深度報告
-
Fuzzy AI 是一個面向 LinkedIn 的關係優先型銷售開發平臺，核心理念是在發起直接觸達之前，先透過內容互動和品牌曝光「溫暖」潛在客戶。它把傳統冷啟動的順序倒了過來——先讓銷售人員透過評論、點贊和內容釋出在目標客戶面前持續出現，等對方有了認知再傳送個性化的 LinkedIn 訊息或郵件。產品於 2026 年 7 月 20 日在 Product Hunt 上線即獲得當日第一，獲得 526+ 票數，目前聲稱服務 150+ B2B 銷售團隊。產品由 Serena Lam 和她的兄弟聯合創立，團隊目前規模很小，但已經拿到了公開可查的融資和加速器認可。
-
Fuzzy AI 由 Serena Lam 和她的兄弟聯合創立。Serena 的職業起點是 IBM，在那裡待了七年，輾轉美國、中國和印度做過大約十種不同的角色，之後加入一家客戶公司負責戰略與轉型。她創辦 Fuzzy 的直接動機是親眼看到優秀的銷售代表每週花 30 個小時做「複製貼上」式的對外聯絡，被困在定額和工具裡。她對這類工具的批評是：「我們像開法拉利，但限速在學校區。」 更底層的觀察是，B2B 的買家不會跟陌生人籤合同——他們只會跟自己信任的人籤。傳統 AI 銷售工具從名單和模板開始，找到一個人就立刻生成冷訊息。Fuzzy 把順序完全倒了過來：先找出已經在目標話題下點贊、評論或釋出內容的人，讓銷售人員在 LinkedIn 上持續出現，再把這些互動物件放進個性化的 LinkedIn 和郵件流程。 公司的註冊資訊顯示 Serena 出生於澳大利亞，目前在新加坡生活和工作，是 ASEAN-Australia Centre 和 HEX 聯合選出的 Generation Next 2026 的 30 名創始人之一。她的家庭背景也比較特殊——祖輩從中國逃難到越南，父母再從越南以難民身份來到澳大利亞。她在採訪中多次提到家族的逃難經歷是她創業勇氣的重要來源。 產品早期名字叫「Fuzzy Sequence」，後來簡化為「Fuzzy AI」。團隊目前仍然很小，產品經歷過多次重構，方向也調整過幾次。
-
Fuzzy AI 把銷售開發流程拆成了四個主要模組：研究潛客、生成內容、評論互動、發起多步驟外聯。 研究潛客方面，產品與 LinkedIn Sales Navigator 深度整合。使用者可以透過智慧提示器直接從 Sales Navigator 資料中提取目標買家，不受每日查詢限制。系統會自動生成一份「專屬潛客資訊流」，替代 LinkedIn 上雜亂的通用資訊流，銷售人員可以集中看到目標決策者的最新動態。 內容生成部分，產品內建了「致勝鉤子庫」——一套經過驗證的模版集合，幫使用者快速生成高互動性的 LinkedIn 帖子。系統會分析使用者的品牌語氣，保證生成的內容聽起來像真人寫的。內容可以自動在高峰時段釋出，不需要手動操作。 評論互動是 Fuzzy 區別於同類工具的核心功能。系統會識別目標買家釋出的帖子，自動生成有上下文的評論草稿，供使用者稽核後釋出。這個環節的目的是在直接觸達之前讓潛在客戶先看到你的名字。Fuzzy 官方稱這種策略為「權威式銷售」——你的外聯在建立聲譽，而不是消耗它。 外聯觸達階段，系統支援多步驟的 LinkedIn 和郵件序列。每個觸達點都使用 AI 生成個性化的訊息，引用潛客的具體背景資訊。Fuzzy 的「記憶」功能會追蹤每一次對話的歷史和互動記錄，確保後續跟進有真實的上下文，而不是重複傳送「只是跟進一下」這種毫無資訊量的訊息。 從使用體驗來看，產品強調「人在迴路中」。使用者可以稽核每一條訊息再決定是否傳送，而不是完全交給 AI 自動執行。系統內建了符合 LinkedIn 使用規範的活動限速、類人的行為節奏和安全防護措施。官方聲稱設定了安全閾值，不會使用無頭瀏覽器或爬蟲等違規手段。 在 ROI 方面，產品官網提供了一個計算器，供團隊根據自己的平均客單價、成交率和每月會議數來估算收益。以一個 5 人銷售團隊、平均客單價 1 萬美元的場景為例，系統估算可以用每月 276K 美元的收益潛力。
-
