เชื่อว่าหลายคนที่ทำอสังหาริมทรัพย์เคยเจอปัญหาเดียวกัน — ลูกค้าเยอะแต่ตามไม่ทัน สคริปต์โทรหาลูกค้าแต่ละคนก็ต้องปรับเปลี่ยนตลอด บางทีโทรไปก็ไม่รู้จะเริ่มคุยยังไง วันนี้ผมจะมาแชร์วิธีที่ผมใช้ระบบ AI สร้างโปรไฟล์ลูกค้าอัตโนมัติ เขียนสคริปต์โทรศัพท์แบบเฉพาะบุคคล และกระจายลูกค้าเข้า Pipeline โดยไม่ต้องทำเองทีละขั้นตอน
ทำไมต้องใช้ AI ช่วยในงานอสังหาริมทรัพย์
สมัยก่อนตัวแทนขายต้องจำข้อมูลลูกค้าทุกคน ต้องเขียนสคริปต์โทรเอง และต้องนั่งแบ่งลูกค้าเอง พอลูกค้าเยอะขึ้นก็เกิดความสับสน บางคนโทรไปก็ลืมว่าลูกค้าคนนั้นสนใจงบประมาณเท่าไหร่ ต้องการทำเลไหน หรือเคยคุยอะไรไว้
ระบบที่ผมจะสอนวันนี้จะช่วยให้:
- สร้างโปรไฟล์ลูกค้าอัตโนมัติจากข้อมูลที่มี
- เขียนสคริปต์โทรศัพท์แบบเฉพาะบุคคลตามโปรไฟล์
- กระจายลูกค้าเข้าทีมอย่างเป็นธรรมชาติ
- ติดตามลูกค้าได้อย่างมีประสิทธิภาพ
เครื่องมือที่ต้องเตรียม
1. HolySheep AI — แพลตฟอร์ม AI สำหรับงานธุรกิจ
เป็นแพลตฟอร์มที่รวม LLM หลายตัวเข้าไว้ด้วยกัน รองรับ GPT-4.1, Claude Sonnet 4.5, Gemini 2.5 Flash และ DeepSeek V3.2 ราคาถูกกว่าซื้อแยกทีละเจ้าถึง 85% รองรับ WeChat และ Alipay สำหรับคนไทยที่ทำธุรกิจกับจีน มี API ให้ใช้ง่าย และที่สำคัญคือ สมัครที่นี่ รับเครดิตฟรีเมื่อลงทะเบียน
2. Cursor — Editor สำหรับเขียนโค้ด AI
เป็นโปรแกรมเขียนโค้ดที่มี AI ช่วยเขียน ปรับแต่งง่าย เหมาะสำหรับคนที่ไม่เคยเขียนโค้ดมาก่อนแต่อยากลองสร้างระบบอัตโนมัติ
ขั้นตอนที่ 1: ตั้งค่า HolySheep API
ก่อนจะเริ่ม ต้องไปเอา API Key จาก HolySheep ก่อน
- ไปที่ สมัครสมาชิก HolySheep
- ล็อกอินเข้าระบบ
- ไปที่หน้า API Settings
- กดสร้าง API Key ใหม่
- คัดลอก Key เก็บไว้ (จะใช้ในโค้ด)
หลังจากได้ API Key แล้ว มาดูวิธีเรียกใช้ Claude ผ่าน HolySheep กัน
ขั้นตอนที่ 2: สร้างโปรไฟล์ลูกค้าด้วย Claude
หลักการทำงาน
เมื่อมีลูกค้าใหม่เข้ามา เราจะส่งข้อมูลเบื้องต้น (ชื่อ, งบประมาณ, ความต้องการ, ช่องทางที่รู้จักเรา) ไปให้ Claude วิเคราะห์และสร้างโปรไฟล์ที่ละเอียด รวมถึงคะแนนความพร้อมซื้อ ประเภทลูกค้า และกลยุทธ์การติดตาม
โค้ดสำหรับสร้างโปรไฟล์ลูกค้า
import requests
import json
def create_customer_profile(customer_data):
"""
ส่งข้อมูลลูกค้าไปให้ Claude วิเคราะห์และสร้างโปรไฟล์
customer_data = {
"name": "คุณสมชาย",
"budget": "5-8 ล้านบาท",
"desired_area": "ย่านรัชดาภิเษก",
"property_type": "คอนโดมิเนียม 2 ห้องนอน",
"source": "Facebook Ads",
"contact": "0881234567"
}
"""
base_url = "https://api.holysheep.ai/v1"
api_key = "YOUR_HOLYSHEEP_API_KEY" # แทนที่ด้วย Key ของคุณ
