AiformleadsAiformleads

潛在客戶評分:如何從表單自動為潛在客戶評分並篩選資格

团队: Aiformleads在 AI 协助下撰写17 分鐘閱讀

重點摘要

  • 潛在客戶評分是點數的加總,不是猜測:表單中的每個答案都值一個數字,總分決定你先打給誰。困難的不是公式,而是選擇哪些問題要計分。
  • 只評分、不貼標籤,工作只做了一半:85 分只告訴你這個潛在客戶不錯;而 預算高 或 尚未決定 這類標籤,則告訴你為什麼,以及通話時該說什麼。
  • 門檻由高到低依序評估:最小值先被達到的那一個勝出。以 Aiformleads 的預設分級(Hot ≥ 80、Warm ≥ 50、Cold ≥ 0)為例,80 分的潛在客戶是 Hot,79 分的則是 Warm。這條界線由你決定,而且你之後會去調整它。
  • 沒有校準的模型,比沒有模型更糟:如果有 70% 的潛在客戶都是 Hot,代表你的評分尺度壞了。請用評級分布和各步驟的實際流失率來衡量,而不是相信宣傳手冊上承諾的百分比。
  • 為個人評分有法律上的限制:法律依據、事前告知和刪除權都不是選項(歐盟規章 2016/679)。本文說明的是工具如何運作,並不能取代你的法律顧問的判斷。

如果你先收到表單,再憑手動判斷哪些值得打電話,那你其實已經在做潛在客戶評分了:只是靠腦袋做、做得太晚,而且沒有留下紀錄。本指南說明如何把這套判斷標準,變成一個在送出表單當下就自動套用的點數與標籤模型,以及如何確認它有沒有效。範例都以 AIsToHire 的潛在客戶開發迷你應用程式 Aiformleads 為基礎(Aiformleads 介紹與示範),這裡描述的一切都已在其 2026年10月的版本中驗證過:沒有任何功能是工具做不到卻被承諾的。

等角視角的漏斗示意圖,將表單答案分配到三個高度不同的發光托盤中:紅色、琥珀色和藍色
等角視角的漏斗示意圖,將表單答案分配到三個高度不同的發光托盤中:紅色、琥珀色和藍色

潛在客戶評分到底是什麼?

潛在客戶評分,是依據每位聯絡人的回答內容與行為,為其指派一個數字分數,用來排定你要先處理誰。在最實用的形式中,表單的每個答案選項都附帶一個點數;表單送出時,系統會加總所選選項的點數,總分落入某個區間(Hot、Warm、Cold),決定銷售上的優先順序。

這不是人工智慧,也不需要是。它只是對你原本就在腦中套用的標準做算術:

  • 有預算的人,比沒有預算的人更有價值。
  • 這個月就需要的人,比「正在看選項」的人更有價值。
  • 有權簽約的人,比得去問三個人的人更有價值。

用腦袋判斷與用模型判斷的差別在於:模型會對每一位潛在客戶、在第零秒、以相同的方式套用,並留下紀錄,讓你之後可以檢視。

顯性與隱性評分:重要的區別

類型來源範例表單能涵蓋嗎?
顯性對方自己聲明的內容預算、公司規模、急迫性、職務能:這正是表單會收集的內容
隱性對方做出的行為瀏覽的頁面、開啟的電子郵件、下載部分能:需要行為追蹤

本文聚焦於顯性評分,這是你今天就能用表單建立、而且最不容易壞掉的方式:自行聲明的資料,不取決於 cookie 是否運作,也不取決於訪客是否使用同一個瀏覽器。


點數從哪裡來?來自對方選擇的選項

在 Aiformleads 中,點數存在於單選和多選題的每個選項之內:每個選項文字旁邊都有一個數字欄位,你在那裡填入它值多少點。表單完成後,後端會走訪各個答案,並加總所有被勾選選項的點數。結果會以 score 儲存在潛在客戶資料中。