Fuzzy AI 採用按月訂閱加 Credits 的 SaaS 模式，分為三個公開層級： Starter：149 美元/月，包含 3,000 Credits。Growth：299 美元/月，包含 10,000 Credits。Scale：599 美元/月，包含 30,000 Credits。 所有層級都包含潛客研究、訊息生成、多步驟序列、品牌語氣匹配、評論和內容生成等核心功能。不同層級的主要區別在於用量額度、團隊管理和高階流程功能。企業版按席位和流程定製，價格不公開。 此外還有一份更便宜的定價出現在一些評測網站上：入門價 47 美元/月，但這個可能對應更早期的版本或不同的套餐結構。 Fuzzy 每筆賬戶都有真人協助設定，意味著 onboarding 成本不低。產品方稱回覆率可達 12-18%，遠高於傳統冷啟動的 3-6%，但這些數字是公司口徑，沒有獨立第三方機構複核過。
-
Fuzzy AI 的 Product Hunt 頁面有 82 條評論，整體評價積極。使用者稱讚產品「直觀」「無縫」「比之前用的工具更全面」。 從社交媒體上的反饋來看，使用者對產品的核心贊同集中在幾個方面：一是「先建立關係再推銷」的理念切中了大量 B2B 銷售人員的痛點——冷訊息的回覆率確實在持續走低；二是與 LinkedIn Sales Navigator 的整合效果不錯，解決了每日限額的問題；三是 AI 生成訊息的個性化程度超過了簡單的模板變數替換。 一些使用者在 LinkedIn 上表示，Fuzzy 解決了一個具體問題：把研究潛客、生成內容、評論互動和外聯這幾個原本分散的動作整合到了一個工作流裡，不再需要在多個工具之間切換。 但也有一些關注點。首先，產品非常 LinkedIn 優先——如果目標客戶群在 LinkedIn 上不活躍，Fuzzy 的效果會大打折扣。其次，AI 生成的內容如果稽核不嚴，仍然可能出現語氣不當或內容不相關的情況，尤其當系統學習到的「品牌語氣」不夠準確時。第三，雖然品牌聲稱符合 LinkedIn 規則，但任何形式的 LinkedIn 自動化都有賬號限制的風險，只是程度不同。 來自中文媒體 neodrop.ai 的評價比較剋制：「這個排名並不意味著它已經證明了所有增長數字。它排第一，是因為產品入口、價格、公開案例和創始人對獲客的解釋比另外幾款候選更完整。」
-
Fuzzy AI 的產品定位在 AI SDR 工具賽道上找到了一個比較獨特的切入角度。調研機構 AIDeckly 將其歸類為 LinkedIn 社交銷售工具，行業部落格 AppSecSanta 則從安全形度把同名的另一個開源 LLM 模糊測試工具和它區分開來。 從競品格局看，Fuzzy 的直接競爭對手包括 Artisan（Ava）、11x.ai（Alice）、AiSDR、Dripify 和傳統的銷售參與平臺 Salesloft 與 Outreach。Fuzzy 的核心差異在於兩點：一是 LinkedIn 原生而非郵件優先，二是「權威式銷售」框架（先建立認知再觸達）與傳統的「量大人多」思路形成區別。 多位行業評測者指出，Fuzzy 並不試圖成為萬能工具。它的專注既是優勢也是限制——如果潛客不在 LinkedIn 上、或者團隊的獲客策略以郵件為主，Fuzzy 需要配合其他工具使用。 Fuzzy 在內容策略上做得不錯。官網維護了多個高質量的產品對比部落格（與 Dripify、Reply.io、Instantly、Salesloft 等工具的詳細對比），這些內容既用於 SEO 獲客，也幫助潛在使用者在決策前充分了解差異。 創始人也公開分享了產品的發展歷程。她在 Podcast 採訪中坦誠產品經歷過多次重構，方向也調整過幾次。她認為「會議數」比開啟率更接近真實結果，回覆率和最終預訂的會議是兩類核心指標，MRR 排在後面。
-