# สร้าง Prompt สำหรับ Claude
prompt = f"""คุณเป็นผู้เชี่ยวชาญด้านอสังหาริมทรัพย์ วิเคราะห์ข้อมูลลูกค้าและสร้างโปรไฟล์:
ข้อมูลลูกค้า:
- ชื่อ: {customer_data['name']}
- งบประมาณ: {customer_data['budget']}
- ทำเลที่สนใจ: {customer_data['desired_area']}
- ประเภททรัพย์สิน: {customer_data['property_type']}
- ช่องทางที่รู้จัก: {customer_data['source']}
- ติดต่อ: {customer_data['contact']}
กรุณาวิเคราะห์และให้ข้อมูลดังนี้ในรูปแบบ JSON:
1. customer_type: ประเภทลูกค้า (investor/family/first_buyer/upgrade)
2. urgency_score: คะแนนความเร่งด่วน 1-10
3. budget_range_accurate: งบประมาณที่แม่นยำขึ้น
4. key_motivation: แรงจูงใจหลักในการซื้อ
5. recommended_followup: กลยุทธ์การติดตามที่เหมาะสม
6. best_contact_time: เวลาที่เหมาะสมในการติดต่อ
7. objection_likely: ข้อแก้ต่างที่ลูกค้าอาจมี
"""
headers = {
"Authorization": f"Bearer {api_key}",
"Content-Type": "application/json"
}
payload = {
"model": "claude-sonnet-4.5",
"messages": [
{"role": "user", "content": prompt}
],
"temperature": 0.7
}
response = requests.post(
f"{base_url}/chat/completions",
headers=headers,
json=payload
)
result = response.json()
profile_text = result['choices'][0]['message']['content']
# แปลงข้อความ JSON เป็น Dictionary
# Claude จะตอบกลับมาเป็น JSON เราต้อง parse
try:
# ลองหา JSON block ใน response
start = profile_text.find('{')
end = profile_text.rfind('}') + 1
profile_json = json.loads(profile_text[start:end])
return profile_json
except:
return {"error": "ไม่สามารถ parse ข้อมูลได้", "raw": profile_text}
ตัวอย่างการใช้งาน
new_customer = {
"name": "คุณสมชาย วิริยะพงษ์",
"budget": "5-8 ล้านบาท",
"desired_area": "รัชดาภิเษก พระราม 4",
"property_type": "คอนโด 2 ห้องนอน",
"source": "Facebook",
"contact": "088-123-4567"
}
profile = create_customer_profile(new_customer)
print("โปรไฟล์ลูกค้า:")
print(json.dumps(profile, ensure_ascii=False, indent=2))ผลลัพธ์ที่ได้
เมื่อรันโค้ดนี้ Claude จะตอบกลับมาเป็น JSON ที่มีข้อมูลดังนี้:
{
"customer_type": "investor",
"urgency_score": 7,
"budget_range_accurate": "5.5-7.5 ล้านบาท",
"key_motivation": "ลงทุนปล่อยเช่า ต้องการผลตอบแทน 6%+",
"recommended_followup": "นัดดูโครงการที่มีผู้เช่าอยู่แล้ว เน้นจุดแข็งเรื่อง Yield",
"best_contact_time": "ช่วงเย็น 18:00-20:00 น.",
"objection_likely": "ราคาสูงกว่าที่คาด, กังวลเรื่องค่าบำรุง"
}ขั้นตอนที่ 3: เขียนสคริปต์โทรศัพท์ด้วย MiniMax
