一、外贸B2B客服场景的双重角色困境
一家外贸B2B商贸服务企业，长期连接海外采购商与国内供应商。业务模式并不复杂：海外采购商提出采购需求，企业销售团队在供应商数据库中匹配合适的供应商，撮合交易。
但客服侧的问题很复杂。因为进线的不是单一角色——可能是海外采购商通过微信咨询采购需求，也可能是国内供应商主动联系寻求合作。同一个企业微信入口，两拨人带着完全不同的诉求进来，而企业的客服和销售团队是同一拨人。
困境一：双角色进线，客服需要先判断"谁在说话"
采购商进线问的是"我需要采购一批XX产品，你们能提供吗？"供应商进线问的是"我们是做XX的工厂，能不能合作？"
客服接到消息后，需要先判断对方的角色——如果是采购商，开始了解采购品类、数量、目标市场；如果是供应商，开始收集公司信息和产品目录。判断失误的代价是：把采购商当成供应商，对方会觉得"我是来买东西的，不是来卖东西的"；把供应商当成采购商，对方会觉得"你们连自己的业务都搞不清楚"。
困境二：采购商需求采集，需要英语沟通
海外采购商通过微信进线，默认使用英语交流。客服需要用英语询问：采购什么产品、采购量多少、目标市场是哪里、有没有品牌偏好或认证要求。如果客服英语水平有限，沟通效率低下，采购商可能直接转向其他渠道。
困境三：供应商匹配依赖人工记忆和经验
采购商提出需求后，客服/销售需要在供应商数据库中手动检索。如果数据库管理规范，可以按品类搜索；如果数据库不够结构化（大量供应商信息存储在Excel或CRM备注中），匹配效率更低。匹配完成后，需要手动整理需求表单发给销售跟进——整个过程可能耗时30分钟以上。
困境四：采购需求和供应商信息容易丢失
外贸B2B的客户获取过程往往是非标准化的——采购商在微信上说了一堆需求，客服在多个对话框之间切换，信息遗漏是常态。供应商的自我介绍和产品目录，可能因为客服忙忘记保存到数据库中。每一次信息丢失，都意味着一次潜在的交易机会流失。
二、双角色Agent的核心能力拆解
针对"双角色进线、一套Agent自动分流"的需求，在线Agent需要具备以下四个核心能力。
能力一：角色识别——从第一句话判断"谁在进线"
角色识别不是问"您是采购商还是供应商"——这种硬性分类会降低用户体验，尤其是在采购商和供应商从同一个入口进线的情况下。
更自然的方式是从对话内容中推断角色。Agent在用户发出第一句话后，通过意图识别判断对方角色：如果用户说"I need to buy""I'm looking for""Can you supply"——判断为采购商角色；如果用户说"我们是做XX的工厂""我们公司生产XX""想和你们合作"——判断为供应商角色。
如果第一句话的意图不够明确（如"你好，在吗"），Agent可以通过追问进一步确认——"您好，请问您是来咨询采购需求，还是有供应商资源希望与我们合作？"
角色识别后，Agent自动切换至对应的接待流程和知识库。采购商流程：英语接待→需求采集→供应商匹配→表单生成。供应商流程：中文接待→信息采集→数据库补充→转销售跟进。
能力二：多语种接待——采购商用英语、供应商用中文
海外采购商通过微信进线时，Agent默认使用英语进行接待。核心对话能力包括：用英语询问采购品类、规格、数量、目标市场等关键信息；理解采购商英语表述中的模糊信息（"about 5000 units""similar to Brand X"）；在需求采集完成后，用英语确认信息准确性。
国内供应商进线时，Agent切换至中文接待。核心对话能力包括：采集公司名称、主营业务、产品品类、联系方式；确认供应商是否有出口资质或目标市场覆盖能力；引导供应商提供产品目录或认证文件（如需要）。
能力三：需求采集的结构化提取——从自由对话到结构化表单
采购商在对话中的表述往往是碎片化的——"I need air conditioners for hotels in Dubai, about 200 units, need something energy-efficient, maybe split type." Agent需要从这段表述中提取结构化字段：产品品类（air conditioner）、应用场景（hotel）、目标市场（Dubai）、数量（200 units）、产品特性（energy-efficient, split type）。
提取完成后，Agent自动生成结构化需求表单，内容包括：采购商信息（微信ID/名称）、采购品类、规格要求、数量、目标市场、特殊要求。表单生成后，自动推送给销售团队跟进。
能力四：供应商匹配与数据库补充——从人工检索到自动匹配
