销售线索评分模型
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,在 AI 助手中安装 @user_fccf428b/sales-lead-score。
技能介绍
解决什么问题
线索评分容易做假,难做好。常见的结果是:职位匹配的权重压过了线索实际做过的事,销售直接无视 MQL 列表,阈值在立项 PPT 上定一次后再也无人校准。一旦叠加产品驱动的增长模式,朴素的「他是谁」评分就失灵了——一个达到 API 调用阈值的免费版用户,比一个毫无行为记录的 VP 更接近成交。
它如何工作
该技能分五步走完完整的设计流程:
- 收集上下文——问清楚你卖什么、销售模式(
inbound/outbound/PLG/ 混合 / 渠道)、现有工具栈、已有评分状态与漏斗转化率。用明确声明的合理假设推进,而不是卡在一轮轮问答上。 - 定义四个评分维度,附带可调的默认权重:
- 人口属性匹配(25%):职位、级别、部门、职能
- 企业属性匹配(25%):公司规模、行业、营收、地区、技术栈
- 行为信号(30%):demo 申请、定价页访问、意向数据、PLG 场景下的产品使用
- 时机信号(20%):时间接近度与紧迫感,包含入职新职与触发事件
3. 设定 MQL / SQL 阈值,依据漏斗承载能力校准,不凭手感。
- 落地到工具栈:
HubSpot的评分属性与工作流、Salesforce配合Lead Score字段的 Flow、Marketo评分模型、Apollo与你的 MAP 配合覆盖行为数据。 - 测试与调优——回测 6 个月历史线索,检查阈值通过率(MQL 目标 15-25%),抽样排查假阳性与假阴性,之后进入月度复盘加季度校准的节奏。
适用范围与注意点
这是一份设计与调优指南,不是自动评分器——落地实现仍需在你自有工具中完成。策略层面刻意保持工具无关,但实现部分假设你至少有一套可用的 CRM 和 MAP。它明确提示的几个失败模式包括:人口属性权重压得过高(行为信号至少要占 30% 起步)、跳过负向扣分、阈值设定一次就闲置、以及把销售负责人排除在建模过程之外。MQL / SQL 的定义必须与销售共创,否则模型会在两端都失去信任。
使用场景
- 销售线索源源不断但无人能说清究竟该优先联系谁
- 团队怀疑 Lead Scoring 已上线半年,但销售依然投诉 MQL 列表质量
- 想要在未启用付费评分工具的前提下,先理解数据 + 手工给线索打分
- 想回顾或优化销售漏斗中从 Lead 到 Opportunity 的关键节奏
适合人员
- 负责构建第一条线索打分 SOP 的营销负责人
- 拥有一堆线索但无法有效分发给销售的收入运营
- 正在评估是否需要采购 Lead Scoring 或 MAP 里原生打分的产品经理