หลักการ
หลังจากมีโปรไฟล์ลูกค้าแล้ว ต่อไปคือการใช้ MiniMax ซึ่งเป็น LLM ที่เก่งเรื่องการเขียนเนื้อหา มาช่วยสร้างสคริปต์โทรศัพท์ที่เหมาะกับลูกค้าแต่ละคน โดยจะปรับโทนเสียง คำศัพท์ และเนื้อหาให้เข้ากับประเภทลูกค้า
import requests
import json
def generate_call_script(profile, property_options):
"""
สร้างสคริปต์โทรศัพท์จากโปรไฟล์ลูกค้า
property_options = รายการทรัพย์สินที่แนะนำ
"""
base_url = "https://api.holysheep.ai/v1"
api_key = "YOUR_HOLYSHEEP_API_KEY"
prompt = f"""คุณเป็นตัวแทนขายอสังหาริมทรัพย์มืออาชีพ สร้างสคริปต์โทรศัพท์ดังนี้:
โปรไฟล์ลูกค้า:
- ชื่อ: {profile.get('name', 'ลูกค้า')}
- ประเภท: {profile.get('customer_type')}
- คะแนนความพร้อม: {profile.get('urgency_score')}/10
- แรงจูงใจ: {profile.get('key_motivation')}
- ข้อแก้ต่างที่อาจมี: {profile.get('objection_likely')}
- เวลาติดต่อที่ดี: {profile.get('best_contact_time')}
ทรัพย์สินแนะนำ:
{json.dumps(property_options, ensure_ascii=False, indent=2)}
สร้างสคริปต์ในรูปแบบ:
1. Opening (1-2 ประโยคแรก)
2. Value Proposition (จุดเด่นที่ตรงกับแรงจูงใจ)
3. Objection Handling (วิธีรับมือข้อแก้ต่าง)
4. Call to Action (ชวนนัดดู/ถามข้อมูลเพิ่ม)
5. Closing (ปิดท้ายอย่างมืออาชีพ)
โทน: เป็นกันเอง ให้ความสำคัญกับความต้องการลูกค้า ไม่กดดัน
ความยาว: ประมาณ 2-3 นาที
"""
headers = {
"Authorization": f"Bearer {api_key}",
"Content-Type": "application/json"
}
payload = {
"model": "minimax",
"messages": [
{"role": "user", "content": prompt}
],
"temperature": 0.8
}
response = requests.post(
f"{base_url}/chat/completions",
headers=headers,
json=payload
)
result = response.json()
script = result['choices'][0]['message']['content']
return script
ตัวอย่างการใช้งาน
sample_profile = {
"name": "คุณสมชาย",
"customer_type": "นักลงทุน",
"urgency_score": 7,
"key_motivation": "ผลตอบแทนจากการปล่อยเช่า",
"objection_likely": "กังวลเรื่องค่าบำรุงรักษา",
"best_contact_time": "18:00-20:00 น."
}
property_list = [
{"name": "คอนโดรัชดา 45", "price": "5.8 ล้าน", "yield": "7.2%", "maintenance": "45 บาท/ตร.ม."},
{"name": "คอนโดพระราม 4", "price": "6.2 ล้าน", "yield": "6.8%", "maintenance": "55 บาท/ตร.ม."}
]
script = generate_call_script(sample_profile, property_list)
print("สคริปต์โทรศัพท์:")
print(script)ตัวอย่างสคริปต์ที่ได้
สคริปต์โทรศัพท์สำหรับ: คุณสมชาย (นักลงทุน)
เวลาที่เหมาะสม: 18:00-20:00 น.
