铅得分

线索评分系统会根据潜在客户与优质客户画像的匹配程度以及他们的互动强度，为每位潜在客户分配一个数值，从而将销售精力集中在最有可能转化的线索上。评分通常结合人口统计和企业统计属性（例如职位、公司规模、行业和地理位置）以及行为信号（例如页面浏览量、内容下载量、电子邮件打开量和产品试用量）。

它解决的问题是资源分配。销售团队能够有效联系的潜在客户数量有限，如果按照到达顺序联系，就会把精力浪费在那些永远不会购买的人身上，而高潜力的线索则会流失。一个有效的评分模型可以提高销售人员花在可成交机会上的时间比例，从而提高转化率，并提升团队士气，避免他们浪费时间处理大量不合格的询盘。

大多数实施方案都基于假设而非证据，这也是为什么很多方案效果不佳的原因。研讨会上，评分依据营销部门对购买意向的判断，最终形成的模型反映的是内部对购买信号的看法，而非行为与结果之间的实际关系。而通过分析历史数据，比较转化客户和未转化客户的属性和行为而构建的模型，往往与研讨会上的模型相悖，而这些分歧通常才是最有价值的发现。

行为评分尤其需要谨慎解读信号的实际含义。反复访问定价页面表明用户正在评估；反复访问支持文档可能表明用户是现有客户、竞争对手或求职者。高邮件互动率可能表明用户感兴趣，也可能仅仅是习惯性地打开邮件。近期互动比累计活动更重要，因为六个月前高度活跃但之后一直保持沉默的潜在客户与本周活跃的潜在客户截然不同，而且无限期累积积分的模型会将不活跃的潜在客户排在活跃客户之前。

如果将评分系统视为静态系统，则其效果会大打折扣。随着企业向高端市场或新细分市场转型，购买行为、产品以及优质客户的特征都会发生变化，因此，一旦构建完成并沿用至今，其有效性就会逐渐下降。实际操作中，需要定期根据实际结果进行重新验证，检查高分是否仍然能够预测转化率，以及销售人员是否认为这种优先级排序有效。当两者出现偏差时，则需要调整或重建模型。

负面评分与正面评分同样重要，但却常常被完全忽略。一些信号表明潜在客户并非真正意向客户，例如竞争对手的域名、学生和求职者的模式、公司未覆盖的地区、目标范围之外的公司规模，以及自动化扫描中常见的互动模式。这些信号与正面指标同样重要，而且处理成本更低。应用这些指标可以去除销售队列顶部的干扰信息，从而提高团队效率和营销产出的质量。否则，如果采用奖励互动的评分模型，就会将最活跃的非购买者优先推到列表顶部。

组织层面通常比模型本身更能决定成败。评分系统只有在以下情况下才能发挥作用：市场营销和销售部门对合格销售线索的标准达成一致；销售部门足够信任评分结果并按顺序使用；以及关于销售线索质量的反馈能够有效传递给市场营销部门，而不是仅仅以抱怨的形式出现。建立这些定义和反馈机制通常是以下环节的一部分： 成长管理 参与度，该模型由……构建和验证 数据分析 与实际转化结果相比，而不是根据关于哪些行为表明意图的假设而得出的结果。