纽带

转发是 V21 新增的关键指标。它的特别之处在于三个模型都在用：

• 开信概率模型用：哪个省份的转发率高，来自该省份的新线索加分
• 兴趣浓度模型用：哪个版本的转发次数多，该版本的选用权重增加
• 信号漏斗模型用：哪个人的转发信号强，其跟进优先级提高

为什么转发信号值钱？打开邮件可能是因为误触、因为标题吸引眼球。但转发需要多一步主动操作——收件人觉得内容有价值，才愿意转给同事。这个行为的置信度远高于打开。

个人邮箱通道

V21 还打通了个人邮箱通道。以前拓客AI(TokoAI)只能发企业邮箱，如果收件人用的是 QQ 邮箱、163 邮箱、126 邮箱等个人邮箱，会直接被跳过。

现在双通道并行：企业邮箱和个人邮箱自动分流。首轮测试 30 封，送达率 100%，打开率 26.7%。个人邮箱的打开率比企业邮箱略高——个人邮箱用户更可能查看新邮件。

2380+ 封实测

到 V21 阶段，拓客AI(TokoAI)累计发送 2380+ 封邮件，2000+ 封成功送达，近 800 次打开，200+ 人独立打开。55 家公司的邮件被转发给了其他人，最高一封被转发了 6 次。

每一个打开、每一次点击、每一次转发，都回流到系统里喂养三个模型。这是拓客AI(TokoAI)的核心能力——不是靠数据不动，是靠数据越跑越多。

当前数据参考

以下数据基于截至发布时的可用追踪信息（邮件追踪需 24-48 小时成熟，部分新发数据仍在收集中）：

• 独立打开率约 30-40%（行业均值 22%）
• 重复打开率约 120%+（行业均值 10%）
• 转发信号 56 家公司（最高单封被转 6 次）
• 买家数据库 16.7 万+（覆盖 28 个行业）

下一步

V21 的三个模型各自独立工作，但数据是共用的。下一步是让模型之间的联动更深——三个模型从"各自独立"进化到"互相修正"。