线索评分助手

解决什么问题

销售团队面对的常见问题是：线索池里混着大量永远不会成交的联系人——学生、竞争对手、非目标地区的小公司，也混着真正有购买意图的高价值客户。所有人都在催促 SDR 跟进，但时间和注意力有限。靠人工经验判断谁先跟、谁后跟，结果往往是「活跃但不匹配」的线索占满了销售时间，而真正匹配的客户因为没人及时触达而流失。

这个技能把线索评分拆成两件可量化的事：画像匹配度（公司是否符合理想客户画像 ICP）和行为意图信号（线索近期做了哪些表明购买意向的动作），并把两者组合成 0–100 的综合分，最终划分 Hot / Warm / Cold 三层，给出明确的路由动作。

核心能力与工作方式

技能的处理流程分五个步骤：

• 定义 ICP 标准：列出目标行业、公司规模区间、营收带、地理区域、技术栈等画像属性，并为每个属性分配权重，权重应基于历史转化数据的预测重要性，而非拍脑袋。
• 计算匹配分（0–50）：逐条对照 ICP 打分，完全匹配拿满分，部分匹配按比例给分；对明确的否决项（规模低于阈值、不服务的行业、学生或竞争对手）施加负分，把噪音挡在 Hot 层之外。
• 追踪行为信号（0–50）：从营销自动化、CRM 和产品分析中采集邮件打开/点击、页面访问（尤其是定价页和案例页）、内容下载、 webinar 参会、demo 请求、试用注册、回复情绪等信号，按其与成交的相关性分别赋分。
• 计算综合分：匹配分与行为分相加得到 0–100 的综合分；超过 30 天的行为信号会被衰减处理，避免旧活动撑高分数。
• 分层与路由：Hot（75–100）立即派给 SDR，4 小时内触达；Warm（40–74）进入高触达培育序列；Cold（0–39）进入低触达自动化 drip 流程。阈值建议每季度对照真实转化率复盘调整。

输入 ICP 定义、行为信号清单和线索列表，技能输出评分规则表（rubric）和打分排序后的线索清单，例如 StreamOps 的 Rachel M. 因「demo 请求 + 定价页访问 + 两次邮件点击」拿到 84 分进入 Hot 层。

适用边界与注意点

• 权重必须来自数据：用历史成交线索做相关性分析来校准分值，新市场没有历史数据时，先用无权重的简单模型跑 90 天，再按真实管道数据回填权重。
• 低匹配分要设硬上限：建议设最低匹配分阈值（如 15 分），低于它的线索无论行为多活跃都不能进 Hot 层，防止「完美公司但没意图」或「有意图但公司很差」的两种情况浪费 SDR 时间。
• 信号衰减不可省：六个月前的活跃不应排在今天有明确意图的线索前面。
• 警惕信号噪音：每封邮件都打开、每个页面都访问的线索可能是研究者、机器人或竞争对手，需对单信号类型设分值上限并标记异常模式供人工复核。
• 同一公司多人需聚合：同一家公司多个联系人各自打分会重复计算购买意向，应合并到账户级分数。
• 匹配与行为要分开上报：让销售能区分「好公司但还没接触」和「有接触但公司不匹配」，前者适合 outbound 开发，不适合 inbound 跟进。