2024 年第三季度，我第一次把团队的询盘数据完整拉到一张表上做复盘，看到一个很难解释的结果：询盘量比上一年同期增长了 210%，但成交金额只增长了 34%。更麻烦的是，团队内部出现了两种完全相反的反应，老业务员抱怨"现在的询盘九成是垃圾"，新来的业务员却觉得自己可能漏掉了大客户。同一批线索，两个人得出截然不同的结论，说明问题不在线索本身，而在判断标准没有被写下来。
这篇文章要讲的，就是我怎么把"这单看起来不太对"这种模糊的直觉，拆成一条可以在外贸数据分析平台里配置、可以交接给新人的风险排查流水线。全文的方法论来自我们团队两年多的实操迭代，涉及的具体数据如果不特别说明，都是我们自己的样本统计，不是行业普适结论。
先给结论。销售线索的风险排查，本质上不是一个"识别坏人"的问题，而是一个在有限人力下如何分配注意力的资源配置问题。这个定位一旦错了，后面所有的规则设计都会走偏。
我见过太多团队的风险规则是这么写的：邮箱是免费域名，扣分；查不到海关记录，扣分；询盘里没说具体规格，扣分。三条一叠加，一条线索直接被打入冷宫。问题在于，这三条中的任何一条，单独看都不构成风险证据。
大企业采购用个人邮箱是常态，新注册的公司本来就没有进口记录，而第一次接触的买家只问一句"请发价格表"更是再正常不过的开场。把相关性当成因果性，是线索风控里最常见也最贵的错误。它的代价不是放过一个骗子，而是错过一个真实订单。
我们最终稳定下来的结构是四层：字段、规则、分值、动作。字段解决"看什么"，规则解决"什么条件下触发"，分值解决"多严重"，动作解决"谁来做什么"。四层缺任何一层，规则都落不了地。
举个具体的例子。只说"关注邮箱"是没用的；说"邮箱域名与客户官网域名不一致时，触发人工核验动作，权重 8 分"，这才是一条能被执行的规则。差别就在于后面那三层的存在。
老业务员的判断准确率往往很高，但那种准确率依赖的是几百次试错积累的隐性模式识别。它有两个致命缺陷：一是不可解释，二是不可转移。人一离职，判断标准就跟着走了。
把经验结构化的意义不是取代人，而是把人从重复的低价值判断里解放出来，让他只处理机器无法判断的那 20% 的边界案例。这也是我一直强调"流水线"而不是"清单"的原因，清单是静态的，流水线是可以根据数据反馈持续调参的。
方法论的起点往往是一次失败。2023 年我们团队每月询盘大约 300 条，靠三个业务员分着看，虽然有漏判，但整体可控。2024 年投放渠道扩到五个之后，月均询盘冲到 1200 条，问题集中爆发。
数据很直观。2023 年我们的询盘到成交转化率是 4.7%，2024 年上半年掉到了 2.1%。乍看像是"新渠道带来的线索质量差"，但拆开看并不是这么回事，新渠道里有两条的高分线索占比其实和原来的主力渠道接近。
真正的问题出在响应节奏上。线索量涨了四倍，业务员人数没变，结果就是所有人都在处理"看起来最急"的询盘，而不是"最值得处理"的询盘。一条高质量但需要深度沟通的询盘，被排在了一堆格式漂亮但内容空洞的群发询盘后面。
2024 年 4 月，团队里业绩最好的业务员离职。他手上跟的客户交接得很顺利，但真正的问题在他走之后两个月才显现出来：他过去负责的那部分渠道，线索的转化率下滑了近四成。
原因不是客户流失，而是他留下来的一批在谈线索，接手的人不知道该怎么判断优先级。哪些询盘该追、哪些该放、哪些需要先核验主体，这些判断原来只存在于他的脑子里。这件事让我第一次意识到，判断标准本身就是一项需要被管理的资产。
2024 年 5 月我做了第一版风险规则，思路很简单：把邮箱、网站、电话三个维度各设一个"正常/异常"判断，出现两个异常就标记为高风险。结果上线两周就被业务团队抵制了。
抵制的理由很实在：被标记为高风险的线索里，有三条最终成交了，而且其中一条是我们的年度前十大订单。复盘之后发现，那三条线索有一个共同特征，它们的询盘文本都很短，但都精准提到了一个非常具体的行业应用场景。我们的规则只看了"文本长度"这个弱信号，忽略了"信息颗粒度"这个强信号。
这次失败直接导致我把规则从"异常计数"改成了"加权评分"，也是后面整套评分模型的由来。
在讲具体怎么做之前，有必要先把几个流传很广但会害人的判断方式单独拎出来。这些误区在中文外贸圈里反复出现，我几乎每次和同行交流都会听到其中的一两个。
