线索评分最常见的崩坏原因，其实很无聊：

上线以后没人真正负责它的运营节奏。

刚上线时，方案看起来很专业。市场部给表单提交、价格页访问、职位、公司规模、网络研讨会、邮件点击、产品兴趣分别加分；销售同意某个MQL阈值；CRM里每条线索旁边都有一个漂亮数字。

三个月以后，这个数字在不同团队嘴里已经不是同一个意思。

销售说78分是“很热”；市场说78只代表互动高；RevOps发现一个竞争对手因为下载了六份资料也能拿到78；半年没动静的人仍然保留大量历史积分；新产品上线后还在使用旧产品的评分逻辑。

更糟的是，没有人记得“访问价格页+15分”最初为什么是15，而不是10或20。

问题不是线索评分没有用。

问题是团队把它当成一次性公式，而不是持续运营的系统。

Salesforce当前的Account Engagement培训资料明确把评分用于线索优先级，并支持调整规则、评分分类、自动化和分数重置。2025年的独立学术研究从另一个角度也说明了同一件事：预测式线索优先级高度依赖底层数据和特征是否适合当前业务，模型表现会随着数据和环境变化。

所以真正的SOP不是：

“做一个分数，然后全部自动化。”

而是：

先定义这个分数允许决定什么，再治理输入、设置衰减、规定交接，并且每周复盘。

下面是一套可以长期跑的周运营流程。

上线前：先规定“这个分数有权决定什么”

先写决策，不要先写分值。

线索评分可能承担很多工作：

  • 决定销售今天先打谁；
  • 决定什么时候从市场交给销售；
  • 决定分给哪个业务组；
  • 触发培育流程；
  • 决定哪些账户值得人工研究；
  • 识别应该压制或排除的人。

不要让一个数字偷偷承担六个不同任务。

更稳的做法，是至少把三个维度分开：

  1. 匹配度 Fit：这个人/公司是不是你真正能服务的对象；
  2. 互动/意图 Engagement：最近有没有真实购买行为；
  3. 资格与排除 Eligibility：这条线索到底应不应该进入销售流程。

竞争对手、求职者、供应商、现有客户、学生、无法服务地区的人，都可能有很高互动，但并不代表应该交给销售。

所以评分上面还必须有“闸门”。

最低限度的上线规则

在配置任何平台以前，先写一句话：

只有通过资格规则、达到基础匹配度，而且近期互动超过阈值的线索，才进入销售跟进。

这句话通常比争论“60分还是70分”更有价值。

星期一：先审输入，不要先看MQL数量

每周第一件事，不是看“我们这周造了多少MQL”，而是抽查输入。

至少从下面几类各抽一批：

  • 当前最高分线索；
  • 本周刚跨过阈值的线索；
  • 被销售拒绝的线索；
  • 已经转成商机的线索；
  • 高分但长期没有新互动的线索；
  • 明显不是买家的竞争对手、员工、供应商等。

然后检查真正产生分数的字段：

  • 职位是不是最新；
  • 公司规模是可信数据还是补全猜测；
  • 国家/地区准不准；
  • 行为事件是不是真的发生；
  • 埋点有没有重复触发；
  • 某一种行为是不是权重过高；
  • 导入的历史活动有没有被当成“最近意图”；
  • 重复联系人有没有把行为拆散或放大。

周一规则只有一句：

如果输入不可信，不要先改阈值。

阈值解决不了脏数据。

星期二：检查权重和分类有没有失衡

评分规则会慢慢漂移。

比如现在模型写着：

  • 邮件点击 +5；
  • 网络研讨会报名 +10；
  • 价格页访问 +15；
  • Demo申请 +20。

看起来很合理。

但如果某批邮件被安全扫描器自动点击呢？

如果价格页有大量学生、竞争对手或研究人员访问呢？

如果现有客户为了找售后入口提交了Demo表单呢？

每周要重新确认：

这个行为现在还代表你当初以为的那个意图吗？

Salesforce资料还提到评分分类，可以把不同产品或业务领域的兴趣拆开看。这非常重要。

一个全局总分可能掩盖这样的问题：

某个客户对产品A非常活跃，却被系统分给产品B团队。

建一个“规则库存表”

至少保存：

规则 当前权重 为什么存在 上次验证 负责人
价格页访问 +15 购买研究信号 2026-10-01 Demand Gen
Demo申请 +25 明确高意图 2026-10-01 RevOps
目标行业 +20 Fit ICP匹配 2026-09-24 Sales Ops
不支持地区 硬排除 无法服务 2026-10-01 RevOps
30天无活动 衰减 降低陈旧意图 2026-10-01 Marketing Ops

每一个分值都应该有原因，也应该有人负责。

如果没人能解释某条规则，它不应该只是因为“以前就这样”而永久存在。

星期三：先做衰减，再考虑继续加正向分

很多评分体系有天然偏见：

只会加分，不会忘记。

用户点击、访问、下载、参加活动，分数一直涨；时间过去以后，历史分仍然留着。

Salesforce的培训资料专门讲到score decay，以及对不活跃或不合格对象进行重置。不同平台实现方式不同，但运营原则一样：

购买意图会过期。

昨天访问价格页，和八个月前访问价格页，不应该永远具有同样含义。

常见衰减方法包括：

  • 一段时间无活动就扣分；
  • 特定行为分值到期；
  • 只用滚动窗口重新计算；
  • 生命周期变化时重置；
  • 把“近期意图”和“历史互动”拆成两个字段。

