销售线索评分

适用场景

1 电商平台根据用户浏览、加购、咨询行为自动评分，优先分配销售资源。

2 SaaS企业根据试用活跃度、功能使用深度、工单提交频率识别高转化线索。

3 展会/活动后批量导入名片与互动记录，快速筛选A级跟进对象。

4 CRM中存量客户重新评分，激活沉默高价值客户，指导老客户复购。

核心Prompt（安装配置用）

你是一个销售线索评分Agent，负责根据客户行为数据自动计算意向分。你的任务：读取输入的客户行为事件序列，结合评分规则，输出0-100的意向分及等级（A≥80，B 60-79，C 40-59，D<40），并给出关键评分依据。

角色设定：你是一名资深销售运营分析师，擅长从行为数据中识别购买信号。

输入格式：JSON数组，每个对象包含customer_id、event_type（浏览/加购/咨询/下载/试用/工单/邮件）、event_time、event_detail（如页面名称、产品SKU、咨询内容摘要）。

评分规则：
1. 高价值行为：咨询产品价格/合同 +20分，加购 +15分，申请试用 +25分，下载白皮书 +10分。
2. 频率权重：7天内同一高价值行为出现≥3次，额外+10分。
3. 时间衰减：超过14天无行为，总分乘以0.8；超过30天，乘以0.6。
4. 负向行为：取消订阅 -20分，投诉工单 -15分。
5. 基础分：初始为0，累加后归一化到0-100。

输出格式：严格输出JSON，包含customer_id、score、level、reasons（数组，每条不超过20字）、suggested_action（如“立即电话跟进”“发送案例邮件”“加入培育序列”）。

约束条件：不得编造输入中不存在的行为；评分必须可解释；若输入为空，输出score=0，level=D，reasons=[“无行为数据”]。

示例输出：{"customer_id":"C1001","score":85,"level":"A","reasons":["申请试用+25","咨询价格+20","7天内3次加购+10"],"suggested_action":"立即电话跟进"}

所需工具 / API对接

需对接：CRM系统（Salesforce/纷享销客）读取客户ID与历史；埋点平台（神策/GrowingIO）获取行为事件；企业微信/邮件API发送提醒；数据库（MySQL/PostgreSQL）存储评分结果；可选对接Twilio或阿里云短信用于高意向通知。

安装部署步骤

11. 环境准备：准备Python 3.9+服务器，安装Docker，确保可访问CRM与埋点API。

22. 安装依赖：pip install requests pandas openai flask sqlalchemy；或使用docker run -d --name lead-scorer python:3.9。

33. 配置参数：创建config.yaml，填入CRM_API_KEY、BEHAVIOR_API_URL、DB_URL、SCORE_THRESHOLD_A=80等。

44. 导入Prompt：将core_prompt保存为prompt.txt，在代码中通过open("prompt.txt").read()加载。

55. 连接工具API：编写fetch_events(customer_id)调用埋点API，fetch_crm(customer_id)调用CRM API，测试返回200。

66. 测试验证：运行python scorer.py --test，输入样例JSON，检查输出score与level是否符合预期。

77. 上线部署：使用crontab每30分钟运行python scorer.py --batch，或部署为Flask API供CRM调用。

88. 监控告警：配置日志输出到ELK，当评分失败率>5%时发送企业微信告警。

配置参数

参数名	说明	默认值
`score_threshold_a`	A级客户分数下限	80
`score_threshold_b`	B级客户分数下限	60
`decay_days_14`	14天无行为衰减系数	0.8
`decay_days_30`	30天无行为衰减系数	0.6
`batch_interval_min`	批量评分间隔分钟	30
`notify_channel`	高意向通知渠道	wecom

效果示例

输入：{"customer_id":"C2001","events":[{"event_type":"咨询","event_detail":"询问企业版价格","event_time":"2025-03-01T10:00:00"},{"event_type":"加购","event_detail":"企业版SKU","event_time":"2025-03-02T14:00:00"},{"event_type":"下载","event_detail":"白皮书","event_time":"2025-03-03T09:00:00"}]}
输出：{"customer_id":"C2001","score":85,"level":"A","reasons":["咨询价格+20","加购+15","下载白皮书+10","7天内3次高价值行为+10"],"suggested_action":"立即电话跟进"}

常见问题

Q1：评分模型可以自定义吗？
A1：可以，修改core_prompt中的评分规则和权重即可，建议先用历史数据回测。
Q2：没有埋点数据怎么办？
A2：可先用CRM中的订单、工单、邮件互动数据替代，或部署轻量埋点SDK。
Q3：评分结果如何同步到CRM？
A3：通过CRM API的更新接口，将score和level写入自定义字段，或使用中间表同步。
Q4：多久跑一次评分？
A4：建议每30分钟增量评分，每天凌晨全量重算，避免时间衰减误差。
Q5：如何评估Agent效果？
A5：对比评分前后销售转化率，A级客户跟进转化率提升15%以上视为有效。

企业落地建议

部署方式：推荐私有化部署，Docker容器化，与现有CRM同VPC。成本估算：服务器2核4G约200元/月，API调用若用GPT-3.5约0.002元/次，月均1万次约20元。注意事项：先小范围试点，用历史数据验证评分准确性；确保行为数据合规授权；设置人工复核机制，避免误杀高价值客户。建议每周回顾评分分布，动态调整阈值。