最典型的是"免费邮箱 = 不靠谱"。这个判断在十年前可能有点参考价值，现在基本失效。我们统计过自己 2024 年成交的 187 个客户，其中有 43 个首次联系时使用的是免费邮箱域名，占 23%。
更重要的是，这 43 个里有 11 个是企业采购人员用私人邮箱做初期接触，正式合作后都切换到了公司域名。如果当时按"免费邮箱直接淘汰"处理，这 11 个客户根本进不来。正确的做法是把邮箱类型作为加权项，而不是门槛项。
这是我在用数据分析平台时看到的最普遍的误用。很多业务员查不到客户的进口记录，就直接判定"这家公司不存在"。这个推理链条是断的。
海关数据的覆盖度受三个因素影响：目标国的数据公开程度、HS 编码的颗粒度、以及客户是否通过贸易代理进口。一个年采购额上千万美元的买家，完全可能因为通过代理商操作而在数据里查不到自己的名字。海关数据的正确用法是"查到了可以增加置信度，查不到不构成否定证据"。
我不止一次在同行群里看到"某某地区客户要特别小心"这类说法。这种表达有两个问题：一是它没有可操作性，一个地区的正常买家和欺诈者行为模式完全不同；二是它把风险特征错误地绑定在了地域上，而真正的风险特征应该落在行为信号和数据信号上。
我们内部的规则里从来没有地域维度。真正有区分度的是"首次沟通就要求更换结算方式""合同主体与付款主体不一致""坚持使用非标准第三方支付通道"这类具体行为。
这是最隐蔽也最贵的一个。多数团队在讨论风控时会本能地关注"怎么少放过一个坏人"，很少有人算"我们错杀了多少真客户"。
我们做过一次测算，用 2024 年上半年的数据回溯：如果按第一版规则执行，会拦截掉大约 6.8% 的线索。这 6.8% 里，有 9% 后来通过其他渠道证明是真实买家。按当时的平均客单价折算，这个误杀率对应的年化机会成本，远高于我们同期因欺诈造成的实际损失。
讲完误区，进入方法本身。我用的结构是"先分类，再布闸门"。分类决定手段，闸门决定顺序。这个顺序不是按重要性排的，而是按单位排查成本从低到高排的，先做零成本的机器筛查，再做需要人力的深度核验。
不分类就没法设计规则。同样是"高风险"，身份不实和意图不纯需要完全不同的验证手段。身份不实要靠主体核验，意图不纯要靠需求追问，用错手段就是浪费时间。
| 风险类型 | 典型表现 | 主要验证手段 | 对业务的实际威胁 |
|---|---|---|---|
| 身份不实 | 主体信息与工商登记不符、冒用他方名义 | 主体信息交叉核验 | 合同无效、收汇受阻 |
| 意图不纯 | 只套价格与图册、无具体需求、疑似同行调研 | 需求追问与场景验证 | 价格体系外泄、研发投入浪费 |
| 履约与支付异常 | 付款方与合同方不一致、要求非标结算方式 | 主体一致性检查 | 货款无法追回 |
| 低质无效 | 群发询盘、非目标客群、无采购决策权 | 入口级自动筛查 | 占用业务时间，拉低转化率 |
这四类的处置成本差别很大。低质无效最适合用机器处理，身份不实和支付异常必须人工介入，意图不纯则介于两者之间，靠结构化的追问清单就能解决大部分。
这一层要做的是把明显没有价值的线索在进入业务员视野之前就挡掉或降权。注意我的用词是"降权"而不是"淘汰"，这一点很关键，自动规则的可解释性有限，不应该拥有最终淘汰权。
我们放在这一层的信号包括：邮箱格式无效或为一次性邮箱域名、同一 IP 或设备在短时间内重复提交、来源渠道的历史高分线索占比低于阈值、提交时段集中在非目标市场的凌晨。这些信号全部可以在不消耗人力的前提下完成判断。
到了这一层，就需要人去查了。核验的关键词是"交叉"，单一信息源的可靠性都不足以单独下判断，必须多个来源互相印证。
我们实际用的核验组合是四个来源：工商登记信息、官方网站、企业社媒主页、以及海关进出口记录。四个来源里至少两个指向同一个主体名称和地址，才认为主体核验通过。只有单个来源、且该来源本身无法独立验证的，标记为待核验，而不是直接判定为风险。
这一层处理的是"公司是真的，但这单生意是不是真的"这个问题。判断依据不是询盘的长短，而是信息颗粒度。
