體驗課後追蹤最該先做的不是催對方立刻報名、付款或升級，而是把體驗後的名單分成「現在值得跟進、需要第二次體驗、需要內容培養、不適合追、必須停止聯絡」五種狀態。台灣中小企業可以用 AI 摘要體驗紀錄、LINE 對話、表單答案與 CRM 備註，但最後的價格、承諾、優惠、停發與人工接手，仍要由負責人確認。
為什麼體驗後名單會變冷
很多團隊以為體驗課、免費試用、demo 或諮詢沒有成交，是因為客戶嫌貴。更常見的原因其實是體驗後沒有被接住：老師不知道誰有意願，業務只看到一串名單，客服沒有記下對方卡在哪，行銷則把所有人放進同一封優惠訊息。
國外關於 trial conversion 的強頁面有一個共同訊號：不要把追蹤設計成固定時間的群發序列，而要看使用者或學員是否完成了關鍵體驗。B2B SaaS 的試用轉換文章常把這稱為 activation event；放到台灣 SME，就是對方有沒有完成第一堂課、問到價格或時段、回覆想再看方案、帶同事一起看 demo，或明確說暫時不適合。
這也是為什麼 Google Analytics 的 lead acquisition report 會把新名單、合格名單與成交名單分開看。Google 官方文件說明，Lead acquisition report 可用來了解哪些渠道帶來新名單，並以 generate_lead、qualify_lead、close_convert_lead 等事件填入指標。對小團隊來說，重點不是一開始就把 GA4 設得很漂亮，而是先讓每筆體驗後名單有狀態。
5 種體驗後名單與下一步
體驗後追蹤的第一張表，不需要複雜。先把名單分成五類，AI 才知道要摘要什麼，人也知道該不該繼續打擾。
| 名單狀態 | 判斷訊號 | 下一步 | AI 適合做什麼 |
|---|---|---|---|
| 成交熱名單 | 體驗後主動問價格、名額、方案差異或付款方式 | 當天或隔天由真人回覆，給明確下一步 | 摘要需求、整理方案差異、草擬回覆 |
| 需要第二次體驗 | 有興趣但還沒感受到成果，或需要帶家人、主管、同事一起判斷 | 邀請第二次體驗、補案例或安排短會議 | 找出卡點，產生低壓力邀約版本 |
| 需要內容培養 | 互動禮貌但需求未成熟，短期沒有預算或時程 | 放入內容培養，降低高頻銷售訊息 | 分群主題，安排 FAQ、案例、比較內容 |
| 不適合追 | 需求不符、預算落差太大、期待超出服務範圍 | 禮貌收斂，必要時推薦替代資源 | 標記不適合原因，避免下次再誤判 |
| 停止聯絡 | 退訂、封鎖、拒絕行銷、明確說不要再聯絡 | 立刻停發促銷與銷售追蹤 | 檢查名單是否仍被放在推播或廣告再行銷 |
AI 可以幫忙，但不要讓 AI 直接催成交
AI 最適合做的，是把雜亂資料整理成可判斷的訊號。例如把體驗課老師的備註、LINE 回覆、報名表、會後問卷、demo 問題和業務紀錄整理成一段摘要，再標出「需求、疑慮、下一步、同意狀態」。這能減少漏接，也能讓不同同事用同一套標準交接。
但 AI 不適合自動決定折扣、保證成效、醫療或法律相關承諾，也不適合把所有體驗者都自動丟進促銷名單。Google Analytics 的 recommended events 把 qualify_lead、disqualify_lead、working_lead、close_convert_lead 分成不同事件，這個邏輯可以借用：名單不是只有「買」和「不買」，還有資格、接手、失敗原因與停止追蹤。
台灣 SME 的 7 天落地流程
第 1 天：定義你的關鍵體驗
先問：對你來說，體驗成功的訊號是什麼？健身房可能是完成第一堂課並問下一堂時間；課程可能是完成試聽且回覆學習目標；B2B demo 可能是客戶要求內部報價或邀請決策者；顧問諮詢可能是對方願意提供更多資料。
第 2 天：整理最小欄位
建立一張表，欄位先放：姓名或代碼、來源、體驗日期、關鍵需求、主要疑慮、下一步、同意狀態、負責人、最後結果。不要一開始就收集過多個資，也不要把完整對話丟進不明 AI 工具。
第 3 天：讓 AI 摘要，不讓 AI 判決
把去識別化的備註交給 AI，請它整理成需求、疑慮與建議下一步。接著由真人確認分類。這一步的目標不是讓模型取代業務，而是讓業務少漏看訊號。
