Lead Scoring 不是把每一次点击都换成分数，而是把理想客户特征、购买意图、互动新鲜度与销售可接手条件转化为一致规则。LeadsTech 在设计评分模型时，会先用过往商机与销售反馈验证哪些信号真正代表可跟进机会，再设置分数与交接门槛。好的模型能帮助 Marketing 聚焦培育、Sales 优先跟进；不好的模型只会制造大量高分但没有商机价值的 MQL。
1. 本文重点精华（TL;DR）
- 先由 Marketing 与 Sales 共同定义 Ideal Customer Profile、关键行为、排除条件和销售交接承诺。
- 把 Demographic/Firmographic Fit 与 Behavioral Engagement 分开计分，再用门槛或矩阵决定 MQL。
- 高意图行为应比低承诺互动拥有更高权重；加入负分、频率上限与 Score Decay，避免旧互动被永久放大。
- 在 Marketo 集中管理 Smart Campaign、Score Token、资格与路由，并以商机结果持续校准。
2. Lead Scoring 解决什么问题？
企业数据库通常同时包含学生、求职者、合作伙伴、早期研究者与正在比较方案的买家。如果只用表单提交或总分判断，Sales 会收到大量不适合或尚未成熟的名单。评分模型的目的，是回答两个不同问题：这个人或公司是否符合目标市场（Fit）？近期行为是否显示足够兴趣与意图（Engagement/Intent）？两者同时成立，交接才有意义。
3. 五个 Lead Scoring 模型构件
1. Fit：是否值得投入销售资源
Fit 可包括 Industry、Company Size、Revenue、Region、Job Function、Seniority、Customer Type 或产品适用条件。每项分数都要能对应 Ideal Customer Profile，而不是“资料有填写就加分”。学生、竞争者、非服务地区、个人 Email 或不支持的公司规模，可用负分或排除标记处理；如果资料可信度不足，应标示 Unknown，不要猜测成高分。
2. Behavior：互动深度
Behavior 反映可观察活动，例如内容下载、Webinar 出席、产品页浏览、Email Click、活动面谈或回访。权重要按购买信号强弱排序：Request Demo 或 Contact Sales 可直接接近交接门槛，Pricing Page 与产品比较页属于中高意图，单次 Email Open 则不宜给过高分。相同行为是否可重复得分，也要按商业意义设置频率上限。
3. Intent：情境与时机
相同点击在不同情境下价值不同。短期内多次浏览方案页、同一 Account 中有不同决策角色参与、参加产品 Demo 后查看价格，通常比零散内容阅读更接近购买。可用时间窗口、页面类型、Program Status 或 Account 信号建立 Intent 层，但应先从可解释、可验证的规则开始。
4. Negative Scoring 与 Decay
退订、无效 Email、求职页浏览、竞争者、长期不活跃或 Sales Disqualified 都可能降低分数。Score Decay 让旧互动随时间失去影响，避免一年前的活动把 Lead 永久留在高分。负分不是惩罚，而是反映“当前不应优先跟进”。永久不合资格的情况则宜用 Qualification Flag，不应只靠分数慢慢下降。
5. Threshold：何时成为 MQL
单一总分门槛最容易搭建，但可能让低 Fit、高互动的 Lead 误入 MQL。更稳健的做法是设置最低 Fit 与 Behavior 门槛，例如 Fit ≥ 30 且 Behavior ≥ 50，并加入 Consent、Region、Valid Contact、Not Customer 等必要条件。不同市场或产品周期如果差异很大，可先共用架构，再调整权重与门槛。
4. Fit 与 Behavior 为什么要分开？
分开后，Marketing 才能采取不同动作：高 Fit、低 Behavior 进入培育；低 Fit、高 Behavior 可引导自助服务或暂不交接；高 Fit、高 Behavior 才优先送给 Sales；两者都低则降低沟通频率。即使最后保留一个总 Score，也建议另外保存 Fit Score、Behavior Score 与 Qualification Reason，让路由及分析可以被解释。
5. 在 Marketo Engage 中如何搭建？
建立独立 Operational Program 管理 Demographic、Behavior、Decay、Threshold 与 Reset，不要把 Change Score 分散在每个活动中。使用 Smart Campaign 侦测行为或资料变更，以 Score 类型的 My Token 集中保存权重；需要共用流程时，可由父 Campaign 传入 Token，再执行中央评分流程。每个 Campaign 应有清晰 Smart List、Qualification Rule、Flow 与命名，并用测试 Lead 检查 Activity Log。