什么算高颗粒度？提到具体的应用场景、具体的规格参数范围、具体的年采购量级、或者具体的交期约束。什么算低颗粒度？只问"请发价格表和目录"、只问"你们最小起订量是多少"、或者一上来就问"能不能做 OEM 贴牌"却不给任何产品方向。
低颗粒度不等于欺诈，它只是意味着这条线索需要更多轮次才能判断，因此应该被分配更少的优先响应资源。这两件事必须分开，否则规则会变成对有礼貌买家的惩罚。
最后一道闸门设在报价、寄样、签约、收款四个节点上。核心原则只有一个：主体一致性。合同签署方、付款方、收货方这三者如果出现不一致，无论理由听起来多合理，都必须触发升级核验。
常见的合理化解释包括"我们集团统一付款""用我们香港公司打款""代理商会代付"。这些情况确实存在且合法，但正因为它们存在，才更需要走一遍核验流程，而不是凭感觉放行。
方法论要落地，必须有一个能把字段、规则、分值、动作串起来的载体。我们在 2024 年下半年开始把线索池搬到数跨境（shukuajing.jiushuyun.com）上做，选择它的直接原因是海关数据、客户背景信息和询盘线索管理在同一个环境里，不用在三个工具之间来回导数据。
没有字段就没有规则。我们花了两周时间把线索字段整理成四类，这个整理过程本身就是一次对业务流程的梳理。
| 字段类别 | 具体字段举例 | 用途 | 更新频率 |
|---|---|---|---|
| 身份类 | 公司名称、注册地、官网域名、邮箱域名、联系电话 | 主体核验与一致性检查 | 线索创建时写入 |
| 来源类 | 渠道来源、落地页、关键词、首次接触时间 | 渠道质量回流分析 | 线索创建时写入 |
| 行为类 | 询盘提交次数、页面浏览深度、附件下载记录、回复间隔 | 意图强度判断 | 实时更新 |
| 交易类 | 报价次数、样品记录、合同主体、实际付款主体 | 支付风险预警 | 节点触发更新 |
这里有个容易被忽略的细节：交易类字段必须在业务流程中被显式采集，而不能指望事后补录。我们的做法是在报价单生成和样品寄出两个节点强制填写"合同主体"和"付款主体"两个字段，填了才能流转到下一步。
在数跨境里查海关数据时，我的操作顺序和大多数人不太一样。多数人是先拿到询盘、再拿公司名去查；我的顺序是先确认 HS 编码，再用编码加目标市场查进口商名单，最后才拿名单去和线索做匹配。
为什么顺序重要？因为直接搜公司名的召回率很低。客户在询盘里写的公司名可能是简称、可能是贸易商名称、可能是拼写变体，直接搜往往一无所获，然后就被误判为"查不到记录"。
改用编码加市场的方式，召回率会高很多，而且能顺带发现一个更有价值的信息：这个客户所在市场的主要进口商有哪些，我们目前在谈的这一家在里面处于什么位置。这一步的信息量远超简单的"有没有记录"。
核查流程示例（字段与判断条件）
{
"step_1_identity": {
"input_fields": ["company_name", "website_domain", "email_domain"],
"check": "email_domain 与 website_domain 是否一致",
"on_mismatch": "标记待核验，权重 +8，不阻断流程"
},
"step_2_registry": {
"input_fields": ["company_name", "registered_country"],
"check": "工商登记名称与询盘署名是否指向同一主体",
"on_uncertain": "标记待核验，权重 +12"
},
"step_3_customs": {
"input_fields": ["hs_code", "target_market", "company_name"],
"method": "先按 HS 编码加市场拉取进口商名单，再做名称模糊匹配",
"on_match": "置信度 +20，标记为已验证主体",
"on_no_match": "不扣分，仅提示覆盖度可能不足"
},
"step_4_payment": {
"input_fields": ["contract_party", "payer_party", "consignee"],
"check": "三者是否一致",
"on_mismatch": "强制升级人工核验，权重 +30"
