线索评分卡在制造业营销云里几乎是标准配置：字段配好，规则跑起来，每条线索都有分数。可到了销售的早会上

线索评分卡在制造业营销云里几乎是标准配置：字段配好，规则跑起来，每条线索都有分数。可到了销售的早会上，决定先打哪个电话的仍然是个人经验。市场部追问“高分线索为什么没人跟”，销售回一句“分数和实际情况差太远”。半年之后，那张卡还在系统里，只是报表上多了一列数字。

评分卡失效，通常不是缺数据，而是规则没设计对。它要完成的事只有一件：把“这条线索值不值得跟、该谁跟、多快跟”变成系统能自动执行、销售也认的判断。规则含糊时，分数越精确，误导越具体。

纷享销客营销云（也称纷享营销云）把自己定位为“懂获客、能转化、会增长的智能营销云”，它处理评分问题的方式，是把一张卡放回链路里看：前面接全渠道线索归集与身份识别，后面接自动分配、培育旅程，再往后连着商机和成交数据。评分卡是链路中的一环，输入来自前面，准不准要由后面的结果来检验。

下文按落地顺序拆：先判断卡片为什么鸡肋，再讲前置条件、分数怎么分层、权重从哪来、阈值怎么切、结果怎么校准，以及制造业、医疗器械、ICT 三类行业的参数差异。

评分卡变鸡肋，多半是这四处没设对

三种典型症状

分数和成交对不上。高分线索的商机转化率并不比低分线索高，说明评分维度抓的不是成交因素。

销售绕过评分。当分数和销售自己的判断冲突时，销售按自己的顺序打电话，卡片在流程里存在，在决策里缺席。

分数通胀。上线半年后，绝大多数线索都落在高分段，区分度消失，卡等于没设。

四个技术性原因

口径不统一。 市场部认为下载过白皮书就是高质量线索，销售认为能约到技术负责人面谈才算，双方从来没有共同定义过 MQL 与 SQL 的边界。规则里怎么写，取决于写规则的人站在哪一边。

只有静态属性。 行业、企业规模、职位这些字段在表单提交那一刻就固定了，它们回答的是“这家公司像不像目标客户”，不回答“现在有多想买”。

分数只升不降。 缺少负向分和时间衰减时，一条两年前的行为今天还在贡献分数。页面浏览、参会记录长期累积，最后所有活跃过的线索都会变成高分。

分数不接动作。 算完分只把数字展示在列表里，不触发分配、时限、培育或降级，销售看不到这张卡改变了什么，自然不会用它排序。

前置条件：分数的上限由数据底座决定

评分卡是规则层的东西，它跑在数据之上。下面三件事没做到位，规则再精细也出不来可信的分数。

同一家客户，要合成一个身份

制造业的线索来源很少是单一路径。同一家客户可能今天有人在官网填了表单，上个月在展会扫码登记过，代理商那边还有一条报备记录。如果这三条分散在三个地方，评分对象就不唯一——系统给“三条记录”打分，而销售面对的是“一家客户”，两边对不上。

纷享销客营销云用全渠道线索归集和跨渠道身份识别，把同一客户的行为并到同一个身份下，后面的属性分、行为分才有统一的比较基准。

行为分依赖于埋点颗粒度

行为分不能靠人工补录。官网没做全页面埋码，就采集不到“看过哪些产品页、停留多久、是否反复访问定价页”这类信号，行为分只能退回到“填过表单”这一个动作。埋点决定评分因子的可选范围，这一点在选型阶段就要确认。

市场和销售共用一套 MQL、SQL 定义

评分规则的争议，源头大多不在技术，而在两边对“什么算好线索”的理解不同。上线前把 MQL、SQL 的判断标准写下来并达成一致，规则才有依据可循。纷享销客营销云支持企业按自己的 MQL、SQL 定义配置规则，而不是只能接受系统内置的一套固定逻辑。

