Agent Skills
返回列表
🏢

线索评分引擎

企业运营 更新于 2026.08.30

将以下提示词粘贴到你的 AI 对话框中：

请根据 https://skillhub.cn/install/skillhub.md 的官方安装指南，将 @user_3c6cb52e/lead-scoring-skillhub 安装到 AI 助手中。

技能介绍

先解决线索分层失真

销售团队常把一次点击或一场直播当成购买信号，结果低匹配公司进入热线索，SDR 时间被浪费。这个技能把“公司是否值得服务”和“当前是否表现出意图”拆开，避免只用活动量排序。输入一批潜在客户的属性与近期行为后，它会分别计算 Fit Score 与 Engagement Score，再合成 Total 并映射到 Tier。

评分模型怎么运行

匹配分来自公司规模、行业、融资阶段、地区和技术栈，例如 Snowflake or BigQuery 可拿满分，Non-tech 或没有云数据仓库则偏低。参与分来自 Demo requested、Pricing page visit、Case study download、Email link clicked、Webinar attended、Blog visit，并按 Decay 处理：演示请求是一次性事件，定价页与邮件点击 14 天后减半，案例下载 21 天后减半，直播 30 天后减半，博客访问 30 天后过期。总分落到 Hot、Warm、Cold 三档后，对应立即 SDR 跟进、高触达培育或低触达自动化。

适用边界与校准

模型应基于历史成交校准，而不是凭直觉设权重；季度复查阈值，因为 ICP 和渠道会变。对不符合条件的线索设负分或硬门槛，例如低于最低 Fit Score 时不得进入 Hot。同一公司的多个联系人应合并成账户级评分，防止重复计算购买意图。对异常活跃的邮箱或机器人信号要设参与分上限，并转人工审核。没有历史数据时，先用简单无权重模型跑 90 天，再根据漏斗结果重校准。报告里保持匹配分和参与分可见，销售才能区分“公司很好但没动作”和“动作很多但公司不对”。

使用场景

  • 销售拿到一批线索和近期行为，需要按公司属性与活动信号计算总分并分 Hot/Warm/Cold。
  • 运营需要把演示请求、定价页访问、案例下载等事件纳入评分，并按时间衰减后排序。
  • 增长团队想校准公司规模、行业、融资阶段和技术栈的分值，避免低匹配公司被热线索误伤。
  • 数据团队需要处理同一公司多个联系人的重复评分，把购买意图合并到账户级再分派跟进。

适合人员

  • B2B 销售负责人：想把 SDR 时间优先留给 Hot 线索，并让 Warm/Cold 进入不同培育节奏。
  • 增长运营：需要基于历史成交校准评分权重，并定期重检 Hot/Warm/Cold 阈值。
  • 销售数据分析师：要把参与信号映射为分数，处理衰减、重复联系人和异常活跃。
  • ICP 与营销自动化工程师：想用结构化评分字段做线索分层和路由，而不是只看活动量。