要用 AI 为 Lead 评分，第一步是制定一套销售团队能够清楚解释的简单规则。导入包含公司规模、职位和网站文本的 Lead 列表，再使用 Datablist AI Editing，根据这些字段生成分数。在应用到整个列表之前，先用样本行预览生成的脚本。

这样，每条 Lead 都会获得一致的分数，方便确定处理优先级。但它无法预测谁最终会购买，因此你需要用真实客户案例验证评分结果；如果排序明显不合理，就及时调整规则。

以下是 AI Lead Scoring 的具体步骤：

  1. 找出你的最佳客户
  2. 将 Lead 导入 Datablist
  3. 让 AI 为 Lead 评分

什么是 Lead Scoring？

Lead Scoring 会按照你设定的标准为潜在客户排序，例如目标账户的规模是否符合要求、联系人是否担任相关职位。评分可以帮助你决定优先查看哪些数据行，但它的实际价值完全取决于背后的规则和输入数据质量。

第 1 步：找出你的最佳客户

  1. 在 CRM 中查看几位已经成交的客户，以及几条明显不匹配的 Lead，找出两者之间的差异。仅分析十个正面案例，并不足以判断哪些规则能排除不合适的账户。

  2. 分析它们的共同点并记录下来。你可以重点考虑以下因素：

    • 公司特征（规模、行业、地区）
    • 联系人信息（职位、决策权）
    • 与贵公司的互动程度
    • 人口统计与行为数据

  3. 明确每项因素会如何影响最终排名。

具体来说，重要因素应获得最高分；锦上添花但并非必要的因素，则应获得较低分。

在下面的示例中，符合要求的决策者职位得 2 分，员工人数为 15 至 100 人的公司得 1 分，网站中提到 AI 相关术语再得 1 分。每条 Lead 的总分范围为 0 至 4 分。这些权重只是示例，并非基于转化数据训练出的模型。

注意：请根据你的商业模式和目标市场调整分值。

第 2 步：将 Lead 导入 Datablist

首先，在 Datablist 中导入 CSV/Excel 文件，文件里应包含你想要评分的 Lead 列表。

Datablist 支持你先在 collection 中完成评分和检查，再导出按优先级排序的列表。

AI Editing 会根据 prompt 和少量样本数据生成 JavaScript。你确认预览结果后，它才会把生成的规则应用到所有数据行。请明确写出各种边界情况，因为生成器无法仅凭少数示例推断出整个 collection 中的所有数据模式。

首先创建一个 collection，然后以 CSV 或 Excel 文件的形式导入列表。

在 Datablist 中创建新的 collection
在 Datablist 中创建新的 collection

这是我的文件，其中包含：

  • 各公司的网站文本
  • 公司规模
  • 潜在客户的职位
包含评分所需信息的潜在客户列表。
包含评分所需信息的潜在客户列表。

第 3 步：让 AI 为 Lead 评分

现在，把评分规则转换为一次 edit 操作。指定输入 properties，并定义希望生成脚本处理的值和例外情况。

按照以下步骤操作，可以获得更准确的结果：

  1. 在 collection 顶部打开 Edit。

  2. 选择 AI Editing。

    通过 Edit -> AI Editing 打开 AI Editing
    通过 Edit -> AI Editing 打开 AI Editing

  3. 编写评分 prompt。在 prompt editor 中选择 collection properties，确保引用绑定到实际列。明确说明缺失值是否记为 0 分，以及是否接受部分匹配。

使用 AI 进行 Lead Scoring 的 prompt。
使用 AI 进行 Lead Scoring 的 prompt。

以下是我用于 AI Lead Scoring 的 prompt。

Prompt 示例
创建数值 properties：Persona Match、Account Match、Product Match 和 Lead Score。

对于 Persona Match，读取 position property。当职位包含 founder 或 co-founder，且此人同时担任 CEO 时，计 2 分。否则，如果职位是 CEO 或 COO，则计 1 分。其他职位或空值计 0 分。不得同时计入 2 分和 1 分。

对于 Account Match，读取 company_size。当其为 15 至 100（含边界值）之间的数字时，计 1 分；否则计 0 分。

对于 Product Match，读取 Website Texts。当其中包含独立术语 AI 或 KI，或者短语 Artificial Intelligence 时，计 1 分，匹配时忽略大小写。不得匹配其他单词内部的 AI。文本为空或没有匹配项时，计 0 分。

将 Lead Score 设置为以上三个数值匹配项之和，取值范围为 0 至 4。保留输入 properties。使用此 collection 中实际绑定的 position、company_size 和 Website Texts properties。

❗重要提示

请在 prompt editor 中逐一选择 property，不要保留未绑定的占位文本。请分别测试公司规模缺失、职位同时包含 founder 和 CEO，以及网站文本中出现单词“said”的情况，以避免误匹配其中的“AI”。

  1. 点击 Generate。

预览会展示生成脚本在样本数据上的运行结果。检查三个组成分数及其总和。如果某条规则没有正确执行，请修改 prompt 并再次预览，确认无误后再应用到整个列表。

AI 生成的 Lead Scoring 系统预览
AI 生成的 Lead Scoring 系统预览

第 4 步：查看评分结果

确认预览结果符合规则后，点击 Run on items。在使用评分开展 Outbound 触达之前，对照 CRM 中的真实案例，检查高分和低分数据行是否合理。

评分结果
评分结果

将审核后的列表导出到 CRM，或使用你的套餐所支持的 integration。建议将规则定义与列表一并保存，方便团队成员了解每条 Lead 获得相应分数的原因。

生成的 edit 可以重复用于新的 Lead。当理想客户画像或输入列发生变化时，请重新检查并更新规则。