Showing Posts From
業務生產力
把 Outreach 從 0 做到 2.5 億的 Mark Kosoglow：頂尖業務管的不是更努力，是把注意力分配給『會成交的 3%』
天天被雜事追著跑、銷售管道一團亂看不清下個月能成幾單——這大概是長週期業務最熟悉的兩種痛。市面上教你用 AI 的內容，多半停在「幫我寫一封開發信」這種層級，省了五分鐘，但你的一天還是一樣失控。 有一個人談這件事的份量不太一樣。他叫 Mark Kosoglow，是業務自動化軟體 Outreach 的第一號員工，一路做到全球業務資深副總，把公司從零營收帶到超過 2.5 億美金的 ARR、團隊規模破 1,500 人。離開後他先在 Catalyst 當營收長，現在自己創辦了 AI 業務工具公司 Operator.ai。一個既帶過頂尖團隊、又在親手打造 AI 業務工具的人來談「業務該怎麼用 AI 管理時間和銷售管道」，會比純講師多很多血淋淋的實戰。 2026 年 5 月，他上了業務界收聽數最高的 Podcast 之一 30 Minutes to President's Club，把自己帶頂尖業務的整套生產力系統攤開來講。核心只有一句話：頂尖業務跟普通業務的差距，不是誰更拚，是誰更會分配注意力。 他把這套系統拆成三塊——主管日程表、AI 工作流、3% 預測法則。 主管日程表：先把高槓桿動作排進去，剩下的時間才留給雜事 Kosoglow 講的第一件事，是「Executive Routine（主管日程表）」。一般業務的一天是反過來的：早上打開信箱，被一封一封郵件、一個一個臨時的客戶問題牽著走，等到回過神來已經下午四點，今天真正該推進的大單一步都沒動。 主管日程表的邏輯剛好相反：先用固定結構把高槓桿的動作鎖進行事曆，再讓低價值的雜事去填剩下的縫隙。 對一個保險業務員來說，高槓桿的動作通常是固定的那幾件——本週要推進的幾張大單、該做的續保檢視、該打的關鍵跟進電話、該見的轉介紹對象。這些事如果不先佔住時間，永遠會被「客戶問理賠進度」「同事拉你開會」這種隨機事件吃掉。 這套作法最反直覺的地方在於：它不是要你「更有紀律地把每件事做完」，而是承認你一天的注意力是有限的、會被消耗的。Kosoglow 的重點是把最清醒、最不被打擾的那段時間，留給真正會影響業績的事，而不是平均分配給每一件跳到你眼前的事。雜事永遠做不完，但只要高槓桿的格子每天都有被填滿，業績的引擎就不會熄火。 AI 工作流：把「研究」和「跟進」這兩件最吃時間的事交出去 第二塊是 AI。Kosoglow 不談花俏的東西，他鎖定的是業務一天裡最吃時間、又最容易做半套的兩件事：事前研究和事後跟進。 他在 30MPC 的一篇拆解文裡，把 AI 研究工作流拆成三步，邏輯非常清楚： 第一步，先決定要什麼資料、去哪裡找。 不是漫無目的丟給 AI，而是先想清楚你要的是什麼層級的資訊——對 B2B 是財報、新聞、產業動態；換到保險場景，就是客戶的人生階段、家庭結構變化、產業風險、近期可能觸發保險需求的事件。 第二步，用 AI 一層一層問出洞察。 重點是「連續追問」而不是一次問完。先讓 AI 做初步分析，再追問「這是這個人的個別狀況，還是這個族群普遍的問題？」，再追問「目前有什麼方式在處理這個缺口？」，最後才讓它「把可能的解法對應到我們挖出來的問題上」。一層一層逼出來的東西，遠比一句籠統的提問有用。 第三步——也是 Kosoglow 反覆強調的——把 dots 連起來的工作，留給人腦。 他講了一句很值得貼在牆上的話："The hard part is using your human brain to connect all the dots." （難的部分，是用你的人腦把所有的點連起來。）換句話說，AI 負責的是把散落在十份文件、三場法說會、無數則新聞裡的原始素材，整理成你看得懂的洞察；但「這個客戶的女兒要出國念書、加上他剛升上主管、又剛好房貸快繳完——所以現在是談教育金加重疾規劃的最佳時機」這種把資訊織成一個提案的判斷，AI 給不了。