Skip to content

主用例说明:线索评分与分配(Lead Scoring & Assignment)

背景概述

随着线索数量激增,需要建立自动化评分与分配机制,将高潜力线索优先推送给合适的销售团队。PowerX CRM 提供评分模型、分配规则、异常检测与公平性分析。本主用例聚焦“线索评分与分配”,帮助团队提升线索响应效率。

目标与价值

  • 评分模型化:结合行为、属性、互动等维度评估热度。
  • 智能分配:按区域、行业、产品匹配最佳负责人。
  • 公平性保障:避免单人过载或区域倾斜。
  • 异常检测:识别异常高分或低分线索,持续优化模型。
  • 可追溯性:评分与分配历史留痕,支撑复盘。

参与角色

  • 市场运营:维护评分规则、监控结果。
  • 销售负责人:设定分配策略,关注团队负载。
  • 销售代表:接收线索并执行跟进。
  • 数据分析师/Agent:训练模型、评估表现。

主场景 User Story

作为 市场运营人员,我希望 自动识别高价值线索并合理分配,从而 提升转化效率并保障公平。

子场景详解

子场景 A:评分模型训练与应用

  • 角色与触发:模型根据下载、打开率、站内行为等指标实时计算线索热度分。
  • 主要流程
    1. 定期训练评分模型,输入历史转化数据。
    2. 实时计算新线索得分,分类为冷/温/热。
    3. 分数写入线索档案,驱动旅程或分配策略。
    4. 监控模型表现,调整权重或特征。
  • 成功标准:评分与转化高度相关;更新及时;解释性强。
  • 异常与风控:模型漂移提醒;黑名单过滤;人工干预机制。
  • 指标建议:评分准确率、模型更新频次、特征贡献度。

子场景 B:自动指派与优先清单

  • 角色与触发:高分线索自动指派给对应销售团队,并生成优先跟进清单。
  • 主要流程
    1. 根据分配规则(区域、行业、产品)选定负责人。
    2. 系统生成优先清单,包含跟进建议与 SLA。
    3. 销售在待办中查看线索,记录首次联系结果。
    4. 线索响应情况反馈给评分模型。
  • 成功标准:指派准确;清单及时;响应率提升。
  • 异常与风控:离职/满负荷人员自动跳过;轮转策略确保公平;指派失败重试。
  • 指标建议:指派成功率、首次响应时间、线索转化率。

子场景 C:异常评分审核

  • 角色与触发:异常高分或低分的线索触发模型评估,团队可调整权重与评分规则。
  • 主要流程
    1. 系统监测评分分布,当出现异常峰值时告警。
    2. 市场运营或分析师查看线索详情,判断是否模型异常。
    3. 需要时调整模型参数或将线索标记为黑白名单。
    4. 记录调整原因,形成模型治理日志。
  • 成功标准:异常识别准确;调整及时;模型稳定。
  • 异常与风控:误判可回滚;权限控制;审计留痕。
  • 指标建议:异常线索比例、模型调整次数、评分稳定性。

子场景 D:分配历史回溯与公平性分析

  • 角色与触发:评分与分配历史可回溯,帮助市场与销售复盘评分策略效果。
  • 主要流程
    1. 系统记录每次分配的线索、负责人、时间、理由。
    2. 提供可视化报表,分析人员负载、转化表现。
    3. 识别分配不均时给出优化建议(调整规则、增加备选)。
    4. 复盘会议输出结论,优化规则并版本化。
  • 成功标准:数据完整;公平性提升;复盘有结论。
  • 异常与风控:数据缺失报警;报表权限;结论需审批后生效。
  • 指标建议:分配公平指数、复盘执行率、规则变更影响。

场景级测试用例示例

测试准备:启用评分模型、自动分配、异常检测与公平性报表。准备历史转化数据、特征权重配置、区域销售团队及模型监控阈值。

用例 A-1:评分模型实时计算(正向)

  • 前置条件:模型已训练;新线索含下载白皮书、参加 webinar 行为。
  • 操作步骤
    1. 导入新线索并触发评分。
    2. 查看线索档案分数。
  • 预期结果
    • 得分计算完成并显示特征贡献度(下载 40%、webinar 30% 等)。
    • 线索分类为“热”,进入高优先级队列。
    • 模型监控面板更新实时平均分。

用例 B-1:自动指派与 SLA(正向)

  • 前置条件:华东团队轮询开启;线索得分 90。
  • 操作步骤
    1. 触发分配引擎。
    2. 查看线索负责人与待办。
  • 预期结果
    • 线索指派给下一位可用销售,并创建 2 小时内联系任务。
    • 待办列表显示线索来源、得分、建议话术。
    • 销售反馈会更新线索状态和模型训练集。

用例 C-1:异常高分审核(逆向)

  • 前置条件:线索因错误数据被评分为 98 分;异常阈值设为 95。
  • 操作步骤
    1. 导入包含异常字段的线索。
    2. 观察异常监控列表。
  • 预期结果
    • 系统将线索标记为“异常高分”,自动创建审核任务。
    • 审核人员可调整分数或标记为误报。
    • 处理结果记录在模型治理日志。

用例 D-1:分配历史报表(正向)

  • 前置条件:过去一周产生 200 条分配记录。
  • 操作步骤
    1. 打开公平性分析报表。
    2. 按区域、负责人查看分配比例与转化率。
  • 预期结果
    • 报表显示各负责人获得线索数量、成交率,突出异常。
    • 可导出并附带评论,形成复盘材料。
    • 建议调整轮询策略时给出模拟方案。

用例 D-2:规则变更回滚(逆向)

  • 前置条件:运营误改权重导致评分大幅波动。
  • 操作步骤
    1. 在 1 小时内执行“回滚到前一版本”。
  • 预期结果
    • 模型恢复到上一版权重,相关日志记录。
    • 期间产生的异常分值线索进入复核队列。

基于 Apache 2.0 许可发布