客户筛选与分级 （Lead Scoring）

匹配度和意向不是一回事

一家公司可能非常符合 ICP，但近期没有采购需求；另一家公司匹配度一般，却刚宣布进入新市场。把两者压成一个分数，会让销售失去判断依据。更清晰的做法是使用两个维度：匹配度回答“这家公司像不像我们的客户”，意向回答“现在是否有值得跟进的信号”。两者都高的账户优先，匹配度高但意向弱的账户适合培育，匹配度低但意向强的账户需要先确认是否在服务范围内。

意向信号也有强弱。公司官网发布的新项目、招聘信息、公开的扩张计划，通常比一次广告点击或邮件打开更有解释力。邮件打开率受隐私设置和图片屏蔽影响，不应单独作为高意向证据。对于跨境 B2B，采购周期长，单次行为的意义更有限，应该结合角色、阶段和时间窗口判断。

规则要能解释，也要能被推翻

评分规则不需要复杂，但每个权重都应有理由。例如“目标行业 +20”背后是历史成交数据，“使用竞品 +10”背后是替换需求假设，“无法确认法律实体 −30”背后是合规风险。规则文档应说明哪些是硬性排除，哪些只是降低优先级，以及谁来复核边界案例。

一个常见错误是把模型生成的概率当成事实。AI 可以帮助提取信号、解释分数、发现规则冲突，但不能为分数赋予不存在的证据。所有进入高优先级的账户，都应能追溯到具体来源和字段。对于涉及个人信息的评分，还要注意自动化决策的合规要求，避免在没有人工复核的情况下对个人产生重大影响。

人工审核点

客户分级至少需要三类人工检查。第一类是硬性排除：制裁、出口管制、法律实体不明、明确拒绝联系。第二类是边界案例：分数接近分层阈值，或关键字段缺失。第三类是高价值账户：金额大、影响广，不能只依赖自动规则。审核记录应保留，便于后续校准。

与销售流程的衔接

分级结果只有进入日常工作才有价值。A 类账户应有明确的下一步和负责人；B 类账户可以进入培育或定期复查；C 类账户应说明为什么不优先，而不是直接丢弃。分级不是一次性动作，客户情况会变化，规则也应定期回看。建议每月抽样检查：高分账户是否真的更容易推进，低分账户是否出现了误判。

入门建议

没有历史数据时，先做规则透明的启发式分层，不要急于上机器学习。用二十到五十个已知客户测试规则，看看结果是否符合销售直觉，再记录分歧。若使用 HubSpot、Pipedrive 或 Airtable，可以先用属性字段和视图实现分层，等数据积累后再考虑自动化评分。工具是承载规则的容器，不是规则本身。

判断分级是否有效

看三个结果：销售是否愿意按分层安排时间，高分账户的推进率是否更高，低分账户是否出现被忽略的真实机会。如果答案是否定的，先检查字段质量与规则假设，而不是增加更多分数项。好的分级让判断更快，也让判断可以被讨论。