一張有四個選項的卡片,每個選項帶著大小不同的發光球體,全都匯集到一座天平上:每個答案的點數權重
一張有四個選項的卡片,每個選項帶著大小不同的發光球體,全都匯集到一座天平上:每個答案的點數權重

這個設計有三個實務上的結果,直接說明如下:

  1. 只有帶選項的問題才會計分。 自由輸入文字欄位、滑桿或日期本身不會加分。如果你希望預算計分,就要用區間(選項)來問,而不是用開放的數字。
  2. 點數可以是負數。 在「我是學生/個人專案」這個選項中填入 -20 完全有效:它會原樣加總。扣分是避免不良潛在客戶靠累積分數混進來的最乾淨做法。
  3. 多選題會加總所有被勾選的選項。 如果某人選了三項服務,每項值 10 點,他就得到 30 點。請把這點考慮進去,或在欄位中設定選取數量上限。
開放欄位或數字欄位無法用點數做到的事,可以用標籤做到:標籤規則支援對任何答案使用數值運算子(大於、小於或等於……)。預算滑桿不會加分,但可以觸發 預算高 標籤。

如何分五個步驟建立你的點數表

真正有效的方法,與看似合理的方法正好相反:不要從問題開始,要從你已有的客戶開始。留出一小時,打開去年已成交的客戶名單,然後這樣做。

  1. 寫下你最佳客戶的五個特徵。 不是「大型企業」,而是可驗證的事實:「年營收超過 200萬歐元」、「編制內有行銷負責人」、「來電時帶著截止日期」。
  2. 寫下讓你賠錢的客戶的三個特徵。 就是你發誓不再重蹈覆轍的那些。它們將成為你的負分。
  3. 把每個特徵轉成帶有封閉式選項的問題。 如果無法把它轉成 3 到 5 個選項,就不要計分:照樣問,但以自由輸入文字的形式,作為背景資訊。
  4. 把 100 點分配給各個問題,而不是各個選項。 先決定每個問題的權重(例如預算 40、急迫性 25、職務 20、規模 15),再把每個問題的權重分配到它的各個選項。這樣你就被迫要排定優先順序。
  5. 憑良心訂定門檻: 達到幾分,你會在一小時內打電話?那就是你的 Hot。

五個計分問題是不錯的起點上限。每多一個問題,就會降低表單被填完的機率,而一個完美卻沒送達的潛在客戶,一分也不會得到。


一個完整的範例模型:四個問題,100 點

這是適用於代理商或 B2B 顧問公司的真實可用模型。複製它、改掉文字,你就有了一個站得住腳的起點。

問題選項點數
你的預算是多少?(權重 40)超過 10,000 €40
5,000 – 10,000 €30
1,000 – 5,000 €15
低於 1,000 €0
你需要在什麼時候完成?(權重 25)這個月25
本季15
之後再說5
我只是在調查−10
你在決策中扮演什麼角色?(權重 20)我決定20
我與團隊一起決定12
我提出建議,由別人決定6
都不是,這是課堂作業−20
你們有多少員工?(權重 15)超過 100 人15
51 – 10012
11 – 508
1 – 103

依這張表,最高分是 100,最低分是 −30。以下兩個例子說明分數如何落點:

  • 一家 120 人公司的行銷總監,預算 12,000 €,這個月就需要:40 + 25 + 20 + 15 = 100 → Hot。
  • 預算 800 € 的自由工作者,「正在調查」,並推薦給別人:0 + (−10) + 6 + 3 = −1 → Cold。

請留意負分的作用:如果沒有它們,第二位潛在客戶光是填寫表單就能拿到 9 分;有了它們,他明確落在零分以下。


門檻:把數字變成決策

單獨一個分數毫無用處;有用的是它所屬的區間。在 Aiformleads 中,你可以定義區間,每個區間有名稱、最小值、顏色和表情符號,而且由高到低依序評估:最小值先被達到的那個勝出。預設的區間如下:

區間最小值建議的實務意義
🔥 Hot80當天由專人打電話
⚡ Warm5048 小時內寄出附有具體提案的個人電子郵件
❄️ Cold0自動內容序列,不投入銷售心力