第 4 天：設計三種回覆，而不是一封群發信
成交熱名單收到明確下一步；需要第二次體驗的人收到低壓力邀請；需要內容培養的人收到有用資料。不要把「還在想」的人直接推到付款頁，也不要把已拒絕聯絡的人放進促銷推播。
第 5 天：回寫結果
每次追蹤後都要回寫結果：已約下一次、已付款、暫緩、無回覆、不適合、停止聯絡。沒有回寫，AI 下次只會用更快的速度重複錯誤。
第 6 天：接到 GA4 或 CRM 事件
如果團隊已有 GA4、CRM 或廣告轉換回傳，可以把體驗名單狀態對應到事件。例如報名表可視為 generate_lead，人工判定適合可視為 qualify_lead，真人接手可視為 working_lead，成交可視為 close_convert_lead。小團隊可以先用試算表，等流程穩定再串工具。
第 7 天：檢查停止聯絡與個資邊界
台灣《個人資料保護法》第 20 條要求，非公務機關利用個人資料行銷時，當事人表示拒絕接受行銷，應即停止利用其個資行銷；首次行銷也應提供拒絕方式並支付所需費用。實作上，體驗課後追蹤如果從交易提醒轉成促銷或長期培養，就要確認告知與停止機制。
適用與不適用情境
這套方法適合有體驗課、試用、demo、初談、免費諮詢、說明會或試營運名單的台灣 SME，例如健身房、瑜伽與皮拉提斯教室、補習與才藝課程、美業、顧問服務、B2B 軟體、設備代理、裝修設計、品牌工作室與地方服務業。
如果你的產品是低單價、全自助、沒有人工服務流程，先做完整 AI 名單分級可能太重；先把付款頁、商品頁、FAQ 和退訂機制修好更實際。如果體驗過程涉及醫療、金融、法律、兒少、敏感個資或高額承諾，AI 只能整理內部資訊，不能直接對外承諾效果、價格、療效或法律結論。
資料更新與來源
本文依據 2026 年 10 月可查資料撰寫。主要參考 Google Analytics 對 lead acquisition report 與 recommended lead events 的官方說明、經濟部中小及新創企業署對中小企業 AI 應用落地的政策資訊、全國法規資料庫公布的《個人資料保護法》第 20 條，以及 2026 年針對 trial follow-up、intro offer follow-up 與 SaaS trial conversion 的公開 benchmark 頁面。工具功能、GA4 事件建議、LINE 官方帳號規則、CRM 欄位與個資主管機關實務見解都可能更新；正式導入前，請以你實際使用的平台文件與法遵流程為準。
可優先檢查的來源包括：Google Analytics Lead acquisition report、Google Analytics recommended events、經濟部中小及新創企業署 AI 普及應用落地資訊、全國法規資料庫個人資料保護法。
結論：追蹤不是多催一次，而是少打擾錯的人
體驗課後追蹤要提升成交，不是把所有人都推進同一條銷售序列，而是讓每個名單有狀態、有負責人、有下一步，也有停止聯絡的出口。AI 可以把分散紀錄整理成判斷材料，幫小團隊更快看見誰值得跟進、誰需要培養、誰不該再打擾。真正的關鍵仍是人：確認承諾、調整節奏、尊重同意，並把每一次結果回寫成下一次更準的行銷判斷。
FAQ
體驗課後追蹤一定要用 CRM 嗎？
不一定。小團隊可以先用試算表、LINE 標籤和人工負責人開始；等欄位、狀態和結果回寫穩定後，再接 CRM 或行銷自動化工具。
AI 可以自動判斷誰最可能成交嗎？
AI 可以依備註與互動訊號提出分級建議，但成交可能性、折扣、承諾與停止聯絡仍要由真人確認，尤其涉及價格、合約或敏感服務時。
體驗後多久跟進比較好？
通常同一天先做簡短確認最穩，隔天再依狀態給下一步。重點不是固定幾小時，而是跟體驗訊號連動：有高意圖就快回，沒有啟用訊號就先補理解與內容。
試用後沒回覆的人要一直追嗎？
不要。先判斷對方是還沒理解價值、時程不對、需求不符，還是已拒絕聯絡。沒有互動的人應降低頻率，已拒絕行銷的人必須停止相關推播。
體驗課後追蹤可以直接發促銷優惠嗎？
可以，但要看對方當初同意的聯絡範圍與體驗狀態。若只是交易或體驗通知，不應直接變成長期促銷；優惠也不該取代清楚的方案、適用條件與人工說明。