在武汉光谷，马总的专升本学历提升机构做了五年多。主要做统招专升本培训、成人专升本、在职学历提升这几条业务线，每年服务几千名学员。教学教研能力在本地同行里算扎实的，但马总这几年越来越觉得不对劲——招生成本一年比一年高，有效咨询的转化率却在往下掉。
他手下有二十来个课程顾问，日常工作就是处理各渠道涌进来的咨询：抖音信息流、百度搜索、校园地推、转介绍。顾问每天的主要工作是接听咨询电话和回拨留资线索。开场白基本上都一样：“您好，我是XX教育的课程顾问，您之前咨询过专升本，现在还在考虑吗？”结果呢，有的说“我随便看看的”，有的说“已经报了别家”，有的干脆不接。顾问人均每天处理几十条线索，真正能聊到目标院校、备考状态、报名进度这些实质内容的，没几条。
马总自己也清楚，专升本的学生有一个典型特征：决策周期长，而且高度依赖“时间节点”。 大一的学生觉得还早，大二的学生开始犹豫，大三的学生才真正着急。但机构很难判断每个学生当前处于哪个阶段，同样的沟通方式用在“大一想先了解”和“大三马上要报名”的学生身上，效果完全不同。
转折出现在去年秋天。马总在一个教育行业峰会上听人分享电话机器人在学历提升招生中的应用案例，研究后发现这不是简单的群呼工具，而是能做多轮对话、采集报考状态、自动分标签的系统。他决定上一套试试，定位很清楚：机器人负责在第一通电话里完成“报考阶段识别”和“需求初筛”，把学生当前的备考状态摸清楚，课程顾问只跟进“已进入备考状态”或“处于决策窗口期”的线索。
调整一：从“您要报名吗”变成“您现在到哪一步了”
马总以前给顾问培训，开场白永远围绕“您还有没有考虑我们机构”。他以为直接问报名意愿最有效率，结果学生听到的第一反应往往是防御——“我还没想好”“我只是先看看”。
马总重新设计了机器人的开场逻辑，核心原则就一条：不问“要不要”，只问“在哪一步”。 机器人接通后的第一句话是这样的：
“您好，我是XX教育的备考规划回访专员。想问一下您之前了解过专升本，现在是已经开始准备了，还是还在观望了解阶段？”
这句话完全不涉及“报不报我们机构”，只关心“学生自己的进度”。学生无论回答“已经开始准备”还是“还在观望”，都相当于自动告诉机器人自己处于什么阶段，而且说出来没有任何压力，因为不是在回应推销，只是在聊自己的状态。
如果学生回答“已经开始准备了”，机器人继续追问：“您是自己在复习还是有报班？目标院校大概定了吗？”如果学生回答“还在观望”，机器人追问：“是觉得时间还早，还是对政策不太了解？”这两个分支所获取的信息性质完全不同，前者能判断学生的行动力，后者能定位学生的犹豫原因。
马总发现，换了“问进度”的方式之后，学生愿意多聊几句的比例明显高了很多。 因为没有人会拒绝别人关心“你现在的状态是什么样”，但很多人会拒绝“你考虑一下买我的东西”。
调整二：把“全量跟进”变成“按阶段分级”
以前马总的顾问拿到线索之后，不管对方是大一还是大三，全按统一话术和节奏跟进。结果大一的被过早打扰觉得烦，大三的又觉得顾问反应不够快。
机器人后台根据学生在对话中透露的信息，自动完成了“报考阶段标签”生成。系统根据几个关键问题的答案，把线索分成几个类别：
“大三 - 已经在备考 - 目标院校已定” → 标记为“冲刺期”，当天分配给资深顾问，直接聊院校招生计划和备考冲刺方案；
“大二 - 在犹豫是否要考” → 标记为“观望期”，推送给擅长做政策解读的顾问，先帮学生解决“要不要考”的问题；
“大二 - 已经在了解政策” → 标记为“准备期”，进入机器人的定期回访池，每月一次轻量触达；
“大一 - 只是提前了解” → 标记为“储备期”，放入长线培育池，半年内不做强销售动作，只推送一些升学资讯。
马总发现，把学生按报考阶段分开运营之后，课程顾问的时间分配更精准了。 以前顾问把所有线索混在一起，不知道谁急谁不急；现在“冲刺期”的线索被优先处理，因为这类学生的决策窗口最短、竞争最激烈，一旦错过时间节点就只能等下一批。
调整三：用“犹豫原因”反向优化营销内容
马总每周让运营专员整理一次机器人后台的“学生回应分布”，重点看“还在观望”的这部分学生给出的原因是什么。
有一次报告显示，在“还在观望”的学生中，超过四成给出的原因是“不太清楚自己能报什么学校”。马总意识到，这不是学生不想考，而是信息不对称造成的决策焦虑。他立刻让教研团队制作了一份《专升本院校选择指南》，推送给所有标记为“观望期”的线索。后续数据显示，收到指南后主动联系顾问咨询的比例明显提升。
他还注意到另一类原因——“担心考不上”。这类学生在“还在观望”群体中占比第二。马总让顾问在跟进话术里增加了一段“往届录取数据展示”，用具体的数字告诉学生“考上的人是什么基础水平”，而不是只空泛地说“我们通过率高”。这个调整之后，这类学生的咨询转化率有了明显改善。
马总后来说：“观望的学生不是没有需求，是卡在某个具体问题上了。机器人在前头帮我把那个问题问出来了，我才能针对性地去解决它。”
调整四：看“对话时长”判断有效线索
马总以前判断一条线索有没有价值，靠的是顾问的主观反馈——“我觉得这个学生挺有意向的”“感觉他不太积极”。全是感觉，没有标准。
他后来在后台盯了一个指标：学生在机器人对话中的“停留时长” 。他发现数据呈现很清晰的分布规律：
对话在一分钟内挂断的 → 无效线索，基本属于错号或随手留资；
对话在一到两分钟之间的 → 有一定兴趣但浅层，适合放入自动化培育流；
对话在两分半以上的 → 配合回答了多个问题，且主动追问过某个细节，直接标记为“高价值”，当天分配给顾问。
这个指标让线索分级有了一个客观的依据。马总把这个标准同步给了顾问团队——拿到高价值标签的线索，要在两小时内完成首次人工对接；其他类型的线索按标准流程分批处理，不占用紧急带宽。
现在的马总：从“催电话”变成“调节奏”
现在的马总，不再每天早上催着顾问“今天多打几个电话”。他的工作节奏变成了：周一上午看机器人后台的上周汇总——各阶段线索的分布比例、“还在观望”原因TOP3、不同来源线索的对话时长对比。
这些数据告诉他这周的重点在哪里。如果“大三冲刺期”的线索比上周明显减少，他要在渠道端加大针对大三学生的投放；如果“政策不了解”这个观望原因连续三周排在榜首，他就安排运营团队更新政策解读的内容物料。
马总说了一句被他在内部反复引用的话：“做学历提升招生，最忌讳的是把大三的当大一的聊，把观望的当冲动的催。机器人在前面帮我把这些分类做完了，我的人才能该急的急、该养的养。”