Fuzzy AI 面臨的主要風險來自平臺合規性。雖然產品聲稱符合 LinkedIn 的服務條款，但任何形式的 LinkedIn 自動化都存在潛在風險。LinkedIn 對這些行為的容忍度一直在變化——2024 年到 2025 年間 LinkedIn 加強了反自動化措施，一些同類工具的使用者遭遇過賬號限制。 第二個爭議點在於效果的驗證問題。產品方宣稱的 12-18% 回覆率和 150+ 團隊使用量都是公司口徑，目前沒有獨立的第三方審計或可復現的公開測試。對於一款 B2B 工具來說，這是比較常見但也是潛在客戶最關注的問題。 第三個風險來自生成式 AI 本身。AI 生成的評論和訊息在語境理解上仍然可能出現偏差。一條語氣不當的評論——比如在一條關於裁員或公司危機的帖子下自動生成了推銷內容——可能對銷售人員的個人品牌造成不可逆的損害。Fuzzy 允許稽核後再傳送，但這意味著用人的判斷來兜底，不是系統自動解決了一切。 最後是產品成熟度的問題。創始團隊坦誠產品經歷過多次重構，當前版本仍然存在一些 bug。對於一款與 LinkedIn 賬號安全直接掛鉤的工具，使用者的容錯空間並不大。
-
Fuzzy AI 最適合的人群是：活躍在 LinkedIn 上從事 B2B 銷售的團隊和創始人，特別是那些面向中大型企業、需要反覆觸達高管的場景。如果你的銷售團隊已經在手動檢視潛客動態、寫評論、發訊息，Fuzzy 可以把這些動作整合起來並加速。 不適合的人群包括：目標客戶群在 LinkedIn 上不活躍的業務（如面向藍領行業或大眾消費品的銷售），以及以外貿郵件為主要觸達手段的團隊。 一個合理的切入方式是：選一個明確的客戶群體，先在小範圍內用 Fuzzy 進行測試，要求稽核每一條訊息，對比經過「預熱」的觸達和純冷觸達的回覆率和最終會議數。在確認效果後再逐步擴大使用範圍。 如果你擔心賬號安全，可以設定嚴格的每日傳送限額，並確保團隊成員理解稽核流程的重要性。同時建議定期使用 LinkedIn 的原生資料匯出功能備份關鍵聯絡人，作為風險管理措施。
-
Fuzzy AI 在產品林立的 AI SDR 賽道里找到了一個獨特的角度——不是幫銷售多「發」訊息，而是幫銷售在被注意之前先「出現」。這個角度在產品理念上成立，也獲得了一定數量的早期使用者驗證。它能否在 LinkedIn 持續收緊自動化的環境下生存並增長，取決於產品方能否在「提高效率」和「不越界」之間持續保持平衡。
使用者評論
-
greenduck983—試用了一週，潛客識別確實準。以前每天手動刷 LinkedIn 找人就花兩小時，現在 Fuzzy 自動推送，直接省了這塊時間。 -
PThompson_Plus—149 刀一個月對 solo 來說有點貴了，不過功能確實比 Dripify 強不少，AI 生成的訊息不是那種一眼模板的感覺。 -
CarlSmith_Pro—用了三天就約到兩個 demo，比我手動 cold message 一個月的成果還多。關鍵是對面會回覆「你怎麼知道我最近在找這個」，這種對話體驗太舒服了。 -
MEhar—說真的 LinkedIn 自動化工具用過一串了，Fuzzy 的「先建關係再觸達」框架是最靠譜的。不是群發機器人的邏輯，更像是個幫你打理社交的助理。 -
NGray369—提個意見：內容生成有時候跑偏，生成的評論語氣跟我不太像，每次都得改一遍再發。AI 學品牌語調這塊還有進步空間。 -
Jerry.Gray_2022—創始人 Serena 在 Podcast 裡說她們重構了好幾次才到現在的版本，敢於承認 bug 和不足反而讓我更放心去試。 -
Jessica108—這幾天在 Product Hunt 上看到它拿到當天第一就試了。配置不算複雜，兩個小時內就跑起來了。LinkedIn 安全方面做得比預期好，沒有封號跡象。 -
MRamos_2024—Where have you been all my life 這個客戶評價很真實。我剛開始也覺得又是套模板的工具，但 Fuzzy 確實不是，每條訊息都能引用到具體 context。 -
韓怡—和 Salesforce 的整合做得怎樣？有沒有人試過？我們用 Outreach 做基礎 CRM，需要一個 LinkedIn 層的補充。 -
Shirley_Scott—說實話我有點擔心賬號安全。雖然他們說不會用無頭瀏覽器，但這種自動化在 LinkedIn 眼裡跟灰產差不多吧？打算先小號試一陣再決定。 -