在調整之前,有三個細節值得先知道:

  • 最低的區間,最小值必須是 0 或負數,否則分數低於它的潛在客戶將沒有評級,也不會出現在依評級的分布中。
  • 每個區間都可以關聯一個標籤,讓評級與標籤保持同步,不必另外寫規則。
  • 通知支援最低分數:你可以設定,只有當潛在客戶超過 X 分時,才會觸發給團隊的通知、聊天訊息或 webhook。這就是你的團隊會認真看通知,還是一週後就把它們靜音的差別。

只評分還不夠:標籤才讓潛在客戶可以採取行動

數字負責排序;標籤負責解釋。92 分 告訴你要打電話;預算高 + 緊急 + 現有競爭對手 則告訴你該用什麼論點開啟通話。因此,自動貼標籤不是評分的裝飾:它是同一件工作的另一半。

級聯規則示意圖:一道流從左側進入,穿過三道閘門,被導向彩色標籤;一道關閉的閘門攔住了路徑,另外有一個灰色標籤作為預設標籤
級聯規則示意圖:一道流從左側進入,穿過三道閘門,被導向彩色標籤;一道關閉的閘門攔住了路徑,另外有一個灰色標籤作為預設標籤

標籤規則是一個如果……就……:如果答案符合某些條件,就指派某些標籤。條件依慣用的邏輯分組,同一組內必須全部符合(且),組與組之間只要符合其中一組即可(或),並支援十種運算子:等於、不是、包含、不包含、大於、大於或等於、小於、小於或等於、為空、不為空。

讓標籤成為助力、而不是弄亂收件匣的差別,在於以下五個控制項:

控制項用途範例
規則順序依你擺放的順序評估把排除規則放在最前面,可避免把學生標成 hot
符合時停止在第一條符合的規則處中斷評估被排除的潛在客戶不會繼續累積銷售標籤
預設標籤只有在沒有任何規則符合時才會指派未分類:沒有任何潛在客戶會在收件匣中被遺漏
排除規則兩個不能並存的標籤現有客戶與新潛在客戶:若兩者都出現,會移除其一
階層(父標籤)指派子標籤時會加上其父標籤,最多三層台北會加上台灣;依台灣篩選時,也會找回台北

還有一個幾乎沒人擁有、但在這裡會自動出現的指標:涵蓋率。編輯器會計算你問題的所有選項中,有多少百分比出現在至少一條規則中。如果你的涵蓋率是 30%,那麼每十個可能的答案中,就有七個沒有對這位潛在客戶說明任何事。不需要達到 100%,但涵蓋率極低,通常意味著你在問一些之後不會用到的問題。


可聯繫性:用拋棄式電子郵件拿到 90 分,等於零分

一個你無法聯絡的優質潛在客戶,不算潛在客戶。因此,除了你自己定義的資格評分外,Aiformleads 還會以一個不取決於你模型的固定公式,計算 0 到 100 的可聯繫性:衡量聯絡資料是否真的有用。

訊號點數
電子郵件格式有效40
電子郵件網域不是用完即丟的10
網域不是免費郵件服務(gmail、hotmail、outlook、yahoo、icloud)10
9 位數以上的電話20
姓名超過 2 個字元10
每多回答一題(最多 10 題)每題 1

這是兩個分工不同的數字,最好不要混為一談:

  • 評分回答的是「這位潛在客戶我有興趣嗎?」。
  • 可聯繫性回答的是「我能和他談嗎?」。

評分 90 但可聯繫性 40(使用 Gmail 電子郵件、沒有電話)的潛在客戶,不是壞的潛在客戶:只是缺少一項資料。正確的做法不是捨棄他,而是向他索取電話。這兩個數值會一起出現在潛在客戶資料卡和匯出檔中。


我怎麼知道我的模型沒有校準好?

