销售线索评分与优先级

线索池膨胀，销售时间被低质量线索占用

团队同时跑 inbound 内容、outbound 外呼和 SEM 投放时，CRM 里每周新增的联系人往往远超销售能消化的量。如果没有统一评分口径，线索优先级主要靠销售个人判断：谁最近发过邮件、谁回复过一次、谁在官网点过 pricing——这些零散信号很容易被误读。结果是，真正匹配理想客户画像（ICP）的线索被淹没，而大量“看起来很活跃但根本不该跟进”的线索反而占据了 SDR 的时间。

这个技能要解决的问题很具体：把“判断哪条线索值得立刻打电话”从经验直觉变成可复现的 scoring rubric。

它如何工作：画像匹配分 + 行为互动分

技能把每条线索拆成两部分打分，再合成 0–100 的总分：

• Firmographic fit（0–50 分）：按你定义的 ICP 逐项打分，包括行业、公司规模、融资阶段、地域和技术栈。完全匹配拿满分，部分匹配按比例给分。对明确不符合的线索（如竞品、学生、非目标地区）会扣分，避免噪声进入 Hot 层。
• Engagement score（0–50 分）：从 CRM、营销自动化和产品分析里抓取行为信号，包括邮件打开/点击、定价页和案例页访问、内容下载、demo 申请、free trial signup、webinar 参与等。每个信号按其与已成交交易的历史相关性赋予权重。
• Composite score：两部分相加得到 0–100 的总分，并按阈值分层：

| 分层 | 分数区间 | 推荐动作 |
|---|---|---|
| Hot | 75–100 | 4 小时内 SDR 直接跟进 |
| Warm | 40–74 | 进入高触达 nurture 序列 |
| Cold | 0–39 | 低触达自动化 drip |

一个关键细节是衰减机制：超过 30 天 的行为信号会被降权，防止半年前点过一篇博客的线索因为“活动记录好看”而挤进 Hot。这保证分数反映的是当前意图，而不是历史残留。

适用边界与需要注意的点

• 权重必须来自历史 closed-won 数据，而不是拍脑袋。建议先用简单均权模型跑 90 天，积累足够 pipeline 数据后再做相关性分析校准。
• 为 fit 分设置最低门槛（例如 15 分）。低于门槛的线索无论互动多活跃，都不该进 Hot——否则一个 5 人代理商下载了所有资料也能排在高管面前。
• fit 分和 engagement 分在报表里要分开展示。销售需要区分“公司很匹配但还没互动”和“互动很多但公司根本不对口”这两种情况，前者适合 outbound 开发，后者只该进 nurture。
• 同一公司的多个联系人要做账号级去重，避免把同一个采购意图重复计数。
• 每季度回顾一次分层阈值。ICP 会演化，营销渠道也会变，静态阈值用久了一定会漂移。