1000%提效的 AI销售线索分配系统，为什么老板要弃用？

关注公众号，回复666，获取资料

近来创业项目空气小猪下轮迭代，在产品设计上比较费神，没太多精力写篇幅较长的文章。

看了看库存，感觉可以将去年做的电销项目某个片段功能销售线索自动分配拿出来说说，当时上线后还挺有价值的：

事实上就电销模块里面有很多AI应用，比如之前的AI客服：《3小时，蒸发200万：一个AI客服引发的灾难》

而这次介绍的销售线索自动分配功能虽然是大线索管理其中一个小模块，但就是这个小小的模块，在上线之前却有很大的问题。

线索分配问题

我去年实际服务了三家电销业务团队，他们客服人员依次50-300人不等，是非常典型的投流逻辑：

怎么说呢？作为多年的产研管理者，你要问我所有团队里面，最难管理的团队是谁，我一定会说是销售团队，这批人的小心思可太多了！

他们自以为是，甚至认为公司的业绩全部是他们带来的，所以他们狂妄自大、目中无人。事实上电销业务的核心一定是流量运营，整个投流和各种流量小技巧非常重要，他们直接决定线索的数量和质量！

PS：关于流量运营一块学问很多，有兴趣同学可以移步至：《3步“反算法”流量框架》

我们在流量侧有上千万的经验，最近也会整理成资料，大家有兴趣到时候可以参与

线索拿到后，又会涉及到另一个问题：分配，与其说这是在分配任务，不如说这是在分配利益，所以销售团队间经常起冲突

一个销售小组，多的有20人，少的也有5人，争斗首先会发生在小组之间，其次会发生在组员之间，核心逻辑就是线索分配得不公平。

这些销售深谙安闹分配原则，有事没事打两枣。至于真实线索分配小组是不是不公平呢？

答案是：当然不公平！同样的50个线索，每组25条，但一个组可能线索质量好太多！这其中弯弯绕可太多了...

于是就出现了：忙的忙死、闲的闲死、旱的旱死、涝的涝死的情况。

管理层不是不知道这种内耗，但有人的地方就有江湖，有情感的地方就有操作，所以这个问题一直存在，偶尔还有些尖锐，于是乎AI线索分配就出来了！

要做好这个功能，难点与AI没太大的关系，抛开管理问题，核心是策略：

系统从设计上就要规避人为的线索分配，实现“线索找团队、找人”的功能，根本不存在销售闹着要抢的可能，如果有问题也是系统性的策略调整。

所有这类项目就三步：建模、建流程、建提醒。看似复杂，实际上也不简单...

线索建模

在销售自动化系统中，线索建模是自动分配的基础。

线索评分旨在对各个潜在客户线索进行相对客观排名，帮助企业识别高质量线索，换句话说：好的线索成单率会高很多，这不止对销售有用，对投流端也有用，所以线索是一定要建模的。

之前有粉丝在Oracle工作，他们销售就会强调基于潜在客户匹配度和意向等级对线索打分，这样成本效益更高。

要进行线索建模，首先应对线索来源进行分类并评估优先级。

常见的线索来源包括官网主动注册、电话咨询、抖音广告点击、小红书触达、地推扫码等。不同来源线索在意向度特征、数据完整度、转化概率等方面差异明显。我们可以根据这些维度，为每类线索赋予不同的评分或权重。

因为是公司实践项目，真实的建模我这里就不放出来了，这个类似的东西大家感受下就好

一、官网主动留资

用户主动通过官网表单留下信息，通常显示出较强购买意向，填写的信息（姓名、电话、需求等）也较完整，转化概率较高，因而评分靠前。

二、电话主动咨询

用户直接电话咨询时，意向度极高（几乎为意向用户），转化潜力最大，可赋予满分。

三、地推扫码

现场扫码报名获取信息，意向度一般较高（用户主动参与推广活动），但数据可能不如线上填写完整，因而评分略低于上述两者。

四、小红书内容触达

通过小红书内容或广告点击了解到产品，意向度中上；平台用户质量较好，互动深度也较高（小红书用户需主动浏览内容后决定是否咨询），故评分居中偏上。

据统计，小红书广告线索多数来自主动搜索，用户意图明确，转化率显著高于一般信息流广告

PS：据实践，小红书2C产品渠道是最优的

......

