AI原生第一课：谁有评价权？AI替代成功后，老板反悔了...
叶小钗约 12 分钟如今大家都在谈AI原生组织，但到底什么是AI原生？
如果让我来定义，AI原生有两个关键词：第一是替换，第二是100%稳定替换。
AI的出现衍生出了很多新的业务形态，但这些业务形态要运行得好，又需要大量不得不做的工程补足和能力扩展。
暂时就我观察，几乎所有由AI变出来的产品，总想用更高效率去替换某个工种；但想要去真正实现100%替换这个事是由前提的，你需要证明AI有能力干活、能稳定的干活。
而当替换这件事真正发生的时候，又会出现什么有趣的故事呢？可以看看今天这个案例：
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：
这种电商业务会有两个特点：
预算大头在流量上； 转换效果在销售身上；
所以，销售在整个公司会很强势。
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！
线索拿到后，又会涉及到另一个问题：分配。
这已经不是简单地分配任务了，而是在分配利益，所以销售团队之间经常起冲突
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。
如果管理层漠视事态发展，就很容易引发冲突的第二形态，业务前端的撞单问题：
撞单问题
上述描述问题的直接表现就是撞单：
同一个客户，被两个销售同时联系； 客户一脸疑惑：“你们不是一个公司的吗？” 销售互相争执：这个客户到底算谁的？ 管理层更头疼：业绩、提成、责任根本算不清。
表面上看，这是销售之间沟通不畅；但从大量企业实践来看，撞单几乎从来不是“人”的问题，而是管理的问题。
这也是我们前面所述“管理是管下限”的逻辑。这里往往也会涉及系统，根由一般都是：
系统没兜底 + 流程不清晰 + 规则没自动化
如果希望从根本上降低甚至消除撞单，答案只有一个：用系统，把“人治”变成“系统治理”。
具体动作就很常见了：梳理SOP → 做系统性实现。
所有这类工作的工作量都在梳理，而这个就是最基本的管理动作，也是机制设计的一部分。
我记得当时也是在市面上找了很多策略，最后结合主流 CRM 的最佳实践，拆解成了几大防撞机制，让企业可以直接照着搭建、落地执行。
当然，为了卖个好价钱，肯定是加了不少AI元素进去。
以下是具体的操作过程。
一、记忆客户
很多企业一开始不想投入资源，只想通过制度管撞单，但忽略了一个前提：系统必须先知道“谁是谁”。
唯一识别
在 CRM 中，每一个客户，都必须具备可被系统准确识别的身份标识。
常见的客户识别字段包括：
手机号：个人客户 / ToC 场景最可靠 公司名称：企业客户的基础字段 统一社会信用代码：ToB 场景强校验 邮箱、微信号：辅助识别 线上线索的 IP + 表单信息：用于线索合并
当这些字段被正确配置后，CRM 就能在客户录入、导入、分配的各个环节：
自动识别重复客户 提示可能存在撞单风险 阻止重复创建 给出是否合并的智能建议
系统的判断能力，远比人工核对更稳定、更准确：
去重策略
成熟的 CRM，通常支持多种去重策略组合使用，而不是“靠销售自觉”：
强制去重：发现重复，系统直接禁止创建 提醒去重：系统提示风险，由销售确认 自动合并：多条相似客户，系统引导合并为一条完整档案
企业可以根据业务阶段灵活配置，而不是一刀切：
集团客户的层级识别能力
在 ToB 行业，很多撞单并不是“重复录入”，而是：同一集团、不同子公司/部门，被当成不同客户跟进。
专业 CRM 通常支持：
集团客户 → 子公司 → 部门的组织结构 集团级客户统一识别 跟进记录共享 / 权限隔离 跨组织撞单预警
从系统层面避免“看起来不同，其实是同一个老板”：
二、线索建模
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。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。
三、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。
四、AI自动化分配