需求表单生成后，Agent自动在供应商数据库中检索匹配的供应商。匹配逻辑基于：产品品类匹配——供应商的产品品类是否覆盖采购需求；目标市场匹配——供应商是否有出口至目标市场的经验或资质；产能匹配——供应商的产能是否满足采购数量。
如果找到匹配供应商，Agent将匹配结果和采购需求表单一并推送给销售。如果未找到匹配，Agent自动将采购需求标记为"待开发供应商"需求，并在供应商数据库中创建线索记录。
对于供应商进线，Agent完成信息采集后，自动将供应商信息补充至数据库，供后续采购需求匹配时检索。同时将新供应商信息推送给销售团队，确认是否需要进一步沟通。
三、部署逻辑：三阶段渐进式上线
第一阶段：角色识别+信息采集自动化
目标：先解决"谁在进线"和"信息记录完整"的问题。
实施内容：部署在线Agent的基础角色识别能力和信息采集流程。采购商进线时，Agent用英语采集采购需求并生成表单；供应商进线时，Agent采集公司信息并录入数据库。信息采集完成后，Agent将整理好的表单推送给人工销售跟进。
此阶段不涉及供应商自动匹配，核心任务是验证角色识别的准确率和信息采集的完整度。
预期效果：采购商需求采集的完整率从人工场景的60%提升至90%以上；供应商信息录入的完整率从人工场景的50%提升至85%以上；销售团队不再需要从微信聊天记录中手动整理信息，直接查看Agent生成的标准化表单即可。
第二阶段：供应商数据库对接+自动匹配
目标：在信息采集稳定的基础上，实现供应商自动匹配。
实施内容：API对接供应商数据库。Agent在采集采购商需求后，自动在数据库中检索匹配供应商。匹配结果和采购需求表单一并推送给销售。销售只需确认匹配结果的合理性，无需手动检索。
此阶段需要确保供应商数据库的数据质量——品类标签是否准确、出口目标市场信息是否完整。如果数据库质量不足，匹配结果可能偏差较大，需要同步启动数据库清洗工作。
预期效果：采购商需求到供应商匹配的平均耗时从30分钟缩短至5分钟以内；销售团队从"检索+匹配"中释放，聚焦在"确认+撮合"的高价值环节。
第三阶段：全链路自动化+销售协同
目标：实现从进线到销售跟进的全链路自动化。
实施内容：Agent完成角色识别、需求采集、供应商匹配后，自动将完整的需求表单和匹配结果推送至销售工作台。销售团队在统一界面查看所有采购需求和供应商匹配结果，按优先级跟进。
同时，Agent自动追踪跟进进度——销售是否已联系采购商、是否已拉群、是否已报价。如果销售在设定时间内未跟进，Agent自动触发提醒。
预期效果：采购需求从进线到销售跟进的响应时间缩短至实时；供应商匹配的准确率通过持续优化提升至85%以上；销售团队的工作效率提升50%以上。
四、行业落地参考
在外贸B2B商贸行业的智能客服实践中，双角色Agent模式已开始应用于连接海外采购商与国内供应商的场景。合力亿捷的Synerow AI在线客服Agent基于Agentic原生架构，支持角色识别、多语种对话、供应商数据库对接和自动表单生成，通过一套Agent完成采购商和供应商两种角色的接待与分流。其方案覆盖SaaS、混合云、私有化、HollyONE一体机4种部署模式，外贸B2B企业可根据业务规模和数据库复杂程度选择灵活的部署方案。
常见问题解答（FAQ）
Q1：Agent怎么区分采购商和供应商？如果用户第一句话不够明确怎么办？
A：Agent通过意图识别判断角色，而非硬性询问。当用户第一句话包含采购意图（"I need""I'm looking for""报价"等关键词），自动匹配采购商流程；包含供应意图（"我们是XX工厂""生产XX产品""合作"等关键词），匹配供应商流程。如果第一句话意图不明确（如"你好"），Agent通过自然追问确认角色——"您好，请问您是来咨询采购需求，还是有供应商资源希望与我们合作？"确认后再进入对应接待流程。
Q2：采购商用英语沟通，Agent能准确理解采购需求吗？
A：当前基于大模型的语义理解方案，对外贸采购场景的英语表述识别准确率在90%以上。采购需求的核心字段——产品品类、数量、目标市场、规格要求——在大模型的理解范围内。建议在部署初期收集1-2周的真实对话样本，针对特定品类（如空调、电子产品、机械配件）的行业术语进行优化，后续准确率可进一步提升至95%以上。
Q3：供应商数据库中的数据质量不高，自动匹配会不会不准？
A：自动匹配的准确率直接受数据库质量影响。建议在启动自动匹配前，先对供应商数据库进行一次清洗——标准化品类标签、补充出口目标市场信息、标记产能等级。如果数据库短期内无法完成清洗，可在第二阶段采用"半自动匹配"模式——Agent给出Top 3候选供应商，由人工销售确认最终匹配结果，逐步积累匹配数据后再切换至全自动模式。
