你的销售团队手上有 500 条新线索——却完全不清楚该先联系谁。AI 线索评分（AI Lead Scoring）解决的正是这个问题：像 Claude 这样的 AI 模型自动为每条线索给出 0 到 100 的评分，附上理由说明和优先级——在你的团队写下第一封邮件之前就已完成。这样，销售时间就会流向成交概率最高的线索，而不是一份按字母顺序逐条处理的名单。
问题所在：所有线索看起来都一样
没有评分时，大多数人是按字母顺序处理名单——或者凭直觉。真正优质的线索得到关注太晚，而宝贵的销售时间却流向那些永远不会购买的公司：规模不对、行业不对、没有需求。结果就是一支干得很多、成交很少的销售团队。
一个演示性的计算示例（刻意简化，并非研究结论）：如果一个团队联系 500 条未经排序的线索并达成 2% 的成交率，就赢得 10 个客户。如果把同样的精力集中在 100 条最匹配的线索上，并在那里——因为产品和需求真正吻合——达到 15%，那么只用五分之一的联系量就能赢得 15 个客户。线索评分（Lead Scoring）做的正是这种对正确子集的聚焦：它改变的不是你的线索，而是你的处理顺序。
什么是 AI 线索评分？
AI 线索评分是指由一个 AI 模型自动评估线索：它将行业、企业描述和规模等企业数据与一个目标客户画像进行比对，并由此得出评分、理由说明和优先级。它为每一条线索回答这个问题：这家企业与你所销售的东西匹配程度如何？
相比之下，传统的线索评分使用僵化的积分规则：
- 行业匹配？+10 分
- 企业规模合适？+15 分
- 访问过网站？+5 分
问题在于：这些规则是静态的，需要人工维护，而且捕捉不到细微差别。一家 15 名员工的税务师事务所，和另一家同样 15 名员工、但根据网站信息刚开设两处新办公点的事务所，会得到相同的分数——尽管后者明显是更好的线索。语言模型能识别这类差异，因为它真正阅读企业描述并在上下文中进行评估。关于更高级的、基于机器学习的方法，请见我们的 Predictive Lead Scoring 指南。
用 Claude 这样的 LLM 做线索评分是如何运作的？
在 anilead.io 中，AI 线索评分作为线索生成的最后一步全自动运行：Claude AI 将每条找到的线索与你描述的目标客户画像进行比对，并给出 0 到 100 的评分——包括理由说明和优先级。完整流程分五步：
- 描述目标客户画像：创建项目时，你用日常语言描述你提供什么、在找谁——产品或服务、目标行业、地区、典型的企业规模。这份描述就是衡量每条线索的标尺。
- 查找线索：系统通过 Google Places API 搜索匹配的企业；典型搜索每次产出 20 到 60 条线索。随后它爬取企业网站并提取公开可得的电子邮件地址。
- 由 Claude AI 评估：搜索结束后，系统立即分批处理新线索。Claude AI 依据行业、企业描述、规模以及与所描述目标客户画像的匹配度评估每条线索，并给出 0 到 100 的评分。
- 理由说明和优先级：模型为每个评分附上一段简短的理由（“根据网站信息使用过时的行业软件，正在增长，符合目标规模”）和一个优先级。你看到的不只是一个数字，还能理解为什么某条线索排在前面或后面。
- 排好序的名单，而非原始数据：你的团队从一份按评分排序的线索名单开始工作——并可以将其导出为 CSV 或直接传输到 HubSpot。评分包含在每个计划中，免费版也不例外。
与传统系统的决定性区别在于：不需要配置任何规则，也不需要用历史数据训练。你对目标客户的文字描述取代了规则体系。
AI 评分与基于规则的评分有何不同？
基于规则的评分、Predictive 评分和基于 LLM 的评分在数据需求、部署成本和可解释性上各不相同。下表将三种方法直接对比：
| 对比维度 | 基于规则 | Predictive（机器学习） | 基于 LLM（例如 Claude） |
|---|---|---|---|
| 工作原理 | 固定积分规则（行业匹配 = +10） | 统计模型从历史成交中学习 | 语言模型阅读企业数据并评估与目标画像的匹配度 |
| 数据需求 | 无，只需规则 | CRM 中数百条历史成交/失单记录 | 目标客户描述加公开企业数据 |
| 部署 | 人工设置，持续维护 | 数据科学投入，训练阶段 | 一段日常语言写成的画像描述 |
| 细微差别与自由文本 | 无法捕捉 | 只能作为预先加工的特征 | 直接理解企业描述 |
| 可解释性 | 高（规则可见） | 低（黑盒模型） | 高（每条线索附文字理由） |
| 适用场景 | 简单情形，集客基础场景 | 拥有大量 CRM 历史的大团队 | 没有历史记录的新线索，中小企业和外呼 |
如果你拥有数千条历史数据记录并想纳入行为信号，Predictive 评分仍然是正确的选择。而对于刚刚生成的外呼线索——它们天然没有任何历史——LLM 方法更加可行，因为它从第一条线索起就能运作。
AI 线索评分需要哪些数据？