━━━━━━━━━━━━━━━━━━━━━━
1. OPENING (15 วินาที)
━━━━━━━━━━━━━━━━━━━━━━
"สวัสดีครับคุณสมชาย ผมชื่อ [ชื่อ] จาก [บริษัท] ครับ
ติดตามจากที่คุณสนใจทำเลย่านรัชดาพระราม 4
วันนี้ผมมีโครงการที่น่าสนใจมาแนะนำครับ"
━━━━━━━━━━━━━━━━━━━━━━
2. VALUE PROPOSITION (60 วินาที)
━━━━━━━━━━━━━━━━━━━━━━
"คอนโดรัชดา 45 เป็นทำเลที่มีคนเช่าอยู่แล้ว 90%
ผลตอบแทนเฉลี่ย 7.2% ต่อปีครับ
ตอนนี้มียูนิตที่ราคา 5.8 ล้านบาท
เป็น 2 ห้องนอน 45 ตร.ม.
ค่า Maintenance แค่ 45 บาท/ตร.ม.
ถูกกว่าทำเลอื่นเยอะเลยครับ"
━━━━━━━━━━━━━━━━━━━━━━
3. OBJECTION HANDLING (45 วินาที)
━━━━━━━━━━━━━━━━━━━━━━
[กรณีลูกค้าถามเรื่องค่าบำรุง]
"ค่าบำรุง 45 บาท ถือว่าต่ำมากสำหรับทำเลรัชดา
เพราะคอนโดใกล้เคียงอยู่ที่ 60-70 บาทครับ
รวมถึงมีทีมดูแลความสะอาด 24 ชม.
ผู้เช่าปัจจุบันไม่มี complaint เลยครับ"
━━━━━━━━━━━━━━━━━━━━━━
4. CALL TO ACTION (30 วินาที)
━━━━━━━━━━━━━━━━━━━━━━
"คุณสมชายสะดวกวันไหนครับ
ผมจัดนัดให้ไปดูที่โครงการได้เลย
มีรถรับ-ส่งด้วยครับ หรือถ้าสนใจดูแบบ Virtual
ผมก็ส่งคลิปให้ดูก่อนก็ได้ครับ"
━━━━━━━━━━━━━━━━━━━━━━
5. CLOSING
━━━━━━━━━━━━━━━━━━━━━━
"ขอบคุณครับที่ให้โอกาสคุยด้วย
ผมจะส่งข้อมูลเพิ่มเติมให้ทางไลน์นะครับ
มีอะไรสงสัยโทรกลับมาถามได้ตลอดเลยครับ"ขั้นตอนที่ 4: ตั้งค่า Cursor สำหรับ Auto-Distribute
ทำไมต้องใช้ Cursor
Cursor เป็น Editor ที่มี AI ช่วยเขียนโค้ด ทำให้คนที่ไม่เคยเขียนโปรแกรมก็สามารถสร้างระบบอัตโนมัติได้ ผมจะใช้ Cursor สร้าง Script ที่ทำหน้าที่กระจายลูกค้าเข้าทีมอย่างเป็นธรรมชาติ
ขั้นตอนการติดตั้ง Cursor
- ไปที่ cursor.sh ดาวน์โหลดโปรแกรม
- ติดตั้งและเปิดโปรแกรม
- สร้างโปรเจกต์ใหม่
- สร้างไฟล์ Python สำหรับระบบ Auto-Distribute
โค้ด Auto-Distribute สำหรับกระจายลูกค้า
# distribute_leads.py
ระบบกระจายลูกค้าเข้าทีมอย่างเป็นธรรมชาติ
import requests
import json
from datetime import datetime
import random
class LeadDistributor:
def __init__(self, api_key):
self.base_url = "https://api.holysheep.ai/v1"
self.api_key = api_key
self.agents = [
{"name": "ทีมเหนือ", "load": 0, "specialty": "บ้านเดี่ยว"},
{"name": "ทีมใต้", "load": 0, "specialty": "คอนโด"},
{"name": "ทีมกลาง", "load": 0, "specialty": "ทาวน์เฮาส์"}
]
def calculate_score(self, lead):
"""คำนวณคะแนนลูกค้าตามความพร้อม"""
base_score = 50
# ประเภทลูกค้าที่มีคะแนนสูง
high_value_types = ["investor", "upgrade"]
if lead.get("customer_type") in high_value_types:
base_score += 20
# ความเร่งด่วนสูง
urgency = lead.get("urgency_score", 5)
base_score += urgency * 3
