用 Claude Code 帮健身房做会员跟进与训练计划，每周省下 3 小时

周五晚上十点。送走最后一位会员、把前台的灯关掉一半之后，我还坐在电脑前。下周要做的跟进消息，还剩 12 个人没发。A 会员从上个月起来得越来越少；B 会员入会两周，一次课都没约过。我得一个个打开档案，翻上一次的训练内容，再敲一条”最近身体还好吗”这种不痛不痒的微信。每周都这么干，结果就是——花在联系会员上的时间，常常比真正带训练还长。

更糟的是，编跟进话术编着编着注意力就散了，最关键的那个问题——“这个人到底为什么不来了”——根本没想透，就把改了两句的模板消息发出去。等过一阵才发现：“那个会员，最后还是退了啊。“做健身房的人，这种后悔大概都尝过一次。

我把这个”联系会员的泥潭”，很大程度上交给了 Claude Code 和生成式 AI。不是完美的全自动。但让 AI 先把前期准备做好、人只负责拍板之后，每周的杂事在体感上少了一半还多。今天就把这套做法，连同能直接复制粘贴的模板，一起放在这里。

本文要点

• 会员跟进，真正花时间的不是”写文字”，而是”决定对谁说什么”。把前期准备交给 AI，发不发由人来定。
• 筛出有流失征兆的会员、起草跟进话术、做训练计划草案——这三件事最适合交给 AI。
• 文中给了可以直接套用的提示词模板，以及一个保护会员数据安全的校验脚本。
• 个人信息要做到不把真实姓名、联系方式交给 AI，全程只用匿名 ID 跑。
• 哪怕是小健身房，每周省下 3 到 5 小时的杂务也是很现实的水平。

先理清读者画像和现在的业务流程

这篇文章对这样的人最有用：会员 50 到 300 人左右的中小型健身房或私教工作室的老板，或者一线教练。没有专职行政，或者最多只有一个人。引流做得还可以，但新进会员往往在三个月内悄悄流失。你想做点挽留，可每天带训练已经忙得团团转。

把现在的跟进工作拆开，大致是按这个顺序在转：

1. 打开到店记录或预约系统，凭感觉找出最近没来的会员
2. 回想这个人的档案、上次训练内容、目标
3. 在微信或专属 App 上想好跟进话术发出去
4. 收到回复就引导到下次预约
5. 给下周的训练计划一个个排课

问题出在第 1 到第 3 步”每次都从零手工做”。这里最常见的返工有两种：“漏看没来的人”和”排好计划后才听说会员身体或目标变了，只能重排”。前者直接关系到营收，却最容易被往后拖。

Use case 1：每周筛出有流失征兆的会员

第一步是”该跟进谁”的名单。这是把判断材料机械地排出来的活，正适合交给 AI。

如果预约系统能导出 CSV，就把到店日期、入会日期、最近有没有预约，用匿名 ID 交给 AI，让它按风险高低排序。真实姓名不交。会员编号或哈希过的 ID 就够了。

让它把满足下面这份清单的会员挑出来标为”需跟进”：

• 最近 14 天没到店（按每周两次的会员算）
• 入会 30 天内、到店不超过 2 次
• 上次跟进后既没回复也没来
• 距离目标达成期限不到 1 个月

AI 做到这里为止。“对这个人该说什么""到底要不要联系”，由人来定。比如”上周听他说受伤了，现在先别提这个”——这种现场的来龙去脉，数据里看不出来。这部分得靠人补。

Use case 2：为每位会员准备跟进话术草稿

名单有了，接下来是话术。这一步 AI 很顶用。但要发的内容绝不直接自动发送。让它先出草稿，人花三秒改一下。这个分寸刚刚好。

按会员类型分好、让它写出语气不同的草稿，扫一眼就能快速选用。

会员类型	状况	话术方向
刚入会·低频	两周没到店	降低不安。给出下次的小目标
中途倦怠	到店降到每月两次	回顾成果。解释平台期
接近达成目标	还差一点	一起描绘达成后的下一个目标
久未联系	间隔一个月以上	不指责。降低重新开始的门槛

把这套类型划分写进提示词，AI 就能一口气把不同语气的话术分别写好。

Use case 3：做训练计划的草案

第三件是排训练计划。把会员的目标、现状、可用器械、上次的负荷交给它，AI 会按周返回一份草案。

这里要强调：AI 给出的是”草案”。活动范围受限、慢性病、当天状态、动作习惯——这些直接关系到安全的部分，必须由教练覆盖修改。交给 AI 的，只到动作组合、组数参考、相对上次的渐进方案为止。最终”能不能让这个人上这个重量”，由人来定。

把”必须由人判断”的范围清清楚楚地划出界线：

• 涉及既往病史、有痛感部位的动作能不能做
• 是否允许大重量、高强度
• 看当天身体状态临时替换计划
• 饮食、补剂的个性化建议（接近医疗的领域尤其要谨慎）

可直接复制粘贴的提示词模板

下面是我实际在用的模板。会员数据只放匿名 ID，不放真实姓名和联系方式。

你是一家中小型健身房的会员跟进助理。
请阅读以下会员数据（仅含匿名ID、到店记录、目标），
1) 把需跟进的会员按风险从高到低排序
2) 为每位会员写 1 条微信草稿：不指责、包含下次的小目标
   - 60字以内，表情符号最多 1 个，用礼貌语气
   - 注明属于 刚入会/中途倦怠/久未联系 中的哪一类
3) 用一行写出教练需要确认的注意点