你省下的是翻資料的兩小時，留下的是你最值錢的那十分鐘判斷。同樣的邏輯也適用在跟進：讓 AI 幫你彙整每次接觸的紀錄、草擬下一封跟進的骨架，但要不要打那通電話、用什麼角度切，是你的事。 3% 預測法則：別追完整條銷售管道，只追真正會成交的訊號 第三塊，是最硬的功夫，也是 Kosoglow 帶 Outreach 時最招牌的能力——他能把全球業務團隊的營收，季季預測在 3% 的誤差之內，也就是 97% 以上的準確度。在一家從零衝到 2.5 億的高速成長公司，這種預測穩定度幾乎是反常的。 對個人業務員來說，這套思維的價值不在「算得準」，而在它逼你回答一個殘酷的問題：你銷售管道裡那一長串客戶，到底哪些是真的會成交、哪些只是讓你自我感覺良好的『虛胖名單』？ 多數業務的銷售管道是一團模糊的樂觀。每個客戶都「有機會」、每張單都「快了」，於是你的注意力被平均稀釋到三十個客戶身上，每個都追一點、每個都沒推到底。Kosoglow 的作法是反過來的：從原始的業務活動數據裡，抓出真正能預測成交的那少數訊號——是這個客戶有沒有把你引薦給配偶？有沒有主動問到細節條款？有沒有出現具體的時間點？——然後把雜亂的銷售管道，壓縮成一張你真正該投注注意力的短名單。 這三塊其實是同一件事的三個面向：主管日程表決定你「什麼時候」把注意力放出去，AI 工作流決定你「不必把注意力浪費在哪裡」，3% 預測法則決定你「該把注意力放到哪個客戶身上」。Kosoglow 整套系統的底層假設始終如一——你最稀缺的資源從來不是時間，是注意力；而頂尖業務之所以頂尖，是因為他們把這份稀缺資源，用系統管起來，而不是靠蠻力硬撐。 被雜事淹沒、銷售管道看不清的時候，問題往往不是你不夠努力，是你的努力被平均分配掉了。把高槓桿的事先排進去，把吃時間的研究和跟進交給 AI，再用一條法則狠狠篩掉那些其實不會成交的客戶——這不是要你做更多，是要你做得更準。📎 這集 30 Minutes to President's Club 裡，Kosoglow 還示範了他每天實際長怎樣的時間表格子、以及他在 Operator.ai 裡正在打造的 AI 工作流到底怎麼運作；而那篇 AI 研究工作流的完整拆解，則把每一步要丟給 ChatGPT 的提問順序寫得更細。想把「主管日程表」真正落地成自己的版本，值得連 podcast 一起聽完——一個帶過 1,500 人團隊的人，講的不會只是漂亮話。
Reagan Consulting + BrokerTech Ventures 5/18 拋出一張對照表：35 歲以下『會用科技的保險業務員』新單佣金 $172K，不會用的只有 $104K——65% 的差距不是話術問題，是工具問題
Harrison Brooks：把『AI 會不會取代我』翻譯成『AI 同事會把我甩開多少 K』，產業就動起來了 2026 年 5 月 18 日，Reagan Consulting 的合夥人 Harrison Brooks 在 InsurBanc 的線上會議上，丟出一份他跟 BrokerTech Ventures 一起做的調查，受訪對象是 9 家美國前百大保險經紀公司的頂尖業務員。整份報告刊登在 Insurance Journal 5/18 的封面故事。 Brooks 不是科技狂熱者，他在 Reagan Consulting 主要做的是併購、估值、跟策略諮詢——換句話說，他每天看的是「哪家經紀公司值多少錢」「為什麼這家有人要買、那家沒有」。所以當他拿出科技賦能型業務員的佣金對照表時，他談的不是「AI 多酷」，而是「不用 AI 的人，正在從這個市場的估值表上消失」。 整套方法論的核心，可以濃縮成一句話——他把這個產業已經吵了三年的「AI 會不會取代業務員」，翻譯成「AI 同事一年會比你多賺多少 K」。一翻譯，問題就從「要不要學」變成「敢不敢算」。 