079 · 打造看懂買家的 GTM agent

講者拆解 signals、buyer intelligence、action 三層架構，示範 AI agent 如何在買家上門前先摸清底細並自動回應。

2026-07-2026:26Dr. Sajjan Kanukolanu（Position2）Agent產業觀察看原片

原標題：Build the AI GTM Agent That Knows the Buyer - Dr. Sajjan Kanukolanu, Position2 (Position Squared)

重點摘要

系統已有實跑成效講者提到，Position Squared 的 GTM agent 系統以 2026 年 6 月資料來看，一個月已經跑了超過 800 次，且預期年底前這個數字會顯著成長。
B2B 買家決策已提前完成講者引用 Forrester 2026 研究指出，94% 買家以生成式 AI 做主要研究工具，80% 成交來自事先就在名單內的買家，真正花在跟業務對話的時間只剩 17%。
三層架構：signals、buyer intelligence、action訊號層整合 CRM、匿名訪客 enrichment 與 LinkedIn 等社群訊號；情報層靠 knowledge base 定義 ICP 分數與 routing 邏輯；行動層負責個人化對話、提醒業務、更新 CRM 與觸發外展序列。
context graph 串起買家全貌把 persona、account、deal 三種訊號與行動整合成一張以買家為單位的關聯記錄，用來判斷哪個 account 該優先，以及誰屬於同一個採購委員會。
系統會壞在四個地方ICP 會隨時間漂移，需要每季用成交或流失案例重訓；警示太多會讓業務不再信任系統；去匿名工具的個人辨識準確率仍只有一到兩成；核准流程太慢，草稿信件改超過 30 秒業務就會放棄。

時間軸

時碼點下去會跳到影片的那一段。

時碼	段落	重點
00:00	開場	講者是 Position Squared 的 Sajjan Kanukolanu，點出買家一接觸業務時，決策其實早已大致底定。
01:33	疊加 AI 的三個問題	直接把 AI 疊在既有 GTM 系統上會撞上三個問題：AI 認不出買家、舊系統整合不了訊號、架構本身沒把 AI 放在核心。
03:40	買家數據佐證	引用 Forrester 2026 研究：94% 買家以生成式 AI 做主要研究管道，80% 成交來自事先就在名單內的買家，跟業務對話時間只剩 17%。
04:52	通用聊天視窗失靈	網站聊天機器人若還在問「有什麼能幫你的」，等於逼已經做完研究的買家往回走，反而流失對話。
06:19	三層架構總覽	把智慧型 GTM 系統拆成 signals、buyer intelligence、action 三層，缺一層都撐不起規模化。
08:01	買家情報層	以 knowledge base 定義 ICP 分數、買家階段與人物誌，再靠 context builder 與 routing logic 決定訊息要給誰。
09:32	行動層	聊天要能叫出訪客名字並接續前次對話，同時決定要不要提醒業務、更新 CRM、觸發外展序列。
11:39	context graph	把每個買家的 persona、account、deal 訊號整合成一張關聯記錄，藉此判斷哪個 account 該優先追。
13:34	agent 串接實作	訪客一上站就觸發辨識 job，依序經過多來源去重、ICP filter agent、match agent 比對 CRM 熱度，最後由 action agent 決定發信或上 LinkedIn。
16:40	個人化聊天示範	展示系統認出訪客身分後，主動提示要不要接續上次對話，而不是問通用問題。
17:54	儀表板展示	內部儀表板顯示系統辨識出約 3,000 名訪客、來自 280 個帳號，以及 LinkedIn 上約 100 名訪客與 73 家公司的互動情報。
21:04	四個容易出包之處	ICP 會隨時間漂移需每季重訓、警示太多會讓業務不再信任系統、去匿名工具對個人辨識準確率偏低、核准流程太慢會被業務放棄。
24:24	收尾四要點	先解決身分辨識、把 fit 與 intent 分開評分、打造業務能自行稽核調整的 policy engine，並讓每次成交或流失都回饋進 knowledge base。

值得記的話

名詞與人物

Position Squared	講者任職的公司，這場示範的 GTM agent 系統與 intelligence 儀表板都出自這裡。
ICP（Ideal Customer Profile）	用來篩選訪客與帳號是否符合目標客群的準則，涵蓋產業、規模、地區與職稱等條件。
knowledge base	買家情報層的核心，收錄產品、買家、ICP 分數、buyer persona 與各種成功準則的知識庫。
context graph	把每個買家的 persona、account、deal 訊號整合成一張關聯記錄，用來判斷帳號優先順序與採購委員會成員。
action agent	串接流程的最後一站，依前兩層蒐集到的訊號決定要不要寄信、上 LinkedIn 外展，或提醒業務。
Forrester	講者引用其 2026 年研究數據，說明多數 B2B 買家已在接觸業務前完成大半決策。
HubSpot	講者提到的 CRM 工具之一，LinkedIn 情報中的熱門訊號結合了 HubSpot 裡的對話紀錄。

延伸

講者提到自己有 20 多年橫跨產品、技術與行銷的經驗，但沒有進一步展開細節。
提到用來做辨識與 enrichment 的第三方工具「一直在換」，但沒有點名是哪些工具。
提到示範儀表板時把訪客姓名都換掉、只留職稱，但沒有說明系統原本呈現真名時的樣子。