# งบประมาณสูง
budget = lead.get("budget_range_accurate", "0")
if "ล้าน" in budget:
try:
amount = float(budget.split("-")[0].replace("ล้าน","").strip())
base_score += amount * 2
except:
pass
return min(base_score, 100) # Max 100
def find_best_agent(self, lead):
"""หาตัวแทนที่เหมาะสมที่สุด"""
property_type = lead.get("property_type", "")
score = self.calculate_score(lead)
# หาตัวแทนที่ว่างและมีความเชี่ยวชาญตรง
candidates = []
for agent in self.agents:
agent_score = 100 - agent["load"] # ยิ่ง load ต่ำยิ่งดี
# ถ้าตรงความเชี่ยวชาญ ให้ bonus
if agent["specialty"].lower() in property_type.lower():
agent_score += 30
# ถ้าคะแนนลูกค้าสูง ให้คนที่ว่างที่สุดรับ
if score > 70:
agent_score = (100 - agent["load"]) * 2
candidates.append({
"agent": agent,
"score": agent_score + random.randint(0, 10) # เพิ่ม randomness
})
# เลือกตัวแทนที่ได้คะแนนสูงสุด
best = max(candidates, key=lambda x: x["score"])
return best["agent"]
def distribute_lead(self, lead):
"""กระจายลูกค้าหนึ่งราย"""
best_agent = self.find_best_agent(lead)
# อัพเดต load ของตัวแทน
for agent in self.agents:
if agent["name"] == best_agent["name"]:
agent["load"] += 1
return {
"lead": lead,
"assigned_to": best_agent["name"],
"timestamp": datetime.now().isoformat(),
"lead_score": self.calculate_score(lead)
}
def distribute_batch(self, leads):
"""กระจายลูกค้าหลายราย"""
results = []
for lead in leads:
result = self.distribute_lead(lead)
results.append(result)
return results
def get_team_status(self):
"""ดูสถานะภาระงานของแต่ละทีม"""
return {
"agents": self.agents,
"total_leads": sum(a["load"] for a in self.agents),
"timestamp": datetime.now().isoformat()
}
ตัวอย่างการใช้งาน
distributor = LeadDistributor("YOUR_HOLYSHEEP_API_KEY")
รายการลูกค้าใหม่
new_leads = [
{
"name": "คุณสมชาย",
"customer_type": "investor",
"urgency_score": 8,
"budget_range_accurate": "5-7 ล้าน",
"property_type": "คอนโด 2 ห้องนอน"
},
{
"name": "คุณสาวใส",
"customer_type": "family",
"urgency_score": 6,
"budget_range_accurate": "3-4 ล้าน",
"property_type": "ทาวน์เฮาส์ 3 ห้องนอน"
},
{
"name": "คุณวิชัย",
"customer_type": "upgrade",
"urgency_score": 9,
"budget_range_accurate": "10-15 ล้าน",
"property_type": "บ้านเดี่ยว 4 ห้องนอน"
}
]
กระจายลูกค้าทั้งหมด
distribution = distributor.distribute_batch(new_leads)
print("ผลการกระจายลูกค้า:")
print("=" * 50)
for item in distribution:
print(f