全栈开发者用 n8n + Claude 搭建房产潜客 AI 评分系统，月入 $3,500 的真实案例

项目目标

用 n8n + Claude Code 搭建一套 AI 自动潜客评分系统，为房地产经纪人自动筛选和跟进购房意向客户，每月节省 20 小时以上人工时间，并将转化率提升 3 倍。

身份锚点

我是 Josh，一名有 5 年经验的自由职业全栈开发者。2025 年初，在一次同学聚会上，做房产经纪的老同学向我吐槽：每天收到 50-80 条来自 Zillow、Redfin 等平台的咨询，但 80% 都是无效流量——有问附近房价的、有写论文需要数据的、甚至有竞争对手来摸底的。真正有购房意向的潜客常常被淹没在海量消息中，跟进不及时导致流失。

我意识到，这其实是一个典型的信息筛选+自动跟进问题。如果我能在两天内搭建一个原型验证这个需求，就有可能打开一个全新的收入渠道。

时间线

• 第 1 周：调研需求 + 用 n8n 搭建 MVP，对接 Zillow API 获取潜客数据
• 第 2-3 周：用 Claude Code 写潜客评分模型和自动邮件回复系统，开始在小范围测试
• 第 4-6 周：优化评分准确率，增加短信通知功能，正式推出 SaaS 版本
• 第 7-12 周：通过本地房产经纪协会口碑传播，扩展到 28 个付费客户

适用范围与前置条件

• 熟悉 n8n 的基本概念（workflow、trigger、webhook）
• 了解 Claude Code 的基本用法
• 有基础的 API 调用经验（REST API、JSON）
• 目标客户群为独立房地产经纪人（非大型中介连锁）

如果你还不熟悉 n8n，可以先看我们的入门教程：如何用 n8n + OpenAI 搭建自动化内容采集与发布工作流了解基础概念。

实施步骤总览

• 第 1 步：对接 Zillow/Redfin API 获取潜客咨询数据
• 第 2 步：用 Claude Code 构建潜客评分模型（Hot/Warm/Cold）
• 第 3 步：n8n 串联自动化流程：数据采集 -> 评分 -> 标签 -> 邮件跟进
• 第 4 步：加入微信/短信提醒功能（高价值潜客实时通知）
• 第 5 步：封装为 SaaS 多租户系统，支持多个经纪人同时使用

任务清单

• 获取 Zillow API、Redfin API 的开发者密钥
• 在 n8n 中配置数据采集 webhook
• 用 Claude Code 编写潜客评分 prompt 模板
• 设置自动邮件跟进模板（3 封序列）
• 配置 CRM 标签同步

数据采集与结构化

潜客数据并非直接通过 N8N 表单采集，而是通过 Zillow Agent Hub API 和 Redfin Partner API 获取经纪人收到的咨询清单。每条经纪咨询记录包含以下结构化字段：

潜客评分算法

def score_lead(lead):
    score = 0
    if lead.get('budget_max', 0) >= lead.get('avg_listing', 300000):
        score += 40
    urgency_map = {'1个月内': 30, '3个月内': 20, '不确定': 10, '只是看看': 0}
    score += urgency_map.get(lead.get('timeline', '不确定'), 0)
    if lead.get('has_scheduled_tour'):
        score += 20
    if lead.get('previous_interactions', 0) > 0:
        score += 10
    return min(score, 100)

策略生成与落地

MVP 上线后，Josh 发现一个问题：纯规则评分过于粗暴。很多高质量的潜客在电话沟通后才能发现，但经纪人根本没时间逐一打电话。

解决方案：在 n8n 中集成 Claude Code，将潜客的原始咨询文本 + 历史交互记录传给 Claude，让 AI 做语义层面的深度评分。

收入来源拆解

成本 vs 利润

风险边界与兜底策略

1. API 限额风险：Zillow API 有每日查询限制，用 n8n 的 rate limiter node 配合队列机制避免被封
2. AI 误判风险：Claude 评分偶尔误判，评分 >=80 的潜客直接通知经纪人，50-79 的进入每日汇总邮件
3. 客户流失风险：推出 3 个月套餐锁定至少 3 个月收入

失败循环

• 第 1 次尝试：用纯规则评分（预算+时间线+行为），准确率只有 60% -> 失败原因：忽略语义信息，很多购房者的真实意图藏在咨询文本里
• 第 2 次尝试：接入 Claude 做 AI 评分，但直接调 API 每天成本 $15 -> 失败原因：对每条咨询都做完整分析，杀鸡用牛刀。改为：先用规则过滤掉明显无效的咨询，只把高质量潜客送入 AI 评分
• 最终突破：规则过滤 + AI 深度评分的两级架构，准确率提升到 88%，API 成本控制在每天 $1.5

核心洞察

洞察 1：不要一开始就做 SaaS 平台

Josh 最初想做一个面向所有经纪人的平台。但一个工具的成功在于解决了真实痛点，而不是功能多少。他先帮一位朋友经纪人手动搭建了整套流程，确认方案确实有效、得到明确付费意愿后，才开始考虑系统化和多租户架构。

洞察 2：n8n 是 MVP 神器

从想法到可运行的 MVP 只花了 1 周。n8n 的内置 node（HTTP Request、Webhook、Email、Schedule、Function）几乎覆盖了所有中间件需求，不需要写后端代码。唯一需要自定义的 AI 评分部分，通过 Claude Code 生成的 prompt 完美解决。

洞察 3：按省时价值定价而非功能定价

Josh 没有按功能定价，而是直接锚定经纪人省下的时间价值：每位经纪人每月花在潜客筛选上的时间约 25 小时，时间成本 $1,250/月。$99/月的定价只收 8% 的省时价值，对经纪人来说是显而易见的好买卖。

工具联动

正文中自然出现的工具名，平台侧会匹配已维护 tools 库生成 hover-card：n8n Cloud、Claude Code、OpenAI、Claude

内链引导

• 新手先看教程：如何用 n8n + OpenAI 搭建 AI 销售开发代表系统
• 文中用的工具：n8n Cloud