找对人比多找人重要：用 AI 给联盟客建库 + 自动评分

上一篇把联盟营销从"挂链接"校正成"一套系统"。这套系统的地基，是一个干净的候选数据库。这一篇给三样能直接照搬的东西：建库的字段清单、一个 5 维评分模型（带分值区间和判定标准）、以及 AI 批量打分的完整 pipeline。篇尾附可直接复制成飞书表 / CSV 的字段清单。

一、先有数据库，再谈自动化

很多人一上来就想"用 AI 自动发邮件"，跳过了最关键的一步：你连一份结构化的候选名单都没有。结果每次 outreach 都从零搜、搜完存 Excel、下次换人又重来。

我自己的做法是维护一个跨品牌的资源库——把网红、媒体、联盟客统一存进一个数据库，按品牌打标签、记录合作历史与表现。一个数据库跑多个品牌的好处：

• 不重复劳动：A 品牌筛过、联系过的科技测评人，B 品牌上线直接复用，不用重新搜；
• 全链路留痕：谁联系过、谁回复了、谁上线了、带了多少货，一条记录看全；
• 能跑自动化：只有候选是结构化数据（字段齐、可查询），AI 才能在上面跑评分、跑流程。

说穿了，数据库是所有自动化的前置条件。没有库，AI 再强也只是个更快的搜索引擎，跑不成系统。具体的字段清单我放在文末附录，可以直接复制开干。

二、不是所有候选都值得投入：先评分，再决定

建完库你会立刻遇到下一个问题：候选几百上千，但你的开发资源（时间、寄样预算、佣金额度）是有限的。一视同仁去联系，最后一定是谁都没服务好。

所以每个候选在进入开发流程前，都要先回答一个问题：这个人值不值得投？投多少？办法是用一套评分标准，让分数决定资源分配——而不是凭感觉、凭谁先被搜到。

这里有个关键原则贯穿全文：硬指标用来"剔除"，软指标用来"排序"。地域不对、品类完全不对口，直接剔除；剩下的再用软指标打分排序。两步分开，效率最高。

三、5 维评分模型（含分值区间与判定标准）

经过多个品类实操，我把"值不值得投"拆成 5 个维度，满分 100。地域是门槛项（0/1 制），其余四项加权打分：

权重不是死的，按品类调：高客单硬件把"历史带货能力"权重上调；快消低客单则"流量质量"更关键。但地域门槛永远是最先过的一刀。

分数算出来怎么分层

四项加权出总分（地域门槛通过才参与），按这个阈值切三档：

四、硬筛先行：用"地域"这类门槛砍掉 80% 无效

先讲硬筛这一刀，因为它性价比最高。我操盘的一个便携电源品牌，硬规则就是只合作美国区域的频道。判定依据四条，任一不达标就出局：

• 频道 about 页标注的地域；
• 社媒 bio 里的 location；
• 内容语言（英语≠美国，要叠加地理信号）；
• 有公开数据的话，看受众地理分布。

这件事靠人工一个个点开看，极其低效还容易漏。交给 AI 后，非 US 频道在建库阶段就被自动过滤，我再也不用在一个不对口的候选上浪费一封邮件。最终进入 outreach 的，全是地域、品类都对口的高意向对象。

硬筛的价值不是"评分"，而是"省时间"——它让你根本不用去想那些注定不会转化的人。

五、AI 怎么做到"批量自动评分"

靠人工给几百个候选逐个评 5 个维度，根本做不动——这正是 AI 的用武之地。完整 pipeline 五步：

• ① 抓数据：批量拉取候选的公开信号（频道 about/bio、内容标题与关键词、互动数据、是否带 affiliate disclosure 等）；
• ② 提取信号：AI 按维度抽取关键信号——地域、品类关键词、互动率估算、affiliate 史、回复意愿线索；
• ③ 套模型：按上面的分值区间，把信号换算成各维度得分；
• ④ 硬筛 + 排序：硬指标不达标（如非 US）直接剔除，剩余按总分排序；
• ⑤ 回写：分数 + 各维度明细 + 分层标签写回数据库。

人工在这个环节做什么？只复核分层边界的 case——分数卡在 68–72（A/B 交界）的、或 AI 明确标注"不确定"的少数几个，人来拍板。几百个候选，真正需要人看的可能就十几个。其余全自动。

六、分数不是终点，是分层运营的起点

分数最大的价值，不是"谁最高"，而是每层配不同打法、不同投入。把资源铺成这样：

这里有个很多人忽略的洞察：把资源全砸在"招募新伙伴"上，往往是错的。一个健康的联盟渠道，C 级沉睡伙伴里常藏着便宜的高 ROI 机会——激活一个已经建联、已经认可你的人，比从零招募一个新人成本低得多。这也是我今年给一些客户的策略，从"不停招新"转向"先把已有伙伴激活"。

找对人，不是找最多的人，而是用一套评分体系，把有限资源精准押在少数高价值伙伴上——剩下的交给系统分层维护。

七、附录：数据库 + 评分表字段清单（可直接复制成飞书表 / CSV）

这两段是我自己在用的字段结构，复制进飞书多维表格或 CSV 第一行即可开跑。

① 候选主表字段

② 评分明细字段（可挂在主表或单列子表）

小建议：主表只放 score_total 和 tier，明细放子表。这样看名单干净，复盘时再展开明细。