}
}
这段配置里最值得说的是 step_3 的 on_no_match 处理。查不到记录不扣分，只提示覆盖度可能不足，这一条我们改过三次，早期的版本是扣分，结果误伤了一批通过代理商采购的真实买家。
权重的确定过程是最容易被跳过的，也是最影响模型效果的。我们的做法是拿过去 18 个月的已结案线索做回归：把每条线索的各个信号作为自变量，"最终是否成交"和"是否发生过纠纷"作为因变量，看哪些信号真正有区分度。
结果和直觉有出入的地方不少。举两个例子："询盘文本长度"的区分度几乎为零，而"是否提到具体应用场景"的区分度很高；"邮箱是否为免费域名"的区分度是弱负相关，而"邮箱域名与官网域名是否一致"的区分度明显更强。
评分算出来之后，最重要的是把它和动作绑定。分数本身没有意义，分数对应的处置动作才有意义。我们的分层结构是这样的：
| 风险分层 | 分数区间（团队校准值） | 处置动作 | 负责人 |
|---|---|---|---|
| 低风险 | 0-29 | 进入正常销售流程，按标准节奏跟进 | 业务员 |
| 中风险 | 30-59 | 先执行需求追问清单，确认场景与采购角色后再推进报价 | 业务员 |
| 较高风险 | 60-79 | 完成主体交叉核验，核验通过后恢复标准流程 | 业务员 + 主管复核 |
| 高风险 | 80 以上 | 暂停报价，触发商务与财务联合核验，确认主体一致性 | 主管 + 财务 |
需要强调的是，这组分数区间是我们用自己的历史数据校准出来的，换一个团队、换一个行业、换一批渠道，最优阈值都会变化。直接照搬数字是这套方法里最容易犯的错误，因为它看起来最像"标准答案"。
方法论不能一刀切。团队规模、询盘量级、客单价高低都会影响你应该从哪里开始。下面按询盘量分四种情况给建议，你可以直接对照自己的位置。
这个量级下，业务员完全有能力逐条深度处理，上评分模型的投入产出比很低。你要做的是两件事：一是把每条线索的判断结论记下来，哪怕是手写；二是把成交和纠纷的结果回填到线索记录上。
目的不是当下提升效率，而是为将来积累校准数据。我见过不少团队在询盘量涨到 500 条时才想起来要建模型，结果发现自己没有任何历史数据可以用来定权重，只能拍脑袋。
这个区间是大多数中型外贸企业的位置，也是最容易出现"转化率突然下滑"的区间。优先做入口自动筛查和主体交叉核验，这两道闸门的投入产出比最高。
具体动作是把身份类和来源类字段补齐，配置基础的邮箱与重复提交校验，然后建立一个最简化的主体核验清单。意图判断和支付预警可以暂时靠人工经验，先跑起来再迭代。
到这个量级，没有评分模型会导致严重的注意力错配。这时候要做的第一件事不是设计规则，而是把过去 12 个月的已结案线索整理成训练样本，用真实数据去校准权重。
同时必须同步建立分层处置 SOP，明确每一层由谁负责、在多长时间内完成什么动作。规则和动作是两件事，很多团队做完规则就以为结束了，结果分数算出来了但没人按分数执行。
如果你同时跑五个以上渠道，优先做的其实是来源类的字段打标。因为渠道之间的线索质量差异，往往比线索个体之间的差异更值得关注。
打标完成之后，把线索评分结果按渠道维度汇总，你会得到一个非常直接的结论：哪个渠道带来的高分段线索占比最高，哪个渠道在持续生产低质线索。这个结论可以直接指导投放预算的调整。
高客单价场景下，单次误判的代价极高，因此核验的深度应该显著高于平均数。这时候可以引入更重的手段，比如通过第三方机构做主体背景调查、要求提供可验证的过往交易凭证等。
但要注意比例原则。核验要求本身也是一种成本，过重的核验流程会劝退真实买家。我的经验是把核验强度和订单金额挂钩，金额越大核验越深，而不是对所有线索一视同仁地加码。
所有的风控设计本质上都是取舍。没有一套规则能同时做到"不漏判、不误杀、响应快、成本低"。下面是我认为最需要提前想清楚的四个取舍。
提高准确率意味着收紧规则，收紧规则就会降低覆盖率，也就是误杀更多真客户。这个取舍没有标准答案，但有一个判断依据：看你所在行业单笔订单的利润率和复购率。
如果是高复购的标品行业，一次误杀可能损失的是一个长期客户，代价很高，规则应该偏宽松；如果是一次性项目型生意，误杀成本相对可控，规则可以收紧一些。我倾向于在不确定的情况下偏向宽松，因为漏判的损失是可见的，误杀的损失是不可见的。
