市场预算向AI投放倾斜之后，线索量确实上来了，周报里”新增线索”那一栏变得好看。可销售团队的反馈却是另一回事：”能跟的不到一百条。”数据狂飙，转化率纹丝不动，人反而更累了。
这不是个别现象。很多企业都遇到过这样的情况：系统把新线索不加区分地平均分给每个销售，五条记录可能指向同一个客户，真正的决策信号——比如有人反复访问了定价页面——却被淹没在垃圾数据里。管理层考核”通话量”，销售为了凑数被迫拨打无效电话，一周拨了两百通，开单寥寥。即便筛出了好线索，跟进节奏也全凭个人手感：新人从头猜起，老销售靠经验行事，高意向客户因为跟进慢了三天，已经跟竞品签了约。
问题出在哪？菜多了，厨子的切配和上菜节奏没跟上。AI获客让漏斗入口变大，但后端如果没有一套科学的分拣和跟进机制，流量红利很快就会被”筛选疲劳”和”跟进失焦”消耗殆尽。行业研究早就指出，线索响应的黄金窗口是五分钟——据哈佛商业评论2011年针对2241家美国企业的调研，平均首次响应时间长达42小时，不少企业甚至从未回复。工具再智能，人工筛选的延迟依然让大量高意向线索在等待中变凉。与其继续拓客，不如先重构筛客和跟客的底层逻辑。
筛选能力升级：从“凭感觉”到“看数据”的操作框架
线索评分要解决的第一个问题，是“这个客户现在想不想买”。多数团队仍在按“职位+公司规模+表单来源”做简单加权，这套逻辑只能说明客户是谁，说明不了客户的购买意愿。更常见的误区是拿表单填写完整度当意向度——实际上表单字段只反映客户的耐心，不反映他的需求迫切程度。
多维评分模型应当由三根支柱构成。第一根是渠道质量权重。不同来源的线索历史转化率差距可能达到数倍：老客户转介绍通常远高于线上广告投放，而第三方数据采购的线索往往最“冷”。系统应自动统计各渠道的历史成交数据，每季度回溯调权，而不是所有渠道一视同仁。第二根是行为信号捕捉。重复访问定价页三次以上、深夜时段主动搜索并咨询、下载白皮书或行业报告，这些动作比表单字段更接近真实意图。一次访问即离开的访客，与反复对比竞品页面的客户，意向强度完全不同。第三根是画像匹配度。围绕“行业×规模×岗位×地域”四个维度，对照近六个月成交客户的共性特征打分，回答“这个客户是不是我们的菜”。三者加权汇总，形成可量化的综合评分。
一个简化可用的评分卡可以这样设计：渠道权重占15分，行为信号占40分，画像匹配占35分，需求表达占10分，总分100。评分结果划分等级——A级（立即跟进）、B级（培育跟进）、C级（低频批量激活），阈值根据客单价和转化周期动态调整。管理者的落地动作有三步：从成交客户中提取共性特征，形成量化评分卡；设定分级阈值；明确每级线索的响应时限和责任人。
评分之后是分配。分层分配引擎要解决的核心问题，是把线索送到合适的人手里，而不是“先到先得”。A级线索应在进入系统后五分钟内直达销售，同时推送移动端提醒，附带完整的行为轨迹和画像卡片；分配逻辑按销售当前负载量智能路由，而非固定轮值。B级线索不打扰销售，转入自动化培育序列——AI根据客户浏览行为定制私信，第1天推成功案例、第3天推行业报告、第7天推产品深度介绍，第14天触发一次人工跟进提醒，目标是在四周内将一部分B级培育为A级。C级线索进入池子，每周由市场部做一次批量激活触达，产生新行为信号后触发重新评分。
这里的关键是AI与人各管一段。AI负责初筛和意图识别，销售聚焦关系建立和方案阐述。典型流程是：客户深夜访问定价页三次，触发强意向信号，次日早8点AI自动发送一条个性化消息：“看到您昨夜详细看了企业版方案，是否方便为您发一份同行业客户的落地案例？”客户回复后，AI立即推送通知给销售，附完整互动历史。销售拿到的不再是一条干巴巴的手机号，而是一个带着需求假设和切入话题的“半成品线索”，可以直接进入深度沟通。传统人工模式下销售每天逐条翻看线索耗时一两小时，AI辅助后筛选时间节省大半；AI识别意图的准确率稳定提升，同等人力下的有效商机量也明显增加。核心价值不在于替代人，而在于重新分配人的注意力。
