一个常见场景：市场部一个月给销售 300 条线索，销售按名单顺序往下打，打到 50 条已经月底，而真正的好线索可能排在最后。线索评分要解决的正是排序问题——把有限的人力先投给最可能成交的那一批。
一、评分只看四类信号
- 画像匹配：行业、规模、区域是否在企业目标范围内
- 行为热度：看过报价、下载过案例、主动咨询过细节
- 来源质量：转介绍、老客户推荐、官网表单、展会，含金量天然不同
- 时间新鲜度：从留资到现在隔了多久，越久越凉
二、用一张简单分值表起步
假设总分 100 分：画像匹配 30 分、行为热度 30 分、来源质量 25 分、时间新鲜度 15 分，每个维度内部再分两三档。重点不是算法精确，而是让销售养成「先看分、再看人」的习惯。
三、按分数分三档处理
- 高分段：当天必回、优先跟进，占用最好的时段
- 中分段：一天内完成首次触达，进入培育流程
- 低分段：交给自动化培育，不占用销售的黄金时间
四、每季度用成交结果校准权重
评分模型不是设完就不动。每季度回看一次：高分线索的实际成交率是否真的更高？举例说，如果发现老客户转介绍来的线索成交率明显领先，就该把来源维度的权重调高。这套校准靠的是自家的成交数据，而不是照搬行业模板。
五、两个最容易踩的坑
- 把评分当淘汰标准：低分不等于没价值，只是优先度低，别急着丢
- 维度堆得太多：超过六个维度，既没人愿意填，也没人愿意信
线索评分真正的门槛不在算法，而在于来源标记和画像字段有没有被老老实实记录。9527CRM 里每条线索都带来源与画像字段，评分规则可以按企业自己的成交规律来调——分数是算出来的，规则是人定的。
