场景难度：中更新于 2026-06-15
销售：AI 线索优先级
典型业务问题
销售时间有限，但线索质量参差，常把时间花在低意向客户；CRM 里大量线索沉睡，跟进靠感觉而非证据。
AI 可以怎么做
综合行为（打开/回访）、行业、沟通记录与历史成交为线索打分，并给出「下一步动作」建议，把销售时间引导到高意向客户。Salesforce 将 AI（Einstein / Agentforce）从「生成话术」扩展到「线索打分、跟进提醒与自主处理标准动作」。
适合的企业
有 CRM 与沟通记录沉淀、线索量大的销售团队
不适合的情况
线索与成交数据几乎未沉淀的团队
数据与流程准备
需要结构化线索字段（来源、行业、规模）、沟通/行为事件、历史成交标签。
建议验证指标
- 高意向线索转化率
- 销售人均产出
- 线索响应时长
- 预测命中率（高分且确实成交的比例）
POC 建议
4 周试点：选一个区域团队，用历史成交训练打分模型并每日更新；第 1 周定义特征与标签，第 2–3 周在 CRM 推送「今日优先 10 条」并收集采纳/弃用原因，第 4 周对比试点组 vs 对照组转化率。
常见失败原因
- 历史数据偏差带来偏见，分数只复刻过去的成交画像
- 销售不信任分数而弃用，回到旧习惯
- 打分不与跟进动作绑定，沦为仪表盘上的数字
AI 销售助手的价值重心在「该先跟谁、下一步做什么」，而非「自动写邮件」；后者省的是边角时间，前者影响的是成交结果。
落地要点
- 分数必须可解释（为什么打高分），否则销售不会采信。
- 把打分嵌入日常工作流（CRM 提醒、晨会清单），而不是另起一个系统。
- 用「高意向线索转化率」而非「分数本身」衡量成败。
参考来源（2）
1. Salesforce Einstein / Agentforce 销售与客服 AI行业来源
发布主体：Salesforce使用政策：可摘要Salesforce 将 AI（Einstein / Agentforce）嵌入 CRM，定位从「生成话术」扩展到「线索打分、跟进提醒与自主处理标准销售动作」，强调把时间引导到高意向客户。https://www.salesforce.com/2. McKinsey《The state of AI》全球 AI 应用年度调研权威研究
发布主体：McKinsey & Company使用政策：可摘要McKinsey 2024 全球 AI 调研：约 65% 的受访组织已在常规工作中使用生成式 AI（较上一年约 33% 接近翻倍）；逾 75% 的受访者预计 GenAI 将给所在行业带来显著乃至颠覆性变化；传统 AI（非生成式）的组织采纳率多年维持在约 50% 左右。https://www.mckinsey.com/capabilities/quantumblack/our-insights/the-state-of-ai