输出用表格形式。不要输出真实姓名、电话、住址。
数据：
{在此粘贴匿名CSV}

训练计划用的模板是这个。

你是私人教练的辅助助手。
请阅读会员的目标、现状、可用器械、上次计划，
为本周的 3 次训练做一份草案。
- 动作名称、参考组数、相对上次的渐进方案
- 每一天用一行写出安全上教练需要确认的点
- 涉及既往病史的动作，必须标注"需确认"
输出用表格。请按"最终判断由教练做出"的前提来写。
会员数据：
{在此粘贴匿名数据}

保护个人信息的校验脚本

把会员数据交给 AI 之前，先用机器检查里面有没有混进真实姓名、电话、邮箱。人眼核对一定会漏，所以这里放一个”门卫”。这是一个用 Node.js 跑的小校验脚本。

import { readFile } from "node:fs/promises";

// 当“门卫”，机器检查要交出去的 CSV 里有没有混入个人信息
const text = await readFile(process.argv[2] || "members.csv", "utf8");

const rules = [
  { name: "电话号码", re: /1[3-9]\d{9}|0\d{2,3}-?\d{7,8}/g },
  { name: "邮箱", re: /[A-Za-z0-9._%+-]+@[A-Za-z0-9.-]+\.[A-Za-z]{2,}/g },
  { name: "姓名列", re: /(姓名|名字|全名|name)\s*[:：,]/gi },
];

let hit = 0;
for (const rule of rules) {
  const found = text.match(rule.re);
  if (found) {
    hit += found.length;
    console.log(`NG: 疑似“${rule.name}”的值检测到 ${found.length} 处`);
  }
}

if (hit === 0) {
  console.log("OK: 没找到疑似个人信息的值，可以保持匿名 ID 直接交出去。");
  process.exit(0);
} else {
  console.log("--- 交给 AI 之前请先删掉对应的列 ---");
  process.exit(1);
}

运行就这么一条。

node check-pii.mjs members.csv

出现 NG 就把那一列删掉再交出去。定一条规矩——不出现 OK 就不交给 AI——那种”手一抖把会员名册整张贴上去”的事故就消失了。你只要让 Claude Code”把这个脚本对文件夹里所有 CSV 都跑一遍”，每次导出时就能自动检查。基础上手方式整理在Claude Code 入门指南里，让它记住项目专属规则的做法整理在 CLAUDE.md 最佳实践里。

用前用后，到底变了什么

用数字说会更直观，这里放上我手头的估算。一家 120 人规模的健身房，每周花在跟进上的时间是这样的。

工作	用前	用后
筛出需跟进会员	约 60 分钟	约 10 分钟
写跟进话术（12 人份）	约 90 分钟	约 25 分钟
做计划草案（10 人份）	约 120 分钟	约 40 分钟
合计（每周）	约 4.5 小时	约 1.25 小时

每周省下三个多小时。按时薪折算，一个月相当于省下几百块，但更重要的是”能把脑子用在带训练上”的时间回来了。想把提示词调得更准，可以参考提示词工程进阶；不熟悉 AI 的人，先从面向非工程师的 Claude Code 入门上手会更容易。

至于 ROI 的参考：如果工具每月成本在百元上下，只要靠加强跟进每月少流失一名会员，本钱就轻松回来了。流失率这种数字，可以一边参考像国家体育总局这样的官方公开资料，一边用自家门店的真实数据来量，才最靠谱。

常见问题

问：AI 写的话术能直接发吗？ 最好别。把它当草稿用，发之前一定让人过一遍。只要补上会员的名字、最近发生的一件小事，机器味就没了。不把”发送”这一步本身自动化，是不破坏信任的关键。

问：能把会员的姓名、联系方式交给 AI 吗？ 别。只用匿名 ID，加上到店记录、目标就能跑。坚持用上面那个校验脚本检查后再交出去，几乎能杜绝事故。

问：电脑不太行也能用吗？ Claude Code 可以用对话来下指令。只要能把 CSV 导出来、把提示词粘上去，就够了。迈出第一小步的具体步骤，在入门文章里都有。

问：担心训练计划的安全性。 就把 AI 的输出当草案，到此为止。重量设定、涉及既往病史的动作，一律按”必须由教练覆盖修改”的前提来运营。一开始就划好界线，AI 就能安心地当个前期准备的帮手。

问：从哪件事开始最好？ 推荐从筛出需跟进会员开始。就算做错也不会给任何人添麻烦，效果还立刻看得见。熟了之后再做跟进话术，最后是训练计划，这样推进不勉强。想进一步提升日常效率，提升工作效率的技巧里还有不少招。

我实际试下来的结果

我想验证的是：“全交给 AI”和”只交前期准备”哪一种在现场能长久坚持下去。结论是后者。

一开始我贪心，连自动发送都搭好了。结果给某位会员发了”上周身体怎么样”，可那个人前一天刚到店、还报告说状态绝佳——数据导入晚了一天。发出去之后我脸都白了。从那以后，发送这一步就改回了必须由人来按。

反过来，校验脚本和会员筛选是大获成功。加上真实姓名混入的检查后，过去好几次差点”把会员名册整张贴上去”的惊险，归零了。需跟进会员的筛选，也比凭感觉找的时候漏看更少，对入会一个月内会员的首次跟进总算赶得上了。如果是公司想正式把这套用起来，可以借助按现场情况一起打磨方案的培训与咨询。先想个人试试的话，教材和免费 PDF 都放在这里。AI 不是魔法，但只要守住”前期准备交给 AI、人专心做判断”这个分工，每周晚上十点，就能早早回家了。