…
…
…
…
…
达人库3,131 · 49 国
YouTubeAI 工具粉丝 ≥ 5万全部国家中位播放
建联追踪
数据报表当日周报月报
发信封数0
发出建联0
周期 CPM$0
上线视频0
总播放量0
总互动量0
系统上线初期 vs 迭代后
同一套系统、同一个人。对比的是 7 月第一批建联和 9 月最新一批：中间加了自动跟进、状态流转规则和话术迭代。所有数字按"首次发送月份"分组，用固定时间窗计算，避免新批次因为时间短而吃亏。
回复里 24 小时内到达的占比
收到的回复中，有多少是在开发信发出后 24 小时内到的。这个数字衡量的是系统的跟进节奏，而不是话术有多吸引人。
7 月批次 213 条、9 月批次 185 条，均为首发邮件；回复以达人最后来信时间计。
每条记录的人工跟进次数
越低越好
进入合同及之后阶段的比例
7 月批次 vs 8 月批次 · 9 月批次尚在推进
单周 CPM
越低越好 · 美元
回复率本身没有涨。7 月批次最终回复率 34.7%，9 月批次 25.9%——8 月起名单从精挑的热账号扩到了更冷的长尾。系统改变的不是有多少人回你，而是回得多快、以及要不要你追着要。这页只写数据能撑住的结论。
口径：按首次发送月份分组；"24 小时内"以达人最后来信时间减首次发送时间计；人工跟进次数取自系统"跟进次数"字段；CPM 为简历公开口径。所有数字为聚合值，不涉及任何达人个人信息。
系统改变了什么
差别在于工作住在哪里。手工建联把状态存在你脑子和收件箱里；系统把它存在一张有规则的表里，人只在需要判断的地方出现。
自动跟进系统，全自动化。
手工建联最耗人的不是写第一封信，而是记得在第三天、第七天回去催。一个人盯几十条对话时，漏掉的永远是没回的那些。
系统按状态自动排跟进：谁该催、催第几次、用哪套话术。7 月批次平均每条记录要人工追 1.12 次；9 月批次只要 0.28 次，回复里不用人追就来的比例从 51% 涨到 77%。
每条记录的人工跟进次数，越短越好
数据源 · 系统"跟进次数"字段，按首发月份分组
一键操作，七步手工全自动。
手工流程每条记录都要重复一遍：翻表找人、复制模板、发信、设提醒、翻收件箱、回填状态。七步里有六步不需要判断，但每步都会出错。
系统里这些都是数据：每天早上一条命令拉接口、比对快照、写出当天的新建联、来信和管道变化。人只处理"对方最新说了什么"这一件事。
> /kol 生成今天的日报
● Bash(
kol_daily_report.py
)
⎿ Output:
新建联 48 · 来信 19 · 快照已更新
阶段变化 6 · 待决策 2
完成，已写入日报。
─── 1 次调用 · 0 次翻表 ───
1打开达人表，筛平台和粉丝
2找邮箱，复制旧模板
3改称呼和频道名，发送
4日历里手动设 3 天提醒
5翻收件箱，看谁回了
6回表格改状态和备注
7周五抄数字进周报
─── 7 步 · × 每条记录 ───
CPM 从 $33降到 $6.96。
建联做得再快，如果签下来的达人播放差，钱还是白花。系统在每条合作上记录成交价、中位播放和实际曝光，上线后按 UTM 归因把访客和安装回填。
有了这层复盘，筛人标准就会自己收紧：粉丝量不再是主指标，中位播放和预计 CPM 才是。迭代几轮后，单周 CPM 从 $33 降到 $6.96，降幅 79%。
单周 CPM（美元），越短越好
数据源 · 简历公开口径；系统复盘框架见下文
手工建联 vs 系统化建联
同样是一个人做海外达人建联，两种做法在每个环节上的差别。
| 环节 | 系统化建联 | 手工建联 |
|---|---|---|
