市场岗位 / 线索与交接 / LD-01
F旗舰T2+T3优先级 25.0垃圾线索剔除ABCD 分级人工复核队列三面背锅第一锅

LD-01 · 留资线索清洗与分级

表单里躺着同行询价、学生调研、乱填的 139 手机号 · 原样甩给销售群，就是三面背锅的开场

一这件事现在是什么样

线索与交接 · 真实业务触发

方蕾（一人市场部主管）要给销售交这个月的线索。近 60 天留资 214 条：官网表单 126 条 + 华南数控展扫码 88 条。销售组长上周在群里甩过一句「上个月那些线索一半打不通」—— 方蕾知道里面有同行、有学生，但逐行看留言判断意向这件事，她一直没时间做。

二痛点 · 每条都有来源

不是流程描述，是调研出来的真痛点 —— 每条可点开核对出处

1
线索清洗是纯体力活：某跨境电商代运营的销售团队为剔除「学生问学费、同行索要报价、邮箱明显错误」等无效项，平均每天耗 2.3 小时 —— 行业健康线是「无效线索率 35%」，超过即应检查渠道和表单，但现实里没人统计这个率依据 · 某跨境电商代运营的销售团队为剔除「学生问学费、同行索要报价、邮箱明显错误」等无效项，平均每天耗 2.3 小时；行业健康线是「无效线索率 35%」，超过即应检查渠道和表单，但现实里没人统计这个率
2
市场与销售的互相指责有精确表述：「市场说：我们每个月给销售那么多线索，你们跟进率不到 50%；销售说：你们给的线索质量太差，要么电话打不通，要么根本不是目标客户」依据 · 市场与销售的互相指责有精确表述：「市场说：我们每个月给销售那么多线索，你们跟进率不到 50%；销售说：你们给的线索质量太差，要么电话打不通，要么根本不是目标客户」
3
清洗的杠杆有实测数据：规则引擎+LLM 的方案把无效线索误判率从 12.3% 降到 2.1%、销售首通转化率从 18.7% 升到 29.4% —— 但该案例同时暴露纯规则方案的风险：被标记「无效」的线索里 27% 其实有效，解法是保留人工复核队列依据 · 清洗方案实测：日均线索处理量从 186 条提到 320 条、无效线索误判率从 12.3% 降到 2.1%、销售首通转化率从 18.7% 升到 29.4% —— 该案例同时暴露纯规则方案的风险：被标记「无效」的线索里 27% 其实有效，解法是保留人工复核队列

三换个做法之后

变化不在「快」，在「参与的角色」和「覆盖的范围」

✕ 现在的做法

  • 线索清洗是纯体力活：某跨境电商代运营的销售团队为剔除「学生问学费、同行索要报价、邮箱明显错误」等无效项，平均每天耗 2.3 小时 —— 行业健康线是「无效线索率 35%」，超过即应检查渠道和表单，但现实里没人统计这个率
  • 市场与销售的互相指责有精确表述：「市场说：我们每个月给销售那么多线索，你们跟进率不到 50%；销售说：你们给的线索质量太差，要么电话打不通，要么根本不是目标客户」
  • 清洗的杠杆有实测数据：规则引擎+LLM 的方案把无效线索误判率从 12.3% 降到 2.1%、销售首通转化率从 18.7% 升到 29.4% —— 但该案例同时暴露纯规则方案的风险：被标记「无效」的线索里 27% 其实有效，解法是保留人工复核队列

✓ 交给 Agent 之后

  • 多来源文件一次读入，先做口径与完整性校验，再开始算
  • 每条结论绑定来源文件、字段或条号，可以被审
  • 产出是企业真会流转的正式件（带签批栏），不是一张展示用的表
  • 该拦的地方给出「现在还不能提交」，并给不用干等的替代方案

四场景闭环

5 步 · 每一步的产出都是下一步的输入

第 1 步
垃圾识别 · 四类无效线索先剔同行（留言问报价细节到参数级）/ 学生（调研、论文）/ 乱填（公司名一串字母、电话空号）/ 老客户重复留资 —— 每条标注剔除理由
第 2 步
人工复核队列 · 27% 误杀的教训判断置信度低的（如「同行但留言像真实需求」）不直接判死，进复核队列由人过目
第 3 步
信息补全 · 留言里挖线索成色从留言内容判断需求阶段（比价/选型/了解）、从公司名反查行业与规模 —— A 级线索的标准：行业匹配+规模达标+需求明确
第 4 步
ABCD 分级 · 有效线索排队A 优先跟进 / B 常规跟进 / C 培育观察 / D 归档 —— 每级配一句建议话术（引用留言原话的，不是通用模板）
第 5 步
分级交付 · 一张能交给销售群也能挡锅的表214 条 → 剔 68 + 复核 12 + 分级 146 —— 每条带来源、留言摘录、分级理由

要准备什么

表单导出 Excel（近 30-60 天）
姓名/电话/公司/留言四列原样导出 —— 乱填的也留着
展会扫码留资导出
与官网表单同结构、不同来源列
历史成交客户名单
反查「留资者是老客户」—— 这类线索归维护不归新客
目标客户画像（一句话）
什么行业、什么规模、什么角色 —— 分级的靶子

为什么这个场景值得做

痛感 5 × AI 适配 5 ÷ 落地难度 1 = 25.0

最大差异点 · 不要求先有 CRM。金数据/麦客导出的 Excel（姓名/电话/公司/留言原样）直接扔进来 —— 脏输入是常态，清洗正是从脏里淘金。

评分口径：痛感看「这事没做好谁会生气、生气到什么程度」； AI 适配看「输入是否非结构化、是否要跨部门取数、错了能不能当场看出来」； 落地难度是分母 —— 需要客户先做数据治理的场景，分数会被压得很低。

五会产出什么

判断标准只有一个：这份东西能不能直接进企业的流程

正式件本体
留资线索清洗分级表.xlsx
正式件本体 · 214 条逐条 · 剔除理由 + 分级 + 建议话术
可派发清单
人工复核队列.xlsx
置信度低的 12 条 · 每条给判断依据 · 人过目后归档
可派发清单
渠道质量对比表.xlsx
官网 vs 展会的无效率与分级分布 · 渠道优化依据

这套东西不承诺什么

不做「自动判定线索死刑」—— 标记「无效」的线索保留人工复核队列（27% 误杀的教训写进规则）。也不做「AI 替销售跟进」—— 那是对外动作。本场景做的是清洗、分级、给跟进建议话术，电话还是人打。

想看具体怎么跑？

Live Demo 里有一个完整案例的每一步，包括 Agent 在哪一步拦住了

查看 Live Demo →