第一步：把分数拆成三层——属性分、行为分、负向分

一张能用的评分卡，分数不是一根，而是三根：属性分、行为分、负向分。前两根决定谁排前面，第三根决定分数能不能跌下来。

属性分：判断像不像目标客户

属性分按字段取值计算，覆盖行业、企业规模、地区、岗位角色、是否决策人等维度。关键在于把取值写具体，而不是给“职位”笼统加一个固定分。

某制造与高科技行业客户在配置时采用的方式是：公众号公司名称字段包含“股份、集团、科技、技术”计 5 分，职位包含“总经理、CEO、老板”计 10 分，包含“产品、技术、主管、经理、总监”计 5 分，包含“市场、品牌”计 5 分。字段取值直接对应分值，规则可解释，销售也能看懂这条线索为什么分高。

行为分：判断现在有多想买

行为分按营销行为累计，覆盖关注公众号、报名会议、线下签到、报名直播、观看直播、下载资料等动作。同一批客户的配置里，关注公众号 5 分，报名会议 5 分，线下会议扫码签到 5 分，报名直播 5 分，线上直播观看 5 分。

行为分的设计要点是区分动作的含金量。报名和实际到场的价值不同，浏览一页和连续查看同一类技术方案页面的价值也不同。给不同分量的动作记同一个分值，行为分就退回成了一个活跃度计数器。

负向分与衰减：让分数能跌下来

负向分处理意向减弱：取消关注公众号 -10 分，邮件退订、拒收同样减分。时间衰减处理意向过期：一段时间没有新的互动，分数应当下调，否则三年前的一次资料下载会一直把线索托在高分段。

纷享销客营销云在这部分的配置能力包括：支持多渠道营销行为评分，支持减分项配置，支持按任意字段做分值评估并按分值区间设置不同标签，还支持被销售标记驳回后自动降分、低评分线索再次进入孵化池。这几条合起来，才有了“分数可升可降”的机制。

第二步：权重从成交结果倒推，不做平均分配

三层分定下来之后，紧接着的问题是每项给多少分。凭直觉给权重，是评分卡失准最常见的技术原因。

用已成交客户反向验证维度

一个可执行的做法是：把过去一年成交的客户拉出来，逐项统计他们在哪些字段和哪些行为上，与流失、无效线索存在明显差异。差异大的维度加权重，差异不明显的降到低权重甚至删掉。评分卡的第一版可以参考同类企业的做法，但权重必须用自己的成交数据校正过一遍。

行业公开讨论里出现过一种分配口径：属性、行为、互动时效分别占 30%、50%、20%。这个比例本身没有普适性，价值在于提醒一件事——行为分的权重通常应当高于属性分，因为意向是动态的，而属性是静态的。

制造业的权重和别人不一样在哪

同一个指标体系，放进制造业要换取值。制造业看设备需求、工况参数、产能规模、认证要求、交付周期，这些采购关注点对应的行为权重更高。一条反复查看某类设备技术方案页面的线索，分数会被自动抬高，销售打开列表时先看到的就是它。

评分的准确度依赖数据积累和规则校准，冷启动阶段的分数偏粗是正常现象。这一点需要在内部说清楚，避免第一版分数不准就否定整张卡。

第三步：阈值与分流，让分数直接触发动作

分数只有落到动作上才有意义。阈值设计最容易犯的错误，是先划出 0 到 100 的区间，再回头想每个区间该干什么。

区间怎么切：先定动作，再定分数线

先列出你希望系统执行的几类动作：立即分配给销售或 SDR 跟进、进入培育旅程、留在孵化池、直接降级。动作确定之后，再倒推分数区间。区间不必只有高中低三档，但每一档都要有对应的处理方式和时限，不能出现“分数很高但没人管”的段落。

行业内常见的时限设置是高分线索 24 小时内跟进、中低分线索 48 小时内跟进，具体时限要按自己的销售节奏调整。

分数触发的四类动作

自动分配 ：按区域、产品线、客户类型把线索分到对应线索池和销售团队，避免 SDR 手工派单。

时限与提醒 ：为不同分数段设定响应时限，超时推送到主管。

培育旅程 ：暂时不成熟的线索进入自动化流程，按内容触达累计行为分，分数回升后再转出。

驳回回流 ：销售判定无效后，线索自动降分回到孵化池，而不是留在原处继续占用销售列表。

纷享销客营销云支持按分值区间设置标签，配合流程自动完成高价值线索分配；也支持关联业务数据的统计型自动计算评分，例如按关联合同总金额做区间评分。评分在这里不再是一个数字，而是流程的触发条件。