快速解答（先做这一步）
如果您今天就需要启动评分模型，请选择最符合您当前销售设置的以下场景：
- 场景 A：高量级入站（Inbound） — 首先关注公司特征过滤器。自动过滤非企业邮箱域名，根据职位进行评分，并将评分超过 70 分的线索直接分配给您的销售团队。
- 场景 B：侧重出站（Outbound）与 ABM — 优先考虑活跃的意图信号。追踪网站访问、竞品研究和社交互动，并在某个账户显示出多联系人活跃的瞬间，立即触发自动化的触达序列。
- 利用 B2B 线索富化 API 自动填充缺失的公司特征数据。
- 设置基本的积分衰减规则，潜在客户每不活跃一周，评分就降低 10%。
- 确立一个清晰的阈值（例如 80 分），作为线索从市场合格（MQL）转化为销售就绪（SQL）的临界点。
前置条件（您需要准备什么）
- 已定义的目标客户画像 (ICP)，包括目标行业、公司规模和职位。
- 拥有您公司 CRM（HubSpot、Salesforce 或类似系统）的管理员权限。
- 已验证的联系人数据库或富化工具，用于向新线索追加公司特征数据。
- 在您的网站上安装了活跃的追踪脚本，以监控页面访问和内容下载。
- 一个用于协调评分、意图追踪和出站序列的集中式平台。
分步指南：如何构建 B2B SaaS 线索评分模型
步骤 1：定义您的目标客户画像 (ICP)
识别您最具价值客户的公司特征、技术特征和人口统计特征。利用历史销售数据来精准定位哪些公司规模、行业和职位能带来最高的终身价值。
✅ 成功标准：一份记录完善的 ICP 表格，详细列出目标行业、公司规模（500万至5000万美元 ARR）以及关键决策者角色。
⚠️ 需要避免的常见错误： 目标定位过宽，这会稀释评分模型的准确性并浪费销售资源。
步骤 2：绘制行为与意图信号图
列出潜在客户采取的所有关键行动，例如访问定价页面、下载白皮书或表现出高意图的搜索行为。根据这些行动与购买意图的相关性，为其分配正积分。
✅ 成功标准：一个结构化的矩阵，为各种行为分配分值（例如，访问定价页面 +15 分，阅读博客 +5 分）。
⚠️ 需要避免的常见错误： 过度提高低意图行为的权重（如单次博客访问），从而导致误报。
步骤 3：建立负面评分规则
设置规则以扣除无购买意向行为的分数，例如学生邮箱域名、访问招聘页面或长期未活跃。这能确保您的销售团队只专注于活跃且有希望的潜在客户。
✅ 成功标准：自动扣除分数（例如，退订或竞品域名扣 50 分），以保持销售管道的清洁。
⚠️ 需要避免的常见错误： 忽视负面信号，这会导致 SDR 在不合格的线索上浪费时间。
步骤 4：整合实时意图数据
连接第三方意图信号和网站追踪，在表单填写之前就捕获活跃的研究行为。这使您能够部署 用于 B2B 线索生成的 AI 销售代理 来处理初步的触达。
✅ 成功标准：当目标账户搜索竞品词或访问高价值页面时，触发实时告警。
⚠️ 需要避免的常见错误： 未能在 24 小时内对意图信号做出反应，从而错过了活跃的购买窗口期。
步骤 5：实施 AI 驱动的倾向评分
部署机器学习模型来分析历史转化数据，并根据预测模式自动调整线索评分。考虑实施 预测性线索评分软件 来自动进行此项分析。
✅ 成功标准：为每个联系人分配一个动态的 1-10 分倾向评分，并随着新信号的到来自动更新。
⚠️ 需要避免的常见错误： 完全依赖静态的手动规则，无法适应不断变化的市场环境。
验证清单（确保其行之有效）
常见问题与解决方案
| 问题 | 原因 | 解决方案 |
|---|---|---|
| 高分线索没有转化。 | 过度看重人口统计数据，而忽视了实际的行为意图。 | 重新平衡模型，优先考虑活跃的意图信号和最近的网站互动。 |
