AI SDR vs 人工 SDR 成本实测：每次预约会议 $46 对 $312

这次 AI SDR 对照测试中，AI SDR 首月用掉 $415 的软件成本，预约了 11 场会议；与之对照的人工 SDR 席位当月全口径成本约为 $8,000，预约了 19 场。但真正决定结果的并不是这两组数字，而是双方在同一周向同一批账户发送邮件后，归因数据发生了什么。

AI SDR 实测结果：先看数字，再看配置

在 60 天测试期内，AI SDR 技术栈的单次预约会议成本为 $46，人工 SDR 席位的全成本口径则为 $312。这是最抓眼球的结论，但脱离上下文也最容易误导人。所以我写下这篇复盘，而不是只发一张截图。

按到会率和 SQL 率校正后，双方的差距迅速缩小：AI 技术栈的单个 SQL 成本为 $184，人工席位为 $397。AI SDR 依然胜出，但优势是 2.2x，而不是原始仪表盘显示的 6.8x。AI 预约到的会议与人工预约到的会议并不等质；忽略这一点，正是大多数“我用 AI 替掉了一个人”式文章掉进去的坑。

另一个扭曲结果的因素更隐蔽，也更难修复：归因污染。在大约两周的测试期里，AI 和人工同时向同一批目标账户发送邮件。回复陆续进来，有些到了 AI 的收件箱，有些到了人工的收件箱，还有一些发到通用的 info@ 邮箱，只能由我手工分流。两套拓客动作都把功劳算在自己头上。供应商仪表盘给出一组数据，我们的 CRM 给出另一组；直到我重新划分账户，并用留出组重跑归因，两边的数据才都被纠正。

这才是大家通常不会公开的部分。单次会议成本只是容易算的那一半，归因才是决定 AI SDR 究竟带来真实利润，还是仅仅把延期成本悄悄移出人力成本科目的另一半。行业资料已经把 AI SDR 软件描述为只需人工席位全成本的一小部分，但这一说法默认归因是干净的。而当 AI 和人工覆盖了重叠账户时，恰恰不可能天然得到干净归因。

测试配置与人工 SDR 全成本基线

一套主动获客动作。一个 ICP：北美地区、员工规模 200 至 1,500 人的中型 B2B SaaS 企业。一份包含 4,200 家公司的目标账户名单，AI 与人工 SDR 按 50/50 拆分，两份名单之间设置严格的排除规则。测试从夏末开始，持续 60 天。双方使用相同的销售提案、指向同一日历链接；回复进入后，入站侧也采用同一套资格判定标准。

用来对照的人工 SDR 全成本不是估算值。我逐项拆出了每一笔成本，确保这组比较经得起财务团队审查：

按年计算，一个席位的总成本略高于 $140K。这与公开的行业口径一致：人工 SDR 的基本工资超过 $60K，其全成本还会显著上升，因为还要叠加上述各项负担。

AI SDR 侧也采用同样的全口径算法，逐项对应：软件订阅、使用费，以及底层数据层。没有隐藏的人力成本，没有“这个席位本来就有”的算法，也没有用对 AI 有利的按比例折算。下面逐项列明。

AI SDR 技术栈：所有工具与价格

AI SDR 本身只是智能体层，交付能力和底层数据基础设施则是独立的技术栈。尽管供应商的宣传很容易让人产生相反印象，但我测试过的 AI SDR 产品，没有一个自带足够的数据和邮件交付能力，能够单独运行。公开的 AI SDR 定义包括潜客开发、触达序列和回复处理；落到实际运营中，潜客开发需要外部数据源，触达序列也需要外部邮箱基础设施，否则不到一个月就会遭遇限流。

单看智能体层，费用落在公开资料给出的 AI SDR 软件每年 $3,000 至 $6,000 区间内。把智能体依赖的数据层和邮箱层也算进去，整套技术栈按年计算约为 $8,400。即便如此，全套一年的成本依然低于人工 SDR 席位一个月的全成本。

这里必须校正一个范围。冷启动主动获客是一类模型；负责响应并分流网站入站流量和表单线索的智能体属于另一类产品，解决的是另一类问题。我测试的是主动获客版本，本文数据不能套用到入站场景。

数据层也是多数“我试过 AI SDR”文章避而不谈的部分。智能体的表现上限，取决于输入给它的每一行数据。关于这一层，我另文拆解了任何 AI SDR 底层的 Apollo、Clay 与 Smartlead 组合。简单说：要评估 AI SDR，首先要判断真正的瓶颈究竟在智能体，还是在数据与邮箱层。