核心數字：35 歲以下差 65%、35 歲以上差 27%——但這不是兩個故事，是同一個故事的兩個切面 把整份報告攤開，最刺眼的是這張對照表（2024 年實際成交數字）：35 歲以下，科技賦能型業務員：新單佣金中位數 $172,00035 歲以下，沒用科技工具的同齡同業：$104,000差距：65%35 歲以上，科技賦能型業務員：$358,00035 歲以上，沒用科技工具的同齡同業：$281,000差距：27%$172K 換算成台幣大約 NT$550 萬，這個數字第一眼會讓人想直接拿去跟自己對照——但要先記住這群人在賣什麼。他們是「美國前百大商業保險經紀公司」內部的頂尖業務員（top producers），主要做企業財產險、責任險、員工福利這類商業險，單一客戶年保費動輒六位數美金、佣金率 10–15%，一張中型商業客戶的新單佣金可能就 2–3 萬。所以這份數據的可比較對象不是台灣的個人壽險業務員、也不是美國保險業全市場，而是「美國商業險頭部市場的頂尖打者」。要從這張表上拿走的不是 $172K 這個絕對金額，而是**「同一個池子裡、會用科技的人比不會用的人多賺 65%」**這個結構性訊號。 另一個常見的第一反應，是「年輕人差距比較大，因為他們基數本來就低」。這也是個錯誤的讀法。 正確的讀法是：35 歲以下的群體，有 82% 已經是科技賦能型——換句話說，那 18% 沒在用工具的年輕業務員，是在跟一個「全員裝備齊全」的同儕池競爭。他不只是少賺 68K，他是「在一個大家都拿弓箭的戰場上，自己拿木棒」。 而 35 歲以上的群體，只有 45% 在用工具。所以那 55% 沒在用的人，看起來「相對沒事」——但 Brooks 想說的是，這個比例每一季都在動。今天差 27%、明天可能差 40%。35+ 的群體沒被科技甩開，不是因為他們不會被甩開，是因為「比他們強的同齡人還在用舊方法」。這個保護傘，正在崩塌中。 Brooks 在訪談裡那句最常被引用的話是："Agents not powered by technology and doing things the same way we've done them for the past five years is a losing proposition." （沒被科技賦能、又用過去五年同一套方法做事的業務員——這是一個必輸的命題。）注意他的措詞——不是「沒用 AI 的業務員」，而是「沒用 AI + 用舊方法」。兩個條件疊在一起，才是「必輸」。這個措詞非常重要，下一節會講為什麼。 第一個翻譯動作：把『AI 焦慮』翻成『AI 機會成本』，恐懼就消失一半 做法： 把「我會不會被取代」這個無法回答的問題，換成「我相對於同齡同業少賺多少」這個可以回答的問題。 過去三年，保險業務員的 AI 對話幾乎都卡在同一個迴圈：業務員 A：「我聽說 ChatGPT 可以幫客戶分析保單欸，是不是要學？」 業務員 B：「學那個幹嘛？人跟人的信任才是保險業的核心啦，AI 不可能取代我們。」這個對話的問題在於——它把「AI vs 業務員」設定成兩個對立陣營，然後讓你選邊站。但 Brooks 的數據說的不是這個。他說的是：真正的對手不是 AI，是「用 AI 的同齡業務員」。 換句話說，當你說「AI 不會取代我」的時候，你可能是對的——AI 不會直接搶走你的客戶。但坐在你隔壁、會用 AI 整理客戶資料、會用 AI 生成首次接觸 email、會用 AI 跑保單比較表的那個 27 歲新人，他會。 這個翻譯動作的價值，在於它把「要不要學 AI」從一個哲學問題（會不會取代人類），變成一個數學問題（我少賺了多少佣金）。哲學問題你可以辯論三年都沒結論，數學問題你看完報表就要決定下一週怎麼做。 第二個翻譯動作：把『產業在衰退』翻成『市場變硬，要拼搶』 做法： 不要把 7.1% 當成一個抽象的成長率，要把它讀成「你客戶池正在縮水」。 報告裡有另一條被忽略的線：保險經紀產業的有機成長率，從 2023 年 Q2 高點的 11.2%，一路掉到 2025 年 Q4 的 7.1%。