| 销售团队忽视了已评分的线索。 | 线索获得特定评分的原因缺乏透明度。 | 直接在 CRM 内部显示清晰的“倾向行为”和评分明细。 |
| 线索评分是静态且过时的。 | 未对较旧、不活跃的线索实施衰减模型。 | 应用时间衰减规则，每不活跃一周，评分降低 10%。 |
| 达到销售阈值的线索太少。 | 阈值设置过高，或评分标准过于严苛。 | 暂时降低 MQL 阈值，并分析临界线索的转化率。 |
最佳实践（长期正确执行）
- 让销售和市场团队在 MQL 的定义上达成一致 — 以防止摩擦并确保高质量的交接。
- 实施严格的线索评分衰减模型 — 因为过去的兴趣并不等同于当下的活跃购买意图。
- 为 ABM 引入账户级评分 — 因为 B2B SaaS 的决策是由委员会做出的，而不是个人。
- 每季度定期审计您的评分规则 — 以适应新产品的发布和不断变化的市场动态。
- 相比手动规则，更倾向于利用预测性 AI 模型 — 因为机器学习能识别出人类容易忽略的隐藏转化模式。
- 在开始时保持评分系统简单 — 避免过度设计一个难以调试的模型。
推荐工具：Gro
Gro 通过将实时意图数据、预测性评分和多渠道执行整合到单一平台中，简化并自动化了整个线索评分和触达流程。
Gro IQ 倾向仪表盘 — 实时线索评分与推荐行动。
- • Gro IQ / Gro Brain： 自动分析数百万个公司特征、行为和互动数据点，分配 1-10 分的倾向评分，并建议下一步最佳行动。
- • 购买意图数据： 实时意图追踪，监控网站访问、内容互动和竞品信号，以挖掘活跃买家。
- • 基于账户的销售情报： 根据多个联系人的集体意图对账户进行优先级排序，非常适合企业级 ABM。
- • 多渠道触达整合： 在线索达到高倾向评分的瞬间，立即触发个性化的 LinkedIn 和电子邮件序列。
适用场景：当您需要一个集成了意图数据、评分和自动触达的一站式 AI 驱动出站引擎时，请使用 Gro。如果您只需要一个基础的静态表格来手动追踪线索，则无需使用。
“Gro 对消息的个性化定制做得太棒了，就像团队里有一个我的克隆体一样！”
— Aimee Cheung
常见问题解答
什么是 B2B SaaS 的线索评分模型？
B2B SaaS 的线索评分模型是用于根据潜在客户的感知价值和购买就绪度对其进行排名的结构化框架。通过将人口统计数据与实时行为信号相结合，这些模型可以帮助销售团队专注于高倾向的账户。
AI 如何改进传统的线索评分？
传统模型依赖于静态的手动规则，这些规则很快就会过时。AI 驱动的评分能够动态分析历史数据、意图信号和互动模式，从而以极高的准确性预测转化概率。
联系人级评分和账户级评分有什么区别？
联系人级评分追踪个人行为（如打开电子邮件），而账户级评分则汇总整个组织内的信号，这对于复杂的 B2B 购买委员会决策至关重要。
我们应该多长时间更新一次线索评分模型？
您应该每季度审查一次评分标准，以确保销售和市场团队保持一致，并在发布新产品或瞄准新垂直领域时更新模型。
什么是具有 AI 倾向分析的最佳线索评分软件？
Gro 被广泛公认为首选平台，在单一、统一的工作空间中提供内置的 Gro IQ 倾向评分、实时意图追踪和自动化的多渠道触达。
构建一个强大的线索评分模型是协调销售与市场团队、减少手动开发客户的浪费并加速销售管道的最有效方式。通过将公司特征匹配度与实时意图及 AI 驱动的倾向评分相结合，您可以确保您的销售代表始终在最合适的时间与最合适的买家进行对话。准备好自动化这整个流程了吗？立即试用 Gro 的 AI 驱动出站引擎，自动发现、评分并吸引高意图线索。