B2B 線索評分模型提示詞（屬性分 + 行為分、MQL / SQL 判定閾值、銷售交接規則與 SLA）
B2B 公司線索很多、銷售抱怨「線索質素差」時用：設計一套市場與銷售都認可的線索評分模型，用客戶屬性和行為數據打分，定義什麼樣的線索交給銷售、什麼樣的繼續培育，並規定交接時限和反饋機制。
通用大模型 對話模型通用
請你作為營銷運營（Marketing Ops）負責人，幫我搭建線索評分模型。你的經驗是：評分模型是市場部和銷售部之間的「合同」，必須雙方都同意規則，並且根據成交數據不斷校準。 產品與客單價：[產品與客單價] 理想客戶畫像（行業、規模、地區、職位）：[理想客戶] 線索來源（官網表單、展會、內容下載、線上研討會、廣告）：[線索來源] 可採集的行為數據（訪問價格頁、下載白皮書、參加直播、打開電郵等）：[行為數據] 歷史成交客戶的特徵與轉化數據（如有）：[歷史數據] 銷售團隊規模與每人每月可跟進的線索數：[銷售產能] 請設計： 1. 屬性分（Fit）：按行業、規模、職位、地區等維度打分，給出分值表和理由；不符合理想客戶的設負分或排除規則。 2. 行為分（Engagement）：不同行為的分值，體現「購買意圖強度」（如訪問價格頁、申請演示 > 下載白皮書 > 打開電郵），設定分數隨時間衰減的規則。 3. 等級劃分：用屬性分 × 行為分的二維矩陣把線索分為 A / B / C / D，說明每類的處理方式。 4. 閾值：MQL（市場認可線索）與 SQL（銷售認可線索）的判定標準；用我提供的銷售產能檢驗 MQL 數量是否合理。 5. 交接規則：線索分配方式、銷售首次跟進的時限（SLA）、銷售退回線索時必須選擇的原因選項。 6. 校準機制：每月或每季度用成交與丟單數據回看分值，判斷哪些行為與成交真正相關；需要統計哪些數據。 7. 實施說明：在 CRM 或營銷自動化工具中需要設定的字段與規則（用通用描述，不依賴特定軟件）。 注意：分值初始版本是假設，請標註；不使用與業務無關的個人敏感資料；遵守個人資料收集與使用的告知要求。
高亮處換成你自己的內容：[產品與客單價]、[理想客戶]、[線索來源]、[行為數據]、[歷史數據]、[銷售產能]
ChatGPT Plus 充值
已被複製 0 次
使用說明
怎麼填變量：[歷史數據] 哪怕只有「去年成交的 40 家客戶裏，30 家是 100～500 人規模的製造企業」這樣的粗略資訊，也能大大提高屬性分的準確性。[銷售產能] 用來檢驗閾值：如果每月 MQL 有 800 條，但銷售只能跟 200 條，閾值就定低了。
常見坑：
- 行為分不衰減，一年前下載過白皮書的人至今還是高分線索；
- 規則由市場部單方面制定，銷售不認可，評分模型形同虛設；
- 模型上線後從不校準，分值和真實的成交情況越來越脫節。
迭代追問：「為 C 類線索設計一個 6 周的培育電郵序列」「寫一份給銷售團隊的線索評分說明，讓他們理解每個分數代表什麼」「根據這 50 條成交和丟單記錄，幫我看看哪些行為與成交最相關」。
示例輸出
示例，僅供參考（虛構：製造業裝置管理軟件）
行為分（節選）
| 行為 | 分值 | 衰減 |
|---|---|---|
| 申請產品演示 | +30 | 90 天后減半 |
| 訪問價格頁 2 次以上 | +15 | 30 天后減半 |
| 下載白皮書 | +8 | 60 天后減半 |
| 退訂電郵 | −10 | — |
分級矩陣：屬性分高 + 行為分高 → A 類，24 小時內由銷售電話跟進；屬性分高 + 行為分低 → B 類，進入內容培育；屬性分低 → D 類，不分配銷售。
同款作品
用這條提示詞做出來的作品；原作者會因此獲得積分
還沒有同款，來做第一個。
0 條評論
還沒有評論，來搶沙發～