這個趨勢還在繼續。 7.1% 聽起來還是「正成長」，所以很多業務員不會把它當一回事。但 Brooks 的解讀方式不一樣——他說的「成長率下降」，翻譯成業務員視角就是：過去你只要『把每年自然進來的詢價接好』，就能達標。 現在那個自然流量正在乾涸。 接下來每一張新單，都要從別人嘴裡搶。這個解讀很重要。市場硬掉的時候，「會多打三通電話的人」跟「會把三通電話用 AI 預先研究過客戶背景才打的人」，效率差就會無限放大。在 11% 成長的市場，差別不明顯；在 7% 成長的市場，差別就是「你掉單，他成交」。 這也是為什麼 35 歲以下那個 65% 的差距會出現。年輕人沒有「老客戶池」當緩衝，每張單都靠新接觸，所以工具的槓桿效應最大。 第三個翻譯動作：把『大公司在投 AI、小公司沒投』翻成『個體業務員的反超機會』 做法： 把產業內部的科技投資斷層，當作個人套利的窗口期。 Reagan Consulting 同份報告裡還有一個經常被忽略的數據：年營收 $1.25M 以下的小型經紀公司：只有 11.5% 在 2025 年投資了 AI 年營收 $100M 以上的大型經紀公司：84.2% 已經投入Brooks 對這個落差的態度，是公開呼籲整個產業需要把 AI 採用率從現在拉到「84% 到 100%」之間，這個獨立經紀通路才有未來。 但如果你是個體業務員，這份數據不要從「產業健康度」的角度讀。要從「個人套利」的角度讀——你的公司可能還沒批准採購任何 AI 工具。 你的主管可能還在說『再觀望一下』。 但這跟你沒關係。很多 AI 工具是「個人月費 $20-50」就能用的，不需要等公司決議。而 Brooks 提的「off-the-shelf」現成工具，幾乎都屬於這一類——個人版的 ChatGPT、Claude、Notion AI、CRM 內建的 AI Summary、會議錄音轉摘要工具——任何一項都能在一週內接到你的工作流上。 換句話說，當大公司還在開「AI 戰略會議」、小公司還在說「再看看」的時候，你個人就可以把佣金從 $104K 那一欄，搬到 $172K 那一欄。這個窗口期可能只有 12 到 24 個月，因為當所有人都用上之後，差距就會收斂。 為什麼 Brooks 特別強調『不是工具，是工具加方法』 回到那句關鍵的話——「沒用科技 + 用舊方法做事 = 必輸命題」。 Brooks 沒有說「只要買 AI 工具就會贏」。他說的是兩個條件的疊加。這個細節非常重要，因為市場上很多人把 AI 焦慮的解方理解成「我去訂閱 ChatGPT Plus 就好」——不是的。 工具只是把「你既有的工作流」放大。如果你的工作流是：拿到名單 → 直接打電話 → 講同一套話術 → 被拒絕 → 換下一個那 AI 工具會幫你「更快地」打更多失敗的電話。差距就出在這裡——65% 的佣金差，不是來自「他多用了一個軟體」，而是來自「他用軟體之後，整個流程變了」：拿到名單 → AI 預先整理這個人的 LinkedIn、公司公告、近期動態 → 第一通電話直接打到對方的真實需求 → 預約會議 → AI 生成客製化的會議準備材料 → 成交兩條工作流的差距，不在工具，在「工具讓你有時間做以前做不到的研究」。這也是為什麼 Brooks 用「必輸命題」這麼重的詞——舊方法配上新工具，只是把舊方法的失敗放大。要贏，你得同時動兩件事。📎 這篇拆解了 Brooks 跟 BrokerTech Ventures 5/18 公布的核心對照表，但 Insurance Journal 原文 還有兩段內容值得自己讀過一次——一是 Brooks 對「整個獨立經紀通路如果不集體拉到 84-100% 採用率會發生什麼」的長期推論，二是他對 InsurBanc 銀行融資模型如何配合科技投資的具體建議。如果你正在思考「公司沒批預算，我自己該不該先動」，那兩段會幫你判斷你的時間窗口剩多少。Reagan Consulting 每季也會公佈完整的 產業成長報告，想追這條趨勢線的人可以直接訂閱原始資料。