AI线索筛选平台怎么选？评分规则与人工复核缺一不可

线索一堆，销售时间有限，先跟谁后跟谁，拍脑袋决定浪费。AI线索筛选平台干的就是排序这件事，但规则怎么定、复核怎么做，决定排序是帮手还是误导。线索越积越多，销售却只挑顺眼的跟，大量机会沉在表里没人动。

一、人工筛选的三个毛病

凭感觉：声音大的先跟，安静的潜力股被冷落。凭先后：谁先进来先跟谁，与意向无关。凭疲劳：一天下来后半段线索敷衍处理。凭感觉的排序，本质是把预算撒进随机里。更隐蔽的代价是没人说得清哪类线索值得投，渠道预算也跟着拍脑袋。

二、评分规则怎么定

从成交客户倒推特征：来源渠道、互动行为、询价动作、决策角色，各设权重。AI按规则打分排序，规则先粗后细：先两三档跑起来，每月按成交数据回校权重。给规则一个起点：「互动三次以上加二十分，主动询价加三十分，匹配目标行业加三十分，低于五十分进培育池」。起点不用完美，跑出数据再改。权重调整一次只动一项，动了就记版本，效果归因才清楚。

三、人工复核怎么搭

AI打分是概率不是判决。设抽查机制：每周抽看高分与低分两端的样本，确认没明显错判；A档线索的最终联系顺序仍由销售主管排。规则负责提效，人负责兜底，两者都在，筛选才可信。复核结果记下来，错判的案例就是下一轮调规则的一手素材。

四、选型要点

小团队看打分规则是否可自定义，黑箱模型慎入；中团队看与现有客户表的打通能力；大团队看模型可解释性与数据权限。试用时拿历史已成交线索回测，能对上历史成交的规则才可信。回测之外再做一轮盲测：十条新线索人工排序、AI排序，两相对照，偏差一眼见分晓。回测通过再上真实线索，别直接拿在跑的业务当试验田。

五、风险与边界

评分数据来源要合法，抓来的第三方信息别乱用；标签与画像避免涉及与成交无关的敏感属性。AI排序会固化偏见，定期人工审一遍规则，防止把某类客户系统性漏掉。筛选是辅助决策，丢单的锅别甩给工具，签单的功也别全归它，账算清了团队心态才正。

常见问题

评分规则多久校一次？

每月小校，每季度按成交数据大校，渠道结构变化时随时加校。

低分线索直接放弃吗？

不放弃，进培育池低频触达，规则调优后他们常是增量来源。

多渠道线索怎么统一评分？

按渠道各设基础分，再套同一套行为加分，渠道差异体现在起点，行为标准保持一致。

销售不按分值顺序跟怎么办？

先看错的是规则还是执行，规则被反复绕开，通常说明权重设得不合实际，回来改规则。

筛选的价值是把有限时间押在高概率上。下一步：翻出上季度成交客户的共同特征，写成第一版评分规则，拿十条新线索人工对一遍，确认合理再交给AI跑。