30 天 AI SDR 部署方案

第 1 至 5 天：ICP、名单与排除规则

ICP 要定义得比预想中更窄。ICP 一旦过宽，AI 的规模效应会同步放大错误，单次会议成本也会被迅速拖垮。先建立账户名单并补全数据，再创建排除名单：人工 SDR 正在跟进的账户、已有活跃销售机会的账户，以及过去 90 天内所有入站账户。没有这份名单，归因问题从第一天就已经开始。

第 6 至 12 天：话术、人工审核关卡与邮件交付

写好触达序列。任何邮件发出前，所有版本都必须经过人工审核。我否决了智能体生成的前三组开场白，因为模板感实在太强——典型例子就是“我偶然看到了你的个人资料”，这种开场不到一周就可能让域名进入黑名单。新域名的邮箱至少预热 14 天，条件允许就延长。初期每个邮箱每天最多发送 30 封，再逐步放量。

第 13 至 21 天：逐步放量与强制升级规则

把发送量逐步提升到目标水平。最重要的运营规则是：一旦收到正向回复，必须在几分钟内转交人工，而不是等上几小时。智能体负责识别意向，下一封消息则由人工接管。多数全自动方案正是在这里出错：真实买家一眼就能看出回复出自智能体，前六封邮件好不容易积累的信任也会随之耗尽。

第 22 至 30 天：淘汰、调优并锁定留出组

到第 22 天，回复数据已经足以淘汰表现最差的序列分支。我在三个分支中砍掉了一个，它带来了 60% 的负面情绪回复。同时锁定一个由 400 个账户组成的留出组，AI 和人工都不触达，为测试后半程建立干净的归因基线。

避免品牌风险事故的关键规则只有一条：一级账户绝不允许全自动发送。目标名单中排名前 5% 的账户，每一封消息都要进入人工审批队列。智能体起草，人工点击发送。无论单次会议成本多漂亮，我都不会放宽这条规则。

第 7、30 与 60 天的数据

在每个检查点，AI SDR 的单次预约会议成本都更低。但随着到会率和资格判定被纳入计算，AI SDR 在单个 SQL 成本上的优势也不断缩小，这才是真正值得观察的曲线。第 7 天，人工席位的单个 SQL 成本高出 5.7x；到第 60 天，差距缩至 2.2x。

智能体供应商的原始仪表盘显示，AI 预约了 34 场会议，而不是 26 场。多出的八场，一部分来自重复计数：人工已经打开机会后，智能体仍把会议归功于自己；另一部分所谓“会议”，其实是要求停止联系的回复，却被智能体分类器标成了正向意向。我依据 CRM 重建了数据，没有采用供应商仪表盘的数字。表中展示的才是校正后的结果。

很少有人公开的 AI SDR 归因问题

测试开始两周后，人工 SDR 名单中的一个账户回复了智能体邮件。三周前，人工 SDR 已经联系过同一个人，并约到过一场最终爽约的会议。这次回复进入了智能体收件箱；智能体将其判定为正向意向，随即触发人工接手，并预约了一场新会议。CRM 把它记为智能体带来的线索，供应商仪表盘也计入了这场会议。人工 SDR 认为功劳属于自己，这完全合情合理。

当时有三个问题同时发生。第一，虽然已经设置排除规则，AI 和人工仍在触达重叠账户，因为规则只覆盖活跃销售机会，没有覆盖沉寂机会。第二，末次触点归因夸大了 AI 的贡献，因为它的邮件后发。第三，供应商仪表盘进一步放大了数字：每次正向意向分类都会在会议真正举行前，被直接记作一场“来源会议”。

修复这套归因整整花了一周。下次再做测试，我会在开始前完成以下设计：

用硬隔离拆分账户名单，而不是依赖软性的排除规则。测试期内，AI 的 2,100 个账户对人工完全封闭，人工的账户也同样对 AI 封闭。不能因为账户“比较热”就破例，也不能因为“人工以前建立过关系”就留口子；归因污染正是从这些例外开始的。

锁定一组双方都不触达的留出账户。没有留出组，就无法判断会议究竟由主动触达带来，还是本来就会通过入站渠道和现有管道发生。留出组规模虽小，却会牺牲一些潜在管道，因此代价不低；但只有这样，公布数据时才真正有把握。

