AI 销售线索评分：从「模型打分」到「销售真的会用」的落地差距

📅 2026/10/25 ✍️ 小文 📖 约 1 分钟

线索评分模型 AUC 很高但销售不看，是这类项目最常见的失败结局。本文讲清标注口径、特征时点、评分解释与反馈闭环四个关键环节，把模型变成销售手里的工具。

线索评分（Lead Scoring）是 B2B 团队做 AI 最容易立项、也最容易白做的项目。

典型的剧本：数据团队花两个月建了模型，AUC 0.85，看起来很漂亮。上线三个月，销售团队基本不看那个分数，“高分线索”点进去发现是个学生。项目就此搁置。

问题不在模型技术上，在于四个环节没做对。

环节一：标注口径——“好线索”到底怎么定义

模型要预测的目标，决定了它学到什么。常见的错误定义：

更能落地的定义通常是组合式的：在 N 天内被销售接受并推进到某个阶段。比如”30 天内被接受并进入需求确认阶段”。这个定义同时满足：销售认可、周期可控、样本量足够。

实操要点：

正负样本要同口径。 如果正样本来自成交客户，负样本来自三个月前未跟进的线索，两者的时间分布不同，模型会学到”时间”而不是”意向”。

剔除脏样本。 竞品调研、学生作业、测试账号，这些要在标注阶段就排除，否则模型会把这些特征学成负向信号，误伤真实客户。

共识口径。 让 Top 3 销售一起过一遍 50 条样本，逐条确认”这条你会跟吗”。分歧大的样本剔除。这一步也能提前发现定义不合理的地方。

这是最致命的错误，也是最容易发生的。

举例：一个特征叫”该客户累计通话时长”。如果在打标签时用的是全历史累计值，那么这个特征里包含了标签发生之后的信息——成交客户当然通话时长更长。模型学到了”通话多=好线索”，上线后毫无预测力。

正确做法：每个特征只能用”线索创建时刻”之前可获得的快照。实现上要做特征时间戳管理，把所有历史数据按快照日重建。

校验方法：检查每个特征的”上线时可用性”。问自己一句——这条线索刚进来的时候，我能知道这个字段的值吗？不能就直接删掉。

这类问题在离线评估时表现为”效果特别好”，上线后”一塌糊涂”。看到 AUC 超过 0.9 时，第一反应应该是查数据泄漏，而不是庆祝。

销售不用的核心原因是：分数没有可操作性。

“这个线索 87 分”，销售不知道该怎么办。改进方向：

一、给理由。 输出 2 到 3 条主要贡献因素，用人话说。比如：“来自目标行业""近 7 天访问定价页 3 次""公司规模匹配""但未留电话”。

注意：解释要来自模型的实际贡献（如 SHAP 值），不是事后编的理由。理由和分数不一致会立刻失去信任。

二、给动作建议。 不同分数段配不同的跟进策略：

三、分成两三类就够。 不要给 0 到 100 的连续分，销售记不住也用不上。A/B/C 三级，每级配明确动作，采纳率会高得多。

四、展示在销售已经在用的地方。 如果销售的工作台是 CRM，分数就必须在 CRM 里，而不是一个需要单独打开的看板。每次多一次跳转，使用率就掉一截。

模型上线不是终点。业务在变，模型必须持续校准。

采集”接受/忽略”信号。 销售对每条线索的操作（接受、忽略、标记为无效）本身就是最好的标注数据。这比人工标注更真实、更及时。

忽略原因要可选可填。 一个下拉框：已有供应商 / 预算不足 / 非决策人 / 信息错误 / 其他。这让你能定位模型的系统性问题。

月度校准。 每月用最近的数据重训或微调，重点看两件事：各分数段的实际转化率是否与预测一致（校准曲线）、有没有某个来源的线索被系统性低估。

警惕反馈污染。 如果销售只看高分线索，那么高分线索的转化率会虚高（因为得到了更多关注），低分线索永远没机会被证明。这是典型的自证预言。缓解办法：保留一小部分随机的”探索”线索进入销售视野，用来获得无偏的效果数据。

不要用 AUC 衡量这个项目的成功。用这三个：

第二个指标最关键——如果销售的总工作量没变，只是把时间从低分线索挪到高分线索，那才是模型真正产生的价值。

线索评分这类项目，技术难度中等，落地难度高。失败的原因几乎总是同一个：做出了一个模型，但没做出一个销售愿意用的东西。

把 40% 的精力花在模型上，60% 花在口径对齐、界面嵌入、动作建议和反馈采集上，成功的概率会高很多。