询盘价值预测模型：基于历史成交数据的线索评分校准

询盘价值预测模型：基于历史成交数据的线索评分校准

一、为什么不能拍脑袋定评分权重

很多团队做线索评分，是销售经理凭经验列五个维度，每个维度凭感觉给个权重，然后就上线跑了。跑了三个月发现，高分询盘和低分询盘的成交率没差别——模型等于没做。

问题出在权重不是从数据里长出来的。你以为”公司规模”最重要，但回测发现，你们过去一年成交的客户里，中型和小型公司各占一半；真正区分成交与流失的，是买家有没有明确说”我们30天内要下单”。这个信号你不回测，根本不会注意到。

校准的方法很直接：从CRM里导出过去12个月的询盘，分成两组——已经成交的和明确流失的，各至少50条。对每条询盘按五个维度打分，然后看每个维度在两组之间的平均分差。分差最大的那个维度，就是你们行业里真正的价值信号，应该给最高权重。

这个五维框架是起点，不是终点。你们行业里可能有第六个维度特别重要——比如涉及OEM定制的询盘，”是否有现成图纸”可能比预算信号更能预测成交。

把回测结果里区分度最大的那个维度加进去，权重重新归一化到100。关于维度设计的更详细方法，可参考 询盘线索评分模型。

二、分级阈值与分配规则

评分算出来之后，怎么分？不是越高越好——你要给每个分数段配一个明确的动作，否则评分就只是个数字，没人按它执行。

四级分级的核心逻辑是：高分给最有经验的人，低分自动进培育，中间档按正常节奏走。A类询盘如果5分钟内没被资深销售接走，系统自动升级到值班主管。D类询盘不要让销售花时间人工回复，进自动培育序列，靠邮件通讯慢慢养。

这里有个反直觉判断：问得越细的买家，价值不一定越高。真买家关心的是结果——交付周期、MOQ、售后；同行或竞品调研关心的是参数——壁厚、材质牌号、

内部工艺。一个询盘里全是技术参数、完全不问交期和价格的，大概率是同行在套情报，评分应该压低。这部分判断逻辑可结合 询盘来意识别与差异化应答 一起用。

分配规则落地后，销售团队的负载要均衡。不能把所有A类询盘都堆给一个最强的销售，其他人反而接不到练手机会。负载均衡机制见 询盘分配路由。

三、模型校准：每季度回测一次

评分模型不是上线就完事。市场在变、产品在变、客户群体在变，去年区分度最高的维度，今年可能就失效了。校准频率建议每季度一次，每次用过去一个季度的成交和流失数据重跑一遍。

校准的核心指标是”A类询盘的成交率应该比D类高5倍以上”。如果A类和D类的成交率差不多，说明权重设错了——你以为的高分信号其实不区分成交。这时候要回到五个维度，逐个看哪个维度的两组平均分差在缩小，那个维度就是该被降权的。

举例：某工业装备厂上线模型三个月后发现，A类询盘占比冲到了40%——原来评分阈值设低了，销售觉得”既然都算A类，那就都当重点跟”，结果资深销售被淹没。把阈值从70分提到80分，A类占比回到15%，资源才重新集中到真正高价值的询盘上。

另一个例子：某厂回测发现”来源渠道”这个维度在两组间分差最小——产品页来的询盘和博客下载来的询盘成交率差不多。原来他们的博客内容写得很产品向，

访客读完直接就想买，不是随便看看。这时候就应该把”来源渠道”的权重从20分降到10分，把空出来的10分给”时间线”维度。目标客户画像的三特征方法可参考 目标客户画像。

四、常见误区

最后一个误区最容易被忽略：模型是辅助工具，不是判决书。销售在和客户聊过之后，可能发现表单里没填的关键信息——比如客户其实是某个大客户的分公司、

或者有明确的年度采购计划。这种情况下销售应该能手动上调评分，而不是被模型锁死。询盘转化漏斗的整体结构可参考 询盘转化漏斗，模型只是漏斗入口的分流工具。

FAQ 常见问题

写在最后

线索评分这件事，听起来像数据科学，本质上是把你脑子里的经验变成可复用的规则。没有历史数据的时候，先跑一个粗糙版本；攒够数据之后，用成交和流失两组数据回测，让权重自己长出来。

落地三步：先拉过去12个月成交和流失询盘各50条，回测出五个维度的真实权重；再按四级分级配好SLA和分配规则，A类5分钟转资深销售、D类进培育不人工跟；最后每季度重跑一次回测，A类成交率比D类高5倍以上才算模型健康。

一句可以记住的话：询盘价值预测模型不是一次搭好的静态规则，是用历史成交数据反复校准的动态标尺——权重从数据里长出来，不是从经理脑子里拍出来。