| 达人从哪来 | 3,131 人的达人库，按平台、国家、粉丝、中位播放、类别筛 | 一张表，靠搜索和记忆 |
| 状态怎么记 | 14 类回复状态，从"已发送"到"已发布"有明确流转规则 | 备注列里写"等回复" |
| 跟进谁催 | 系统按状态和天数排队，人工跟进降到每条 0.28 次 | 靠日历提醒和翻收件箱 |
| 对方说了什么 | 每条记录带完整往来邮件和内部批注 | 在邮箱里按名字搜 |
| 报价与合同 | 成交价、货币、合作形式、预计上线日期结构化记录 | 散在邮件和聊天里 |
| 效果怎么看 | 上线后按 UTM 归因访客与安装，CPM / CPE 自动算 | 看一眼播放数 |
| 日报周报 | 脚本每早拉接口生成，周五自动汇总 | 周五手抄表格数字 |
| 多人协作 | 按负责人分权限，报表按提报人拆分 | 共享表格互相覆盖 |
数据截至 2026-09-22
它是怎么搭起来的
Python + Claude Code，从一张表长成一个工作台。三个模块按这个顺序上线，每个都先解决当时最疼的问题。
-
达人库
先解决"找谁"。批量导入、去重、冷却期，按平台 / 国家 / 粉丝 / 中位播放 / 类别分面筛选。后来加了 YouTube Data API 校验频道，避免建联到已停更的账号。
-
状态流转
再解决"到哪了"。从已发送、已回复、谈判中、合同跟进中到脚本中、视频制作中、已发布，每条记录只有一个状态，跟进节奏挂在状态上。日报、周报都从这里生成。
-
CPM / CPE 复盘
最后解决"值不值"。每条合作记录成交价和中位播放，上线后生成 UTM 短链，把访客、下载意向和安装归因回达人。筛人标准从粉丝量转向预计 CPM，投放越来越准。
什么时候值得搭系统
不是所有建联都需要系统。诚实的分界线是这样的。
值得搭系统，当：
- 同时在途的对话超过 50 条，你已经记不住谁该催了。
- 建联是长期动作，不是一次性活动；每周都有新一批。
- 要向别人汇报进度和 ROI，数字得可复现。
- 不止一个人在做，需要分权限、按人拆报表。
Excel 就够了，当：
- 目标达人不到 30 个，一屏能看完。
- 这是一次性活动，做完就结束。
- 不需要按效果复盘，签下来就算成功。
- 只有你一个人，而且你记性很好。
想看系统本身？
这套系统是在 Citro Labs 的真实业务里跑出来的，达人数据不公开。所以我做了一个 1:1 的沙盒：用公开的 YouTube 博主当示例，每个按钮都能点，只是不会真的发邮件。
常见问题
因为没有手动阶段的可比数据——系统 7 月 15 日上线，之前的手工建联没有进系统。而且按月看，回复率没涨反降（34.7% → 25.9%），原因是 8 月起名单扩到了更冷的账号。硬写"系统让回复率提升"是不诚实的，所以这页比的是速度和自动化，那是数据真正支撑的。
能。全部来自系统的 /api/outreach 和 /api/report 接口，按"首次发送时间"的月份分组，24 小时内回复以"最后来信时间"减"首次发送时间"计，人工跟进取"跟进次数"字段。口径写在数据卡下方。数据本身属于 Citro Labs，不对外，但计算方法是公开的。
Python 后端加一个单页前端，主要实现用 Claude Code 和 Cursor 完成，我负责定义产品结构、状态规则和交互，再协调协作者一起交付。日报和周报由 launchd 定时脚本生成，效果归因接 PostHog 的 UTM 数据。
系统里 985 条记录是我一个人的；全团队 2,821 条建联里我占 77%。峰值一周新建联 202 位达人。能做到不是因为发得快，而是因为跟进、状态和汇报都不再占人的时间——人只出现在需要判断的地方：报价、脚本、成片审核。