以“首次有效回复”为统计单位，而不是“预约会议”。会议预约发生在三到四个可报告事件之后，很容易受到污染。首次有效回复则对应一封由明确发件人在明确时间发出的具体邮件，可以清晰归到其中一套触达动作。

通用原则很简单：如果没有硬性名单隔离和留出组，绝不要让 AI SDR 与人工 SDR 同时触达同一份名单。否则数据将无法挽回，你会浪费两周测试时间，向一位本就有充分理由不信任智能体仪表盘的销售负责人解释差异。

AI SDR 做不到什么

收到首次回复后，对采购决策委员会展开多线程跟进。某位总监表示感兴趣后，人工 SDR 在第三天就在同一邮件线程里引入了 VP 和 IT 负责人；智能体却仍在反复联系那位总监。进入首次会议后仍继续推进的八笔交易中，有五笔能走下去，是因为人工加入了第二和第三位利益相关者。智能体对采购委员会的理解，一碰到真实组织架构就失效。

读懂一句话回复背后的时机。“下季度再联系”在测试数据里有两种含义。对有预算的总监来说，指的是十月；对没有预算的经理来说，实际意思是永远不要再联系。人工 SDR 看到 Slack 提醒后，十秒内就能判断区别。智能体却将两者一视同仁，并在 90 天后再次触达，结果损害了第二段关系。

处理脚本分支之外的异议。智能体为三类常见异议准备了三个分支，但第四类异议出现频率约为 15%，得到的却是一段看起来在回避问题的通用回复，邮件对话也就此终止。

品牌风险。个性化层拉取了错误字段，导致一封智能体邮件在销售提案中写入竞争对手的产品名。这封邮件发给了 14 个账户，其中两个指出了错误，一个还是前客户。单次会议成本不会反映这次事故的代价，但它理应被计入决策。

一套可复用的 AI SDR 决策规则

同时满足三个条件时，可以用 AI SDR 技术栈替代人工席位。第一，客单价大致低于 $25K ACV；在这个区间，即便转化率不错，单位经济也支撑不起人工 SDR 的单个 SQL 成本。第二，名单规模足够大——每季度新增目标账户超过 3,000 个——让智能体的吞吐优势能够持续累积。第三，触达动作仅覆盖漏斗顶部，并由独立的人工团队在首次回复后负责多线程跟进和资格判定。

以下情况应当用 AI SDR 增强人工团队，而不是替代人工：客单价高于 $50K ACV；采购决策委员会通常至少有三人；或者向某个具名账户错发一条消息，就会演变成必须向 CEO 解释的品牌风险事件。在这个区间，AI SDR 确实能增加产能，但这不等于“削掉一个席位”。

大多数团队处在中间区间，即客单价 $25K 至 $50K，也是最难决策的区间。此时真正需要的不是供应商演示，而是一场按本文方式搭建、包含硬隔离和留出组的 60 天对照测试，并且要在裁减任何席位之前完成。我看到的供应商案例中，许多单次会议成本优势在重做干净归因后都会消失，也有一部分能够保住。不亲自跑完测试，就无法知道自己的结果属于哪一种。

常见问题

什么是 AI SDR？

AI SDR 是一类软件，负责执行人工 SDR 所做的潜客开发、触达序列和回复处理。不同供应商、不同业务动作的产品范围差异很大；冷启动主动获客、入站响应和语音分别是不同产品，其单位经济也不同。

AI 会取代 SDR 吗？

在大多数客单价和业务规模下，AI 对 SDR 岗位的影响更多是改变工作内容，而不是彻底消灭岗位。名单调研、序列初稿、回复分类等重复环节正在自动化；但围绕采购决策委员会展开多线程跟进，以及从一句话回复中判断细微意图，至少目前还做不到。

AI SDR 的成本是多少？

智能体软件通常落在每年 $3,000 至 $6,000 的区间，计入使用费后，实际数字还会更高。人工 SDR 席位一旦把基本工资、浮动薪酬、薪资负担、工具、爬坡期与管理开销全部计入，按年计算的全成本会超过 $140K。

哪款 AI SDR 最好？

取决于业务动作。冷启动主动获客、入站响应和语音智能体属于不同产品。正确选择取决于客单价、名单规模，以及真正的瓶颈究竟在智能体层，还是底层的数据与邮箱层。