當分布與你業務的現實不相符時,潛在客戶評分模型就是校準不佳。最明顯的訊號是依評級的分布:如果已完成表單的潛在客戶中,有超過 25% 到 30% 是 Hot,你不是有了很棒的產品,而是門檻訂得太低。如果三週內連一個 Hot 都沒出現,那就是訂得太高。

以下是四個警訊,以及每一項該檢查什麼:

訊號發生了什麼事該檢查什麼
幾乎所有潛在客戶都是 Hot門檻太低或點數膨脹依評級的分布;提高 Hot 的最小值
從來沒有出現 Hot理論最大值低於門檻加總你點數表中的最高點數,並與門檻比較
Hot 沒有購買,Cold 卻買了你計分的項目無法預測成交答案地圖:成交的人實際選了哪個選項
許多潛在客戶沒有標籤規則不完整規則涵蓋率與預設標籤

針對最後一點,儀表板會計算答案地圖:針對每個帶選項的問題,顯示有多少已完成的潛在客戶選了每個選項,以及占多少百分比。這是快速發現「你有 80% 的潛在客戶選了預算最低的區間,因此這個問題幾乎起不了區分作用」的方法。


別相信宣傳手冊上的百分比:量測你自己的漏斗

任何向你保證多步驟表單比單頁表單轉換率高出 X% 的人,賣給你的都是其他公司的平均值。唯一重要的,是你的人在哪裡離開,而這要靠你自己表單的漏斗來量測,而不是別人的研究。

一道向下的階梯,由五個愈來愈窄的平台組成,粒子流沿階梯而下:每一階都有部分流量溢出,最大的流失發生在第三步
一道向下的階梯,由五個愈來愈窄的平台組成,粒子流沿階梯而下:每一階都有部分流量溢出,最大的流失發生在第三步

Aiformleads 的漏斗會針對每個步驟,計算有多少工作階段到達該步驟,並以明確的公式計算流失率:

步驟流失率 = (到達上一步的數量 − 到達此步的數量) / 到達上一步的數量 × 100

除了這個百分比,你還會看到每個人在該步驟停留的平均時間。兩者的組合資訊量很大:

  • 流失率高 + 時間長 → 這個問題困難或令人不自在(預算、電話)。把它往後移,或改為選填。
  • 流失率高 + 時間短 → 大家一看到這個步驟就嚇到了。通常是表單突然要求太多欄位。
  • 流失率低 + 時間非常長 → 問題很難理解,但大家還是會堅持填寫。請重寫題目敘述。

如果你測試表單的兩個版本,儀表板還會顯示每個變體的 95% 誤差範圍,依轉換率以 1,96 × √(p(1−p)/n) 計算。它只用於 A/B 測試中唯一重要的事:判斷你看到的差異是真的,還是雜訊。如果變體 A 的轉換率是 22% ± 6,而 B 是 25% ± 6,那你還沒有贏得任何東西:你需要更多資料。


毀掉潛在客戶評分模型的六個錯誤

  1. 評的是意圖,而不是適配度。 「我想馬上開始」講起來是免費的。預算和職務則不是。
  2. 不使用負分。 沒有扣分,分數只會上升,幾週後每個人都是 Hot。
  3. 問你不會用到的問題。 每個問題都會帶來流失。如果一個問題既沒有進入評分、也沒有進入標籤規則、也沒有用在銷售對話中,就把它刪掉。
  4. 建好之後就不再檢視。 當你的產品、價格或市場改變時,就應該檢視模型。至少每季一次。
  5. 把評分當成保證。 評分只是為工作佇列排序,它不能預測成交,也不能取代對話。
  6. 評分之前沒有準備好法律層面。 為了分類個人而收集資料,需要法律依據和事前告知;這要在發布之前準備,而不是之後。

為潛在客戶評分和貼標籤,在法律上需要注意什麼?