注意，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。客户归属不是抢出来的，是系统分配的。如果客户靠“谁先联系到”来决定归属，撞单几乎不可避免。
在成熟的 CRM 体系中：客户不属于个人，而属于公司。
销售只是被系统“分配”负责跟进，CRM 会通过统一入口，将线索自动分配并绑定负责人：
每条线索只有一个归属 不会出现多人同时跟进 分配速度快 规则清晰 数据干净
常见分配规则包括：
轮询分配：均衡资源 按区域分配 按产品线分配 不同渠道不同策略
整个这一切涉及根本利益，靠人是完全没办法的，所以需要靠AI进行线索分配。
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不停地 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。
五、客户保护期机制
为了防止“刚跟进就被抢”，CRM 通常会配合客户保护期：
新线索保护期：3–7 天 有沟通记录：30 天 已建立商机：60 天 成交后：进入长期维护状态
在保护期内，其他销售无法触达客户，从机制上切断撞单路径：
图片
六、客户回收机制
对于销售管理来说，真正难管的，是那些暂时没人负责、但又不能丢的客户。
于是很多公司会把这种信息放到公海池。
其结果也很现实：销售们会囤积客户，但不一定会去跟进。
公海池“规则”
当客户长期未跟进、无意向时，系统应该依靠规则自动回收至公海池。但在领取之前，CRM 会自动判断：
是否已有销售跟进 是否处于保护期 是否存在未关闭商机 是否为重复客户
只有满足条件，才能成功领取，避免公海变成“拼手速”：
这块在AI出现之前，一般会有个线索分配小组，但AI出来后就会公正多了。
重复客户自动收口
如果公海池只进不出，很快就会变成“重复客户仓库”。
CRM 通常会在后台持续做：
相似客户识别 自动合并建议 跟进记录、商机、历史行为整合
让客户数据始终保持“一客一档”：
七、线索 → 客户 → 商机
上面还没完，因为撞单并不只发生在客户层面，而是贯穿整个销售流程。
线索阶段：重复来源最多
官网表单、广告投放、第三方平台、线下活动......
同一个客户，多入口进来非常常见。
CRM 需要做到：
线索统一入口 自动判重 自动分配 智能合并
客户阶段：一客一档的长期管理
线索转客户时，CRM 会进行更严格校验：
转换时判重 创建时判重 同名 / 近似名智能识别 自动整合所有行为数据
最终目标只有一个：所有人看到的，都是同一个客户，而不是多个版本：
避免同一客户重复推进同一项目
CRM 会对商机关键信息进行比对：
需求背景 预算与周期 产品类型 客户部门
当相似度过高时，系统会主动提醒：疑似同一项目，建议在原商机中继续推进：
八、其他兜底
对于销售规模较大的企业，CRM 还能提供更深层的防撞能力。
这个时候可以通过订单与回款反向约束：
明确客户归属 明确销售责任 多人推进自动预警 彻底避免“客户说下单了，但公司没人说得清是谁的单”
CRM 会定期生成分析报表：
重复客户数量 撞单发生次数 撞单来源渠道 涉及销售人员 处理方式统计
通过持续优化规则，很多企业在使用 CRM 3 个月后，撞单率可从 15%–30% 降至 1%–3%：
九、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......
结语
写到这里，其实“线索自动分配”和“防撞单”这件事已经很清楚了。
它不是销售人品好不好、沟通勤不勤的问题，而是公司有没有把客户是谁、归属是谁、什么时候能动、动了怎么算这套规则说清楚。
这个看似简单的“线索自动分配”模块，本质上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。
而这也是我去年在电销项目里反复验证过的一点：
真正决定效果的是“制度 + 数据 + 自动化执行”
这里有个思考题：管理有没有用？AI有没有用？
从这个案例的实际表现来看，管理当然非常有用，AI也当然非常有用：
它直接让公司节约了一个5人线索分配小组！
只不过故事还未结束。
这个系统在运行半年后，又被停用了，他们又重新用起了3人线索分配团队，减少了2人。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！