AI 线索评分需要两种原料：一份精确的目标客户描述，以及每条线索的足够信息。在 anilead.io 中，线索信息完全来自公开来源——Google Places 条目和企业网站；处理在法兰克福的欧盟服务器上进行。具体来说，评估会纳入：
- 行业与类别：业务领域与你的产品或服务匹配吗？
- 企业描述：根据其资料和网站，这家公司做什么——这与你的目标画像吻合吗？
- 企业规模：这家公司是否处于你的产品所面向的规模区间？
- 与目标客户画像的匹配度：将所有这些信号与你的项目描述进行比对——这是评估的核心。
关键在于你的画像描述的质量：目标行业、规模区间和你所解决的问题描述得越具体，评分的区分度就越高。“尚未采用数字化票据处理、拥有 5 到 50 名员工的税务师事务所”比“需要软件的企业”能带来好得多的结果。
实战示例：软件公司寻找新客户
一家提供会计软件的 B2B SaaS 供应商描述了自己的目标画像并启动搜索。AI 评分器对结果的评估如下：
- 评分 94/100：税务咨询有限公司，15 名员工，根据网站信息使用过时的遗留软件，增长强劲——理想客户，优先级高
- 评分 67/100：软件环境混杂的中型企业——潜在客户，需要更多调研，优先级中等
- 评分 23/100：拥有自有 IT 部门和现行企业级合同的大型集团——机会渺茫，优先级低
每条线索附带的理由说明才是日常工作中的关键差异：你的团队不必盲目相信每个数字，而是一眼就能看出那家税务咨询公司为什么排在最前——并可以把这条信息直接用在首次接触中。
实践中如何使用已评分的线索？
已评分的线索只有配合清晰的工作流程才能发挥价值：先处理顶级线索、快速响应、个性化触达。一种行之有效的简单三分法是——评分高于 80 的线索立即进入主动跟进，中间区间（约 50 到 79）做补充调研并定向再评估，低于此的则搁置而非处理。
速度带来可衡量的回报：一项发表于《哈佛商业评论》的研究（“The Short Life of Online Sales Leads”，2011 年）在对 2,241 家美国企业的审计中显示，在一小时内联系新线索的公司，将其转化为合格线索的概率几乎是那些在 1 到 24 小时后才联系的公司的七倍。该研究针对的是集客线索，但其背后的机制同样适用于经过优先级排序的外呼名单：谁最先、最及时地处理最好的线索，谁流失给竞争对手的就更少。
至于触达本身：评分告诉你联系谁——理由说明则提供内容上的切入点。如何把它变成一对一的个性化消息，请见我们关于 B2B 外联中用 AI 做邮件个性化的文章。对德国市场还有一点很重要：依据 § 7 UWG（德国《反不正当竞争法》第 7 条），即使在 B2B 领域，冷邮件获客原则上也需要对方同意；“可推定同意”这一例外必须从严解释。高线索评分是一种销售优先级，不是法律依据——因此请事先从法律上厘清你的触达渠道和流程。
关于 AI 线索评分的常见问题
AI 线索评分有多可靠？
AI 线索评分是基于公开可得企业数据的匹配度判断——不是预测购买意向的神谕。它的强项在于排序：最有希望的线索排在最前，附带的理由说明让每个评估都可以核验。评分不能取代面谈中的最终资格确认，它只是确保正确的对话最先发生。
anilead.io 的 AI 评分要额外收费吗？
不。Claude AI 评分包含在所有计划中，包括每月 50 个线索积分的免费 Free 计划（无需信用卡）。计费只通过线索积分进行：1 个积分对应 1 条已保存的线索。AI 外联邮件、CSV 导出和 HubSpot 导出同样包含在每个计划中——受限的只有积分数、项目数、并行搜索数和团队功能。
AI 线索评分需要历史 CRM 数据吗？
LLM 方法不需要。像 Claude 这样的语言模型直接评估线索与目标客户画像的匹配度，无需先从过往成交中学习。相比之下，Predictive 评分模型需要数百条历史成交和失单作为训练数据——因此对于刚生成的外呼线索或没有 CRM 历史的年轻企业，它们很少可行。
评分达到多少才应该联系线索？
不存在放之四海而皆准的阈值——分布取决于市场和画像的精细度。作为起步经验法则可以这样：高于 80 分立即处理，50 到 79 分补充调研，低于 50 分搁置。头几周之后，观察你的回复率和约谈率从哪个分数开始明显下滑，再根据真实结果调整阈值。
结论：评分改变顺序——顺序改变结果
AI 线索评分确保你的销售把时间投在成交概率最高的地方——自动、可解释，无需维护规则或启动数据科学项目。如果你想同步搭建一条免费的线索管道，我们关于免费生成 B2B 线索的文章介绍了合适的数据来源。
anilead.io 是一款面向 DACH 市场（德国、奥地利、瑞士）的 B2B 线索生成软件，它通过 Google Places 查找企业，提取电子邮件地址，并用 Claude AI 为每条线索评分。评分在每次搜索之后自动运行——在你的团队第一次看到线索之前，每条线索就已获得评分、理由说明和优先级。免费开始，每月 50 个线索积分，无需信用卡。