為個人評分和貼標籤,就是在處理他的個人資料,因此完全適用歐盟規章 2016/679(GDPR),而且如果你在西班牙發送商業通訊,也適用第 34/2002 號法律(LSSI-CE)第 21 條。實務上,這意味著處理資料要有法律依據、在收集資料之前告知收集目的,並能夠回應當事人的權利。這不是法律建議:Aiformleads 是表單工具,不是法律服務,處理資料的責任由發布表單的人承擔。

工具在這方面提供的合規協助,已於 2026年10月驗證:

常見義務應用程式提供的功能
知情且可分開的同意(GDPR 第 6.1.a 條與第 7 條)在聯絡步驟中提供細分的同意選項,並與潛在客戶資料一起儲存
事前告知(GDPR 第 13 條)表單中可設定同意文字和連結
存取權(GDPR 第 15 條)匯出特定潛在客戶的所有資料
刪除權(GDPR 第 17 條)依要求刪除潛在客戶及其相關資料
資料最小化與保存期限(GDPR 第 5.1.e 條)可設定以月為單位的保存期限:較舊的潛在客戶會自動刪除

關於 GDPR 第 22 條(自動化決策):如果評分只是用來為業務人員的電話佇列排序,通常不算是「具有法律效果或類似影響的自動化決策」,因為真正做決定的是人。如果你的情況確實屬於這類,例如依分數自動拒絕提供服務,請在建置之前先諮詢你的顧問。工具不會替你決定任何事:它只負責計算、貼標籤,並把結果放進你的收件匣。


如何在 Aiformleads 中一個分頁一個分頁地建立

以下是應用程式中的實際步驟,使用的是你會在畫面上看到的名稱。

  1. 建立表單。 從零開始,或使用 10 個內建範本之一。一份表單包含封面、你需要的問題步驟,以及最後的聯絡步驟。
  2. 在「步驟」分頁中新增可計分的問題。 共有 13 種欄位類型(短文字與長文字、單選與多選、量表與 NPS、滑桿、矩陣、日期、電話、地址、檔案、簽名和計算)。要做評分,請使用單選或多選,並在每個選項的數字欄位中填入點數。
  3. 在通知區段中啟用評分並定義區間:名稱、最小值、顏色、表情符號,還有(如果你想要)關聯的標籤。
  4. 在「標籤」分頁中撰寫標籤規則。 先定義詞彙表(名稱、顏色、類別、父標籤),再定義帶有條件的規則。排列規則順序,在排除規則上勾選「符合時停止」,並設定一個預設標籤。留意涵蓋率指示器。
  5. 在預覽中檢查。 這與填寫表單的人會看到的是同一個轉譯器,所以你看到的就是實際的樣子。在預覽模式下,不會建立工作階段、不會寄出電子郵件,也不會觸發 webhook。
  6. 發布。 共有七種方式:公開連結、iframe、自動調整高度的腳本、彈出視窗、側邊面板、浮動按鈕,以及可下載、用於印刷品的 QR 碼。
  7. 處理收件匣。 依標籤、潛在客戶狀態(新增、已聯繫、處理中、已具資格、已轉換、已捨棄)或分數範圍篩選;依評分排序;新增備註;批次操作。可匯出為 CSV 或 Excel 並自行選擇欄位,包括評分、評級、可聯繫性、標籤、國家、裝置、referrer、utmsource、utmmedium、utm_campaign 和變體。
  8. 檢視並重新校準。 每個月回頭看依評級的分布和漏斗,並調整門檻。

Aiformleads 能做什麼、不能做什麼

在這裡坦白說明可以省去麻煩。以下是截至 2026年10月,應用程式的功能範圍內與範圍外的項目。

能做不能做
依每個單選選項的點數評分依你網站上的行為評分(瀏覽頁面、頁面停留時間)
在表單送出時依區間評級,並以規則貼標籤替你做決定:打電話的仍然是人
以固定公式計算可聯繫性向電信業者驗證電話是否存在
漏斗、各步驟流失率、答案地圖、來源、國家、裝置和變體你行銷活動的完整跨管道歸因
給團隊的通知、給潛在客戶的確認,以及條件式電子郵件序列成為具備商機和銷售預測的完整 CRM
對外 webhook 與使用專屬金鑰的 REST API透過 OAuth 與 Google Sheets 雙向同步
匯出 CSV 與 Excel,並可選擇欄位為公開表單使用自訂網域

常見問題

我應該給每個答案多少點?

