第一个危险信号，并不是模型“准确率不高”，而是团队里没有人能解释：为什么这条线索恰好是82分。
这是一个综合案例。某B2B团队销售高考虑度服务，营销部门搭了一套很常见的评分卡：职位加分、公司规模加分、邮件点击加分、价格页访问更多加分、提交Demo表单加最多。70分以上自动交给销售。
CRM里看起来非常规范。结果第一批10条“热线索”，销售直接拒绝了4条。
一条是做课题的学生；一条来自竞争对手；一条位于公司根本不服务的国家；还有一条确实来自目标公司，但联系人只是帮内部项目搜资料的初级员工，没有采购角色。
评分公式并没有算错。错的是运营设计。
这个案例最值得保留的结论有点反常识：在问“这个人有多感兴趣”之前，系统首先应该回答“这是不是一条值得进入销售流程的线索”。
HubSpot当前的评分工具明确区分fit与engagement等概念；行业实践也反复强调，行为数据必须和人口属性、公司匹配度以及可靠的CRM数据结合。2026年8月MarTech还报道了一个更广泛的问题：越来越多营销团队把决策交给AI，但CRM数据准备度并没有同步提升。更复杂的模型会更快地放大坏数据，并不会自动把坏数据修好。
团队最终按下面这份清单重建评分系统。
检查1：先定义业务决策，再定义分数
旧模型想用一个数字同时做四件事：
- 判断记录有没有资格进入销售；
- 给销售确定优先级；
- 决定应该路由给哪个团队；
- 判断买家现在是不是准备购买。
这其实是四个不同的问题。
新设计拆成三层：
- 资格闸门：这条记录是否应该进入销售考虑范围？
- 匹配度评分：人和公司是否像我们真正能服务好的客户？
- 意向评分：近期行为是否显示正在发生真实采购研究？
至于路由，单独处理，不和优先级混成一件事。
一个总分看起来更“聪明”，三层结构看起来更笨，但后者更容易解释和审计。
为什么资格问题应该做成闸门
有些情况不应该只是“-5分”，而应该是硬规则。
例如：
- 不服务的地区；
- 竞争对手或供应商；
- 求职者；
- 内部员工；
- 测试数据；
- 已有客户误进拉新漏斗；
- 明显无效联系方式。
如果“不服务地区”只扣20分，而反复访问页面能加50分，那么一个本来不能成交的人迟早会被堆成热线索。这不是权重调得不漂亮，而是把资格问题错误地当成了加减分问题。
检查2：把匹配度和活跃度拆开
旧模型最大的问题，是强烈行为可以压过糟糕匹配度。
举一个纯示例：
| 信号 | 旧模型分值 |
|---|---|
| 邮件点击两次 | +10 |
| 参加线上活动 | +15 |
| 访问价格页 | +20 |
| 下载三份资料 | +15 |
| 提交Demo | +30 |
| 公司画像偏离目标 | -8 |
| 总分 | 82 |
销售只看到“82”，看不到其中绝大部分来自行为。
新CRM改成分开显示：
- Fit：31/100
- Intent：88/100
- Eligibility：PASS
- Routing confidence：MEDIUM
- 原因：近期行为很强，但公司匹配度偏弱
这条线索也许值得人工看一眼，但绝不能和“Fit 90、Intent 80”的客户包装成同一种“80多分线索”。
HubSpot当前官方文档支持把fit和engagement作为不同评分维度。具体字段、自动化能力和产品套餐会变化，所以这里讲的是设计逻辑，不是给某个平台写固定配置。
检查3：每一个高权重信号都必须留下“为什么”
团队原来给价格页访问+20分，因为“看价格的人意向强”。
有时候确实如此。
但价格页也会被竞争对手、求职者、行业研究者、老客户和早期调研者访问。真正危险的是：一个权重比当初支持它的证据活得更久。
团队建立了规则清单：
| 信号 | 权重 | 想表达什么 | 最近验证证据 | 负责人 | 复核频率 |
|---|---|---|---|---|---|
| Demo申请 | +30意向 | 明确希望沟通 | CRM结果抽样 | RevOps | 每月 |
| 价格页访问 | +12意向 | 商业研究 | 接受机会抽样 | Demand Gen | 每月 |
| 目标行业 | +20匹配 | ICP一致 | 赢单/输单复盘 | Sales Ops | 每季度 |
| 不服务地区 | 硬排除 | 无法服务 | 服务区域表 | Ops | 区域变更时 |
| 30天无活动 | 衰减 | 意向变旧 | 销售周期复核 | Marketing Ops | 每季度 |
任何规则都不能只因为“以前一直这么配”而永久存在。
检查4：让“时间”成为显性变量
旧模型只会累积分数，不会遗忘。
九个月前下载过资料的人还带着当时的分；上周看价格页和去年看价格页，几乎没有区别。
重构后加入衰减。
常见做法包括：
- 超过一定无活动时间后扣分；
- 单次行为分到期；
- 只按滚动时间窗口重算意向；
- 生命周期变成closed/lost后重置近期意向；
- 把“历史参与度”单独保留，不再和“当前意向”混在一起。
没有一个适用于所有公司的30天、60天、90天答案。企业采购周期不同，衰减速度当然不同。
真正需要固定的规则只有一句：最近的购买信号和历史兴趣不是同一个变量。
检查5：把数据采集质量算进评分质量
旧模型规定每次邮件点击+5分。
后来RevOps发现，一些“高度参与”的联系人会在几秒内连续点击多个链接。这可能是安全扫描或自动链接检查，不一定是真人行为。重复联系人也会把行为拆散或放大。
所以，在调权重之前，先查：
- 重复联系人；
- 机器人/扫描器点击；
- 导入的历史行为；
- 表单事件重复触发；
- 多人共用邮箱；
- 公司补全数据的时间戳；
- 已经陈旧的公司规模或职位；
- 职位名称标准化是否可靠。
这也是AI评分最容易被高估的地方。如果训练数据本身噪声很大，模型完全可能学会“统计上有用、业务上无意义”的相关性。正确做法不是让模型更自信，而是改善数据，并把原因码保留下来。
检查6：在自动化之前，先搭好销售拒绝反馈