不要所有业务都套同一条衰减曲线。

大型企业采购可能研究半年，小额产品可能几周就完成决策。

真正要匹配的是你的销售周期，而不是一篇“最佳实践”文章里的万能天数。

星期四：审核“分数到人工”的交接

如果没有明确下一步，分数本身没有价值。

每一个阈值都要回答：

  • 谁收到线索；
  • 多久内应该动作；
  • 销售能看到哪些上下文；
  • 第一句话应该依据什么；
  • 如果销售拒绝，线索去哪；
  • 拒绝原因存在哪里。

其中最重要的是拒绝原因。

如果销售不断拒绝高分线索，理由是“地区不支持”，那就不是销售“不相信评分”，而是资格规则没做好。

如果理由总是“学生/研究”，说明需要新的排除信号。

如果理由是“还没准备好”，说明阈值或互动权重可能太激进。

如果理由是“公司不错，但联系人不对”，说明公司Fit可能没问题，联系人角色评分有问题。

给反馈建立固定词表

不要只留一个自由文本框。

建议至少有：

  • 地区不匹配；
  • 公司类型不匹配；
  • 角色不匹配；
  • 现有客户；
  • 竞争对手/供应商；
  • 意图不足；
  • 重复；
  • 接受后多次联系无回应；
  • 有效线索但分配错人；
  • 其他——必须备注。

结构化反馈才可能反向改模型。

星期五：按分数段看真实商业结果

不要判断“这个分数看起来合不合理”。

直接把线索按分数段分组，再看下游：

分数段 线索数 销售接受 商机 成交
0–39 820 18 4 1
40–59 310 44 12 3
60–79 140 63 29 8
80+ 70 51 25 9

这些数字只是演示，不是行业基准。

真正的问题是：

分数越高，真实商业结果是否总体也越好？

如果80+反而不如60–79，就要查原因。

最常见的情况之一，是某个行为权重过大，把一批错误的人直接推到顶部。

2025年的机器学习线索评分研究从更技术的角度得出了相同运营结论：模型效果依赖历史结果数据、特征质量和持续评估。算法复杂，不代表可以取消复盘。

每月一次：继续规则评分，还是上预测模型？

每周流程两种模式都适用，但每个月要问一次架构是否还合适。

更适合继续规则评分的情况

  • 线索量还不大；
  • 历史转化数据不足；
  • 业务资格规则比统计排序更重要；
  • 团队需要非常透明的逻辑；
  • 销售流程还经常变化。

可以考虑预测式评分的情况

  • 有足够历史结果数据；
  • 字段质量稳定；
  • “成交/不成交”等标签可信；
  • 每天需要在大量线索里排序；
  • 团队有能力监控漂移并重新训练或校准。

预测式不等于“放手不管”。

获客渠道、产品、价格、区域、市场行为一变化，模型都可能老化。

自动化越复杂，治理要求反而越高。

一张够用的周看板

看板不要做成五十个指标。

每周盯这些已经足够：

  • 本周新评分线索数；
  • 通过资格门槛比例；
  • 跨过销售阈值数量；
  • 销售接受率；
  • 拒绝原因；
  • 首次销售动作中位时间；
  • 不同分数段的商机率；
  • 高分但陈旧线索数量；
  • 因补全或字段变化导致分数大幅变化的线索；
  • 本周改了哪些规则。

评分存在的目的，是改善优先级和交接，不是让看板更丰富。

规则变更必须留痕

每一次评分修改至少记录四件事：

改了什么？
例如：价格页从+15改成+10。

为什么？
例如：近90天发现大量非购买研究流量。

证据是什么？
例如：销售接受/拒绝数据和后续商机。

谁批准？什么时候复盘？
例如：RevOps + 销售负责人批准，四周后再检查。

这样可以防止模型被悄悄改到没人认识。

以后有人问“为什么这条线索是72分”，也能解释。

哪些事情不要只交给分数自动决定

下面这些不应该只由一个评分数值决定：

  • 法律或合规资格；
  • 高价值战略账户归属；
  • 敏感人群定向；
  • 合同决定；
  • 不可逆的账户压制；
  • 任何误判成本特别高的动作。

分数是一种优先级工具。

它不是“购买意图已被证明”，也不是“身份已经被证明”。

把整套SOP压缩成一周

**星期一：**查数据和最高分/被拒绝线索。
**星期二：**查权重与产品分类。
**星期三：**查衰减与陈旧分数。
**星期四：**查路由、SLA和拒绝原因。
**星期五：**按分数段对商机与成交。
**每月：**判断评分架构是否仍然适合业务。

这套节奏最终只想固定一个观念：

线索评分永远不是“做完了”。

分数应该因为证据变化而变化，而不是因为季度末需要更多MQL就变化。

做到这一点以后，销售也不需要“相信算法很神奇”。

他们真正需要相信的是：

这套评分有人负责、能被解释、会被挑战、可以被修正。

这才是一个可靠的运营系统。

资料来源

相关阅读