线索评分落地：输入、权重与可解释

线索评分，指的是用可核对的字段给潜在客户排出优先级，让销售的时间先花在更可能成单的对象上。它的价值不在分数本身，而在于每条线索都能说明为什么排在这个位置 —— 一个说不出理由的排序，销售不会照着做

评分的输入从哪来

输入的质量决定评分的可信度。优先使用系统里已有的、可以被核对的字段，而不是靠人工感觉补充。

• 来源渠道：不同渠道带来的客户意图强度不同，这一点可以从历史记录中看出来。
• 已发生的行为：是否询价、是否索要资料、是否查看过具体产品，比静态属性更能说明意愿。
• 匹配度：行业、规模与需求方向是否落在已有的服务范围内。
• 历史成交结构：与已成交客户在特征上是否接近。

权重怎么定

权重不应当由技术侧拍定，也不宜直接照搬通用模型。合理来源是按自己公司的历史数据做的统计，再叠加业务判断。

• 从历史数据出发：看哪几个字段与最终成交的相关性最强，作为初始权重。
• 业务侧确认：数据相关不代表可解释，权重仍需业务方判断是否符合实际。
• 保持少量字段：字段太多会让权重难以解释，也更容易过拟合。
• 定期回看：渠道结构与客户结构变化之后，权重需要重新校准。

可解释性的具体要求

• 给出排序理由：每条线索能列出影响最大的两三项因素。
• 区分正向与负向：哪些因素加分、哪些减分，要能分别看到。
• 标注数据缺失：字段为空时应当标注，而不是按默认值处理。
• 结果可复现：同一批数据重复计算应当得到相同的排序。

分数怎么用，和怎么不用

评分的用途是分配精力，不是筛选掉客户。用错了地方，会直接造成机会流失。

• 用来排序：先跟谁、后跟谁，这是它最合适的用法。
• 不要用来淘汰：低分不等于没有价值，可能是信息还没补齐。
• 不要与考核直接挂钩：一旦和考核绑定，录入数据的行为会立刻变形。

怎么验证评分有没有用

验证要回到实际行为，而不是看模型指标。两个可观察的方面：一是销售是否真的按排序调整了跟进顺序；二是高分线索的实际推进情况是否好于低分线索。前者说明落地程度，后者说明排序本身是否合理，两者缺一都不能说明问题。

几类容易踩的坑

评分落地过程中，下面几种做法几乎每次都会出现，效果也几乎一致地不好。

• 把分数当结论：直接按分数决定跟不跟，跳过销售自己的判断。
• 字段与权重换来换去：每周调整一次，导致前后数据无法比较。
• 只算不记：评分结果没有与实际推进情况对照，也就无法判断它有没有用。

和智能能力怎么配合

评分本身是规则问题，不一定要用到模型。先用手工权重跑一段时间、把字段与理由都写清楚，等数据积累起来之后，再考虑用统计方法校准权重。顺序反过来，往往在还没有可信数据时就引入了难以解释的排序，反而增加沟通成本。

验收口径

• 每条线索都能列出影响排序的主要因素。
• 字段缺失被显式标注，而不是被默认值掩盖。
• 同一批数据重复计算的排序结果一致。
• 评分结果与实际跟进顺序的差异有记录，可被解释。