沒有通用的對照表。真正有效的方法,是先依你業務中真正能預測成交的因素,把 100 點分配給各個問題(例如:預算 40、急迫性 25、職務 20、規模 15),再把每個問題的權重分配給它的各個選項。從整數開始,過幾週後,看看哪些潛在客戶最後成交了,再據以調整。

我可以扣分,而不是加分嗎?

可以。在某個選項的點數欄位中,你可以填入負數,它會原樣加總。這是讓你不感興趣的人選(例如「這是課堂作業」、「我只是在調查」)落在門檻以下的最佳方法,而不是讓他們只因為填了表單就累積分數。

那些不是選擇題的問題呢?

它們不加分:評分只依單選或多選題中所選的選項計算。但任何答案,包括滑桿、數字和文字,都可以觸發標籤規則,因為條件支援數值和文字運算子。如果你需要某項內容計分,請把它改成封閉式選項。

表單應該有多少個問題?

在能讓你做出決定的前提下,越少越好。每個問題都會增加流失,而這是你可以量測的:漏斗會明確告訴你大家在哪一步流失,以及在該步驟停留了多久。先從四到五個計分問題開始,觀察幾週各步驟的流失率,再刪掉那些對評分或標籤沒有貢獻的問題。

分數是在作答時計算,還是在送出時計算?

在表單完成時。此時後端會驗證送出的內容、加總所選選項的點數、判定評級區間、套用標籤規則、決定最後的畫面,並觸發相應的通知和 webhook。被放棄的工作階段,其部分答案會被儲存,但該工作階段不會被評分或貼標籤。

潛在客戶評分模型多久要檢視一次?

至少每季一次,而且每當你更換產品、價格或市場時也要檢視。快速檢視只需要兩項資料:依評級的分布(如果幾乎全是 Hot,或一個都沒有,門檻就有問題),以及答案地圖(最後成交的潛在客戶實際選了什麼)。

我可以只在出現優質潛在客戶時才通知團隊嗎?

可以。給團隊的通知、聊天訊息和 webhook 都支援最低分數:低於該分數就不會觸發。這樣通知在第一個月之後仍然有意義,而不會最後被靜音。

可以把潛在客戶匯出到其他工具嗎?

可以。你可以匯出為 CSV 或 Excel 並選擇要帶出哪些欄位(評分、評級、可聯繫性、標籤、狀態、來源、UTM、變體……),透過對外 webhook 把每位潛在客戶傳送到你的系統,也可以用帶有專屬金鑰的 REST API 查詢表單、潛在客戶和統計資料。

為填寫我表單的人評分合法嗎?

為潛在客戶分類屬於個人資料的處理,受 GDPR 規範:你需要法律依據、在收集資料之前告知,並能夠回應存取權和刪除權。應用程式提供技術上的組件(與潛在客戶資料一起儲存的細分同意、匯出與刪除特定潛在客戶、以月為單位的可設定保存期限),但處理資料的責任在你,具體設定最好與你的法律顧問一起檢視。


一句話總結

Aiformleads 是 AIsToHire 的迷你應用程式,能把多步驟表單變成在送出當下就已評分並貼好標籤的潛在客戶,網址是 Aiformleads — 自動捕捉並分類潛在客戶的表單。潛在客戶評分不是魔法:它就是一次、以書面方式決定什麼樣的客戶是好客戶,然後讓這個決定自動套用在每一位來敲你門的人身上。

在 Aiformleads 建立你的潛在客戶評分模型:建立表單、為每個選項設定點數、定義你的區間,之後每位潛在客戶進到收件匣時,就已經完成評分並貼好標籤。

在 Aiformleads 建立你的潛在客戶評分模型:建立表單、為每個選項設定點數、定義你的區間,之後每位潛在客戶進到收件匣時,就已經完成評分並貼好標籤。

↑ 回到頂端