Demographic 资料变更时，要避免相同属性反复加分；Behavior 则需决定每次、每天一次、Program 内一次或全生命周期一次。另设 Operational Smart Campaign 处理 MQL 时间戳、原始门槛、最新 Qualification Reason、Lifecycle Stage、Owner 与 Alert，确保同一 Lead 不会因为每次小幅加分而重复交接。
6. MQL 门槛与销售交接流程
MQL 不应只有一个分数。交接资料至少包括触发原因、最近关键活动、相关内容／产品、Fit 摘要、Consent、建议 Follow-up 与回复时限。Sales 必须可回传 Accepted、Working、Disqualified、Recycle 及原因；Marketing 再依 SLA 处理逾时、退回与重新培育。如果没有反馈字段，模型便无法知道错在哪里。
假设情境：B2B SaaS 评分模型
假设目标客户为亚太区 200 人以上企业的 IT 或 Digital 主管。Director 以上 +15、目标行业 +10、公司规模 +10；Request Demo +50、Pricing Page +15、Webinar Attended +12、一般内容下载 +5；90 天无互动 -10，求职者 -50。MQL 条件为 Fit ≥ 25、Behavior ≥ 40、可服务地区且有有效联系资料。试跑四周后，如果 Demo Lead 多数成为商机但 Webinar Lead 常被退回，就应调整门槛或培育路径，而不是单纯增加所有分数。
7. 验证与持续校准
建立 Scoring Feedback Loop
上线前以过去三至六个月资料回测：高分群的 MQL-to-SQL、SQL-to-Opportunity 是否明显更高？不同 Segment 是否被同一规则偏置？上线后每月查看 MQL 量、接受率、退回原因、首次跟进时间与分数分布，每季度把 Closed Won/Lost 结果带回模型。调整时一次只改少量规则、记录版本与生效日，才能辨识影响。
8. Marketo Lead Scoring 检查清单
- ICP、关键行为、排除条件与 MQL 定义是否由 Marketing、Sales 共同确认？
- Fit、Behavior、Intent、负分与 Decay 是否各有明确商业理由？
- 高频行为是否设置上限，低可信信号是否避免过度加分？
- 评分 Campaign 与 Token 是否集中管理、可测试、可稽核及可回滚？
- MQL 是否同时检查门槛、Consent、Region、有效联系资料与生命周期？
- Sales 是否能收到 Qualification Reason 并回传接受、退回与原因？
- 是否追踪接受率、商机转化、跟进时间、分数分布与 Segment 偏差？
- 是否设置月度监测、季度校准、版本记录及模型负责人？
9. 常见问题（FAQ）
Lead Score 应该设置为 0–100 吗？
不一定。分数尺度本身没有价值，重点是相对权重、门槛与结果可验证。选择容易理解和维护的尺度即可。
Email Open 是否应该加分？
可作为弱信号或不计分。Open 受隐私与预加载影响，通常不应比 Click、Form、Demo 或高意图页面更重要。
一个总分是否足够？
小型模型可先用总分，但至少保留 Fit、Behavior 与 Qualification Reason，否则无法解释高分来源或设计差异化培育。
多久应重新校准模型？
上线初期每月检视、每季度正式校准；市场、产品、路由或销售策略重大改变时，应另行启动评估。
Sales 不认同 MQL，应该提高门槛吗？
先分析退回原因。如果问题是 Fit、资料缺失、跟进逾时或定义不同，只提高总分可能掩盖真正原因。
10. 结语
有效的 Marketo Lead Scoring 模型，是 Marketing 与 Sales 对“值得跟进”的共同语言。把 Fit、行为、意图、时间与排除条件拆开，集中搭建并以商机结果校准，分数才会成为决策工具，而不是漂亮但不可解释的数字，也能让团队持续建立信任。如需评估模型或落地 Marketo 运营，可通过下方 CTA 了解 LeadsTech 的 Adobe Marketo Engage 解决方案及营销自动化服务。
延伸阅读
- B2B Marketing Automation 完整指南：把评分放回完整培育与转化流程。
- 营销自动化 vs CRM：差异与整合：厘清评分、路由与销售跟进责任。
- 什么是 Marketing Automation？：延伸理解自动化、培育与启用流程。
- 如何选择 Marketing Automation 平台？：了解平台选型与运营评估思路。
相关文章
企业 AI MarTech 趋势分析 2024-2029 年展望报告
从 AI 内容生产力工具，转变为营收增长与营销转型的核心引擎
白皮书 PDF 将寄送至您的信箱。
邮件格式错误
请输入有效的电子邮件地址。
谢谢！
白皮书已发送至您的收件箱。如果您没有看到，请检查垃圾邮件或促销内容文件夹。