旧流程只有一个拒绝选项：Bad lead。
这几乎没有学习价值。
新流程要求必须选结构化原因：
- 地区不对；
- 公司类型不对；
- 联系人角色不对；
- 竞争对手/供应商；
- 学生/研究；
- 已有客户；
- 重复数据；
- 当前意向不足；
- 公司对，但分配人不对；
- 有效线索，但时机不对；
- 其他——必须写备注。
这样模型才有反馈闭环。
如果“地区不对”越来越多，应该修资格规则；如果“角色不对”占比高，就要修联系人fit；如果大量是“还没准备好”，就要复核意向门槛或转入培育，而不是抱怨销售“不配合营销”。
把销售结果全部丢成自由文本，评分系统就永远学不到真正的问题。
检查7：用结果看分段，而不是看分数长得漂不漂亮
四周后，团队按优先级分组。
以下仍然只是示例，不是行业基准：
| 优先级 | 记录数 | 销售接受 | 商机 | 赢单 |
|---|---|---|---|---|
| 低 | 900 | 21 | 5 | 1 |
| 中 | 380 | 72 | 20 | 4 |
| 高 | 160 | 96 | 45 | 13 |
| 很高 | 65 | 48 | 31 | 11 |
真正要问的是：
- 优先级越高，销售接受率是不是总体更高？
- 高分段每条记录产生的商机是不是更多？
- 有没有某些行业/区域分段完全不符合这个关系？
- 低分里出现的赢单，是否暴露了模型缺失的重要信号？
- 最高分段是不是大到销售根本消化不了，或小到没有运营意义？
分布图看起来很顺滑，没有任何商业价值；排序能不能帮助团队把时间用在更可能产生结果的记录上，才有价值。
检查8：规则评分和预测评分要公平比较
团队开始讨论：要不要彻底换成AI评分。
可以，但不能把“规则=落后，AI=先进”当成结论。
规则评分的优势：
- 容易解释；
- 改起来快；
- 小数据也能运行；
- 原因明确；
- 资格规则很多时尤其合适。
预测模型可能擅长：
- 非线性关系；
- 更大的特征集合；
- 文本与行为数据；
- 在基础设施允许时持续重估。
但预测模型需要足够多、足够有代表性的结果标签，也需要监控漂移。一些厂商自己的预测评分就有最低数据要求；2026年的销售线索排序研究也继续把稀疏标签、多阶段漏斗、线上线下指标错位和时间漂移当成核心问题。
所以团队先跑shadow mode：预测分数在后台排序，但销售仍然可以看到原有规则、fit、intent和拒绝原因。只有当模型在真实“销售接受、商机和赢单”上持续表现更好，才考虑让它改变路由。
检查9：把“为什么”直接显示在分数旁边
销售真正开始信任系统，是在CRM不再只显示“82”之后。
新卡片变成：
Priority：High
为什么：
- 目标行业；
- 公司规模在目标区间；
- 七天内两次看价格页；
- 提交Demo；
- 联系人为高级运营岗位。
风险：
- 公司补全数据距今110天；
- 本周之前没有产品相关行为。
这样，分数变成“解释”，而不是“神谕”。
当系统错的时候，销售可以指出某个原因错了。一个没有原因的82分，几乎没法被有效纠正。
检查10：一次只重建一个假设
上线失败后，团队第一反应是同时改掉所有权重。
最终没有这么做。
Week 1：加入硬资格闸门。
Week 2：拆分fit与intent。
Week 3：加入衰减。
Week 4：统一销售拒绝原因。
Week 5以后：再根据结果调整权重。
这样才能知道是哪一次改变真正带来了改善。如果一次改十条规则，后面再好的报表也无法解释因果。
最终改变结果的并不是“更聪明的模型”
最有效的变化，其实是改变了“被评分的对象”。
旧系统把所有活跃记录先假设成潜在买家，再想办法用一个数字压缩所有判断。新系统先做资格检查，然后拆开匹配与意向，保留时间衰减，记录结构化销售反馈，并且公开评分原因。
那条82分线索仍然有价值。
只是系统不再允许“82分”掩盖一个更关键的事实：它可能只是一个82分的非买家。
把这个区别做对，才是销售真正愿意相信评分系统的起点。
Sources
- HubSpot Knowledge Base — Understand the lead scoring tool（updated September 2, 2026）: https://knowledge.hubspot.com/scoring/understand-the-lead-scoring-tool
- HubSpot Knowledge Base — Build lead scores: https://knowledge.hubspot.com/scoring/build-lead-scores
- Salesforce Help — Einstein Lead Scoring setup and considerations: https://help.salesforce.com/s/articleView?id=sf.einstein_sales_setup_enable_lead_insights.htm
- MarTech — How to revamp your lead scoring strategy for 2025: https://martech.org/how-to-revamp-your-lead-scoring-strategy-for-2025/
- MarTech — Marketers know AI is using bad data to make decisions（August 28, 2026）: https://martech.org/marketers-know-ai-is-using-bad-data-to-make-decisions/
- arXiv — Rethinking Sales Lead Scoring with LLM-based Hierarchical Preference Ranking（2026）: https://arxiv.org/abs/2606.04387