Samuel_HernandezZ—150 多個團隊在用，資料應該不是虛的。至少我們團隊五個人試用下來回復率確實從不到 5% 漲到了 15% 左右，這漲幅值回票價了。 -
Brenda.Ramos_2021762—對中小團隊來說 299 刀一個月貴了點，尤其是 Credits 用完了還要加錢。要是能給個限制每日傳送量但不限 Credits 的選項就好了。 -
MaryStewartIII1—最喜歡的是 Memories 功能。以前用其他工具跟進經常搞混跟誰說過什麼，Fuzzy 會自動記住上一次的互動記錄，做 follow-up 的時候直接能用。 -
姜睿鳳—我們的客戶主要在歐洲，LinkedIn 回覆率確實比 email 高。Fuzzy 的定時傳送算好了時區，這個細節很到位。 -
Andrew.RuizIII22—Fuzzy 跟 Clay 搭配起來還挺順的。Clay 做資料 enrichment，Fuzzy 做觸達，兩個工具隔段時間同步一下，整個流程就閉環了。 -
常英丹—他們官網的 ROI 計算器我試了一下，按 5 人團隊算能到每月 276K 收益，這個數字有點太理想化了。不過工具本身確實能提效，數字打折一半還是香的。 -
Austin_HughesJr705—@debbie 在官網上說的 signed up live，where have you been all my life 不就是我想說的嗎？用了兩天就感覺回不去了。 -
HashMax777—用了兩週了，回覆質量確實高，但有個問題——如果對方不是 LinkedIn 活躍使用者或者很久沒發帖，Fuzzy 的優勢就發揮不出來。這個侷限性產品方也沒藏著。 -
Rebecca.Alvarez369—我一個 agency 的朋友從 Instantly 換到了 Fuzzy，說最大的區別不是功能而是心態——Fuzzy 讓人感覺是在做社交不是在發騷擾訊息。 -
DPrice—試用下來感覺更適合 SaaS 行業做 enterprise 銷售。如果是小客單價走量的話，價效比不如 Apollo 那類工具。 -
JeanFoster—試用了 Free 版本，每天能用的次數有限但夠先體驗了。對了，有沒有人知道 Starter 計劃裡的 3000 個 Credits 大概能跑多少條訊息？ -
JWilson168—Fuzzy 跟 PhantomBuster 的定位完全不一樣。前者是做銷售的，後者是做 scrap 的。拿它們比就像拿瑞士軍刀比手術刀。 -
孫平鳳—已經在用 Expandi 了，轉過來感覺 Fuzzy 的 AI 個性化強很多。Expandi 用條件邏輯做變數替換，Fuzzy 是真的用 LLM 在生成。 -
5NNZFS—各位記著每過一段時間手動備份 LinkedIn 的聯絡人，不管用什麼自動化工具。這是基本風險管理。 -
Sophia_Vasquez_99—看了 bravesea 對 Serena 的採訪，才知道她是 IBM 出來的。能在那麼大公司待七年再出來創業，勇氣真的可以。產品理念也是能落地的。 -
ROjac007—提個建議：如果能直接發 InMail 而不是必須先用連線請求就好了，有時候只想快速觸達某個決策者，等對方透過太慢了。 -
Nathan_MartinezZ—對 Dux-Soup 的使用者來說升級到 Fuzzy 簡直是降維打擊。Dux 還是瀏覽器外掛思路，Fuzzy 已經是完整的銷售工作流了。 -
黃強—團隊協作功能做得不錯，可以共享潛客列表和 templates，不用再互相打聽了。對 5-10 人的 SDR 團隊挺友好。 -
Ha_shWave—救命，自動生成的評論有一次差點在客戶關於裁員的帖子下發推銷內容。幸好稽核環節攔住了，這個 man-in-the-loop 的設計太重要了。 -
BrvanScott—Starter 149 刀 3000 Credits，Groeth 299 刀 10000 Credits，Scale 599 刀 30000 Credits。大概算了下 Scale 的人均成本最低，適合 3 人以上團隊直接上。