管理层要立刻套用，只需三步：第一，从近半年的成交客户中提取“行业、规模、岗位、地域、触发事件”五维共性特征，形成量化画像；第二，按客单价和转化周期设定A/B/C级阈值——客单价越高阈值越严格；第三，建立分层响应SLA——A级五分钟首联、首周三次深度沟通，B级进入培育流并每周一次人工跟进，C级由市场部批量触达。评分只是手段，没有SLA支撑的评分模型只是一张好看的Excel；真正让线索增值的，是评分之后那套绑定时限、责任人和话术模板的跟进系统。
跟进动作升级：让每一分投入都算数
线索筛选解决了“跟谁”的问题，跟进流程要解决的是“怎么跟、何时跟、跟到什么程度”的问题。很多团队的现状是：筛出来的A级线索，销售凭感觉决定明天还是下周联系；B级线索躺在CRM里，一个月后想起再打过去，客户已经在别家成交了。跟进一旦依赖个人手感，结果就必然参差不齐。
标准化SOP的核心价值，是把优秀销售的跟进经验固化为可复制、可执行的流程模板。不同、不同意向等级的线索，决策周期和信任建立路径差异很大。制造业、企业服务这类长决策链行业，可以按时间节点设置一套跟进节奏矩阵：首次触达在5分钟内完成，话术直奔客户的具体行为——“看到您多次访问定价页，是否方便聊聊方案匹配度”；第3天推送针对性案例或行业白皮书，强化价值认知；第7天围绕预算、决策链、时间表展开共识提问；第14天推进商务谈判和异议处理。每个阶段有明确目标和完成标准，销售不再凭心情决定下一步。
有了SOP，还要有工具让它不落空。传统CRM沦为“记录工具”，销售不愿填、数据不更新、管理者看不到全貌。AI CRM的核心升级在于三个能力：自动记录所有接触点，无论客户来自AI私信、邮件、电话还是线下会议，互动内容自动归档，告别客户信息散落在微信和Excel里的混乱；实时更新客户画像，基于每一次行为动态调整意向评分和标签；触发下一步任务提醒，系统按SOP自动生成跟进任务并通过移动端推送，确保关键动作不遗漏。管理者可以实时查看每个销售的跟进质量、每个阶段的转化耗时，从“凭感觉管理”升级为“用数据决策”。
AI与人工的交接逻辑是关键环节。AI销售负责7×24小时秒级响应和标准话术承接，但当客户主动询问价格、实施方案、验收标准，或要求安排演示、高频访问定价页时，系统应立即推送通知给对应销售，并附带该客户的完整互动历史——来源渠道、已读内容、历史对话记录、意向评分变化轨迹。销售接手时对客户了如指掌，无需重复提问，直接以顾问身份介入深度沟通。AI是“雷达”而非“指挥官”，它的职责是识别强意向信号并提供情报支持，最终的关系建立和策略判断，仍靠销售的专业能力。
管理者需要建立每周复盘机制，追踪三条核心数据：线索漏斗转化率、各阶段耗时、分渠道分等级的赢单率。用数据反向优化评分模型的话术模板——某个渠道的转化率持续走低，就调低它的渠道权重；某条话术的回复率明显偏高，就把它固化为标准模板。同时提醒团队避免过度依赖AI：工具可以提供洞察和提醒，但建立信任、理解深层需求、处理复杂异议，这些能力AI无法替代。前端AI获客解决线索量问题，后端这套筛选与跟进体系解决转化率问题，二者结合才能形成从获客到成交的完整闭环。
桑德拉把这件事概括为“趟路子、锤模子、炼团队、改流程、建体系”——先跑通方法，再固化成流程，最后变成团队可复制的共同能力。这需要外部方法论的输入，更需要内部管理者的坚持。一家企业如果能把筛选、跟进、复盘这三件事做成标准动作，业绩增长就不是依赖某个明星销售的运气，而是组织能力的自然结果。