线索评分

线索评分是一种方法：依据线索与理想客户画像的契合程度，以及其与企业内容和触达的互动积极程度，为线索赋予数值。得出的分数能帮助销售和市场团队判断哪些线索值得立即跟进，哪些还需要进一步培育。

将匹配度与互动度合并为综合评分

线索评分结合两个评估维度：匹配度（线索是谁）和_互动度_（线索做了什么）。二者共同产生综合评分，用来判断销售准备程度。

匹配度评分

匹配度评分用于判断线索是否符合理想客户的属性。常见的匹配标准包括：

• 企业规模： 以营收或员工人数衡量，规模落在目标区间内的企业，其线索得分更高。
• 行业： 来自目标垂直行业的线索，获得更高分值。
• 职位与角色： 决策者和经济买家的得分，高于普通执行者或研究人员。
• 地域： 位于服务区域内的线索，得分高于没有销售覆盖或合作伙伴布局地区的线索。
• 技术栈： 对技术厂商而言，使用兼容或互补平台的企业，其线索会获得加分。

互动度评分

互动度评分衡量线索与企业的互动情况。每项行为都会依据其意向信号获得相应分值：

• 高意向行为： 申请演示、访问定价页面，或参加直播形式的产品网络研讨会，分值最高。
• 中意向行为： 下载解决方案简报、参加教育类网络研讨会，或多次访问产品页面。
• 低意向行为： 打开邮件、浏览博客，或关注社交媒体账号。
• 负面信号： 退订邮件、访问招聘页面（说明对方是求职者而非买家），或长时间无互动，都可能扣减分值。

综合评分

匹配度评分与互动度评分可以通过相加、加权公式或矩阵模型合并，得出总体线索评分。分数越过预设阈值时，线索即被认定为营销合格线索（MQL），并分配给销售或交给合作伙伴。

用评分决定销售优先级

没有评分时，所有线索都被一视同仁。一位中型企业的 IT 副总裁申请了演示，却和一位为课堂作业下载白皮书的学生排在同一个队列里。销售代表要花时间筛掉不合格的联系人，而高潜力线索则因得不到优先处理而逐渐冷却。

线索评分通过建立分诊机制来解决这一问题：高分线索立即获得关注，中等分数的线索进入线索培育路径，低分线索则降低优先级或取消资格。

在渠道项目中，线索评分决定哪些线索分配给合作伙伴，以及何时分配。把评分不足的线索分给合作伙伴，会挫伤其积极性，侵蚀其对厂商线索分配项目的信任；而为了等待更高分值，把线索压着不放，则会延误跟进，还可能让潜在客户流失。一套校准良好的评分模型，需要在这两种压力之间取得平衡。

评分模型、校准与维护

评分模型示例

评分模型类型

• 积分制模型： 最常见的方式，每项属性和行为都贡献固定分值。这类模型搭建简单，也便于解释。
• 等级与分值模型： 匹配度和互动度分开追踪，匹配度给出字母等级（A 至 D），互动度给出数值分。线索须在两个维度上都达到最低门槛，才算合格。
• 预测模型： 机器学习分析历史转化数据，找出能预测哪些线索最可能成交的规律。这类模型能发现不易察觉的关联，但需要足够的数据量才能完成训练。

校准与维护

评分模型若不加维护，会随时间逐渐失效。校准工作包括：

• 转化分析： 定期比较已转化线索与未转化线索的分数。若高分线索的转化率与低分线索相当，说明模型需要调整。
• 阈值复核： MQL 阈值应每季度验证一次。若销售团队反馈 MQL 并不合格，阈值可能需要提高；若合作伙伴抱怨线索量不足，阈值则可能定得过高。
• 分数衰减： 引入基于时间的衰减，让陈旧的互动信号逐渐失去权重。半年前访问过定价页面的潜在客户，比昨天才访问的人更不可能处于购买周期之中。
• 反馈闭环： 销售与合作伙伴对线索质量的反馈，应回流到评分模型的更新中。这一闭环过程，是维持评分模型有效性的最关键因素。