线索模型 → 销售分配逻辑

有了线索评分模型后，就可以根据分数高低来反推具体的分配规则。

评分高的线索意味着用户意向强、资料完善、转化可能性大，一般由销冠跟进，这里其实都算行业逻辑了：80%订单来源于20%的销售。

这块是直接咨询了之前做CRM的同学，他们也建议：将高价值线索分配给资深销售专家，以最大化转化机会。

而评分较低的线索，则可自动流转给线索培育组或保持在公海池中，由系统自动进行跟进。

在明确什么是高优先级线索后，下一个问题是哪些线索交给销售团队、哪些需要进一步培育，只有高分线索经过客观评级后才移交销售团队。

PS：事实上，这里所谓线索培育组最后被我们的AI客服替换了...

总之，通过线索评分模型反推分配逻辑，可以实现以质取胜，分级跟进。

高分线索由资深销售及时跟进，提升转化效率；中等线索可由常规销售按规则分配；低分线索则交由AI或培育团队做深度挖掘和培养。如此既避免了资源浪费，又确保了重点线索不被忽视。

反哺投流算法

为什么说线索建模是必须做，并且做好的呢？因为后续还会根据实际成单的情况反过来指导流量投放策略和广告预算分配：优质线索来源越多，该渠道的投放价值越高。

大家可一定不要小看这里的广告预算，100人的客服一年成本也才500万不到，但对应的广告费用可能是一个亿！

算法侧一点小的优化，可能就是整个客服团队的成本，孰重孰轻，大家心里一定要有点逼数啊

如果通过模型发现SEO、SEM带来的高分线索占比很大，那么应倾向于增加相关内容投放的预算。相反，如果低分线索多来自某些平台，说明该渠道质量一般，可以适当减少投入或优化投放策略（抖音这块就很差...）。

Hashmeta的分析显示，小红书广告的电商转化率平均3.0–7.5%，远高于抖音的1.5–4.0%；小红书用户需要更高的决策成本、粉丝质量是抖音的数十倍

只说商业变现能力，小红书真的可以甩我前公司B站两条街，这跟用户画像有关系，女人真的败家...

最后提一点，渠道分析还可更细化：比如视频广告类目（如抖音短视频）和图文广告类目（如公众号图文、信息流）之间的差异。一般认为视频吸引力强，但从线索质量看，需结合数据决策，反正我这边视频质量挺一般...

AI自动化

注意来，到这里才跟AI有些关系，所以AI工作流类项目中AI含量确实低...

在明确分配逻辑后，接下来就是如何用系统实现自动化分配，这里不同的团队就不太一样了，简单来说全是SOP的整理，常见的有地区、产品线、销售等级、来源渠道等。

这些规则写在系统里，线索一进来就被打上标签，系统自动判断归属，再按预设方案分配。于是乎所谓“公平分配机制”也就达成了：

比如，一个小组里有10个销售，系统按顺序轮流分发线索，谁先拿到分配上限后，系统自动跳过他，保证每个人机会均等；

又比如，还有一些简单策略，如新手销售每人每次最多分配5～10条线索，资深销售可以拿15～20条。这个思路是控制工作量，同时让有经验的人拿更多的线索。

这里最重要的是，有些线索是比较急的，要求快速响应，那么AI会直接将线索丢工作群中（或者线索分配面板中），先抢到的销售获得，但是也设置了销售10分钟不处理就释放该线索，并且要对该销售进行降权惩罚。

最后一个功能也是这个线索分配系统闭环的部分：不停的提醒，AI不停的push。

连续有效的提醒 + 适当的降权惩罚，是防止线索分了就扔了、抢了就放了的有效解决办法。

结语

所以你看，这个看似简单的“线索自动分配”模块，本质上并非一个纯技术问题，而是一个用系统规则去固化管理制度、用算法公平去消解人性博弈的过程。

事实上，我们在实践过程中，遇到的最多的也是来自于人性的抵抗，并且这个系统在运行半年后，又被停用了，他们又重新用起了5人线索分配团队！

原因可能很扎心：老板对其中某个销售团队Leader不满意，又没有完全达到要裁掉的程度，但是AI系统因为太公平了，居然还让他们每个月都拿奖金，这就让老板忍不了了，所以公平这个东西其实并不是老板们需要的...

只不过，他完全没必要停用系统，我可以稍微改造，给他加点权重参数就行啊，只要给我订单、给我尾款，AI也不是非要公平的！

点击上方卡片关注叶小钗公众号，查看下方二维码，添加我个人微信：