自动化的边界应该设在哪里？我的原则是：自动化可以做标记和排序，但不能做淘汰决定。任何一条线索在被真正关闭之前，都应该至少经过一次人工确认。
这条原则听起来保守，但它避免了最坏的情况，一条高价值线索因为几个弱信号叠加而被系统静默丢弃，且没有人知道它曾经存在过。我们现在的做法是，所有被自动判定为高风险的线索都会进入一个专门的复核队列，哪怕只有被驳回才能关闭，也不会直接消失。
线索风控需要数据，但数据的采集和存储是有边界的。客户的邮箱、电话、沟通记录都涉及个人信息，跨境场景下还涉及数据出境的问题。
我的建议是把合规审查作为流程设计的前置条件，而不是事后的补丁。具体来说，在定义字段清单的时候就要明确每一个字段的收集目的、存储位置和保留期限。至于具体的法律要求，不同法域差异很大，我只做提示，这部分需要你们法务或外部合规顾问按实际情况确认，我不在文章里给具体结论。
外贸客户对响应速度非常敏感，尤其是首次接触。如果你花三天时间做主体核验，客户可能已经找了别家。这个矛盾很真实。
我们的解决方案是拆分响应动作：第一封回复在 2 小时内发出，内容是确认收到并追问需求细节，不涉及报价和承诺；核验动作在后台并行进行，核验通过后再进入正式报价环节。这样既保住了响应速度，也没有跳过核验。
| 取舍维度 | 偏向严格的一方 | 偏向宽松的一方 | 我的倾向 |
|---|---|---|---|
| 准确率 vs 覆盖率 | 一次性项目型生意 | 高复购标品生意 | 不确定时偏宽松 |
| 自动化 vs 人工 | 线索量极大且单价低 | 客单价高、客户数少 | 自动化只标记不淘汰 |
| 数据深度 vs 合规 | 法域要求明确的成熟团队 | 跨境多法域经营 | 合规审查前置 |
| 响应速度 vs 核验 | 标准化产品、竞争激烈 | 定制化产品、决策周期长 | 拆分响应与核验动作 |
前面七节讲的是"怎么筛"。这一节讲的是这套机制最有价值的副产品：线索评分结果本身就是一份渠道质量报告。它把风险排查从防守动作变成了进攻决策的依据。
投放部门最容易犯的错误是用询盘量作为渠道效果的主要指标。但询盘量是可以被低质流量撑起来的，真正能说明问题的是低风险分层线索的绝对数量，以及它们最终的成交转化率。
我们现在的渠道看板上有三个核心数字：该渠道带来的低风险线索占比、该渠道线索的平均评分、以及该渠道线索到成交的转化率。三个数字一起看，基本能判断这个渠道值不值得加预算。
2025 年初我们做了一轮渠道复盘，结果很反直觉。渠道 B 的月询盘量是渠道 A 的 2.3 倍，但 A 的低风险线索占比是 47%，B 只有 19%。按低风险线索的绝对数量算，A 反而比 B 高出 18%。
更关键的是转化数据：A 渠道线索的成交转化率是 6.1%，B 是 1.4%。我们把 B 的预算砍掉 60% 转投 A 之后，三个月内整体询盘量下降了 31%，但成交金额上升了 12%。这就是"用风险分层数据做投放决策"的实际效果，接受更少的线索，换更高的产出。
渠道质量分析最容易停留在"哪个渠道好"这层。要想让它真正指导决策，需要再往下拆一层：同一个渠道内部，不同关键词、不同落地页带来的线索质量是否一致。
我们做过一次拆解，发现 B 渠道里其实有一个关键词分组的表现相当不错，低风险线索占比达到 39%，但被同一渠道里几个泛词拖累了整体数据。如果只看到渠道层面的数据，这个关键词分组会被一起砍掉。
所以我的建议是，回流分析至少要拆到"渠道 × 关键词分组"这个粒度。这个工作量不大，但能避免因为颗粒度太粗而误伤有效的投放组合。
回到开头那个问题：询盘量涨了 210%，成交金额只涨了 34%。一年之后我们的答案是，问题从来不在线索质量，而在于判断标准散落在几个人的经验里，没有变成组织可以执行的流程。
这篇文章里最核心的三个判断，我想再强调一次。第一，风险排查的目标是分配注意力，不是抓骗子；第二，每条规则都要落到字段、权重、动作三层，缺一层就落不了地；第三，所有阈值都必须用自己的历史数据校准，任何看起来精确的通用数字都值得怀疑。
如果你准备开始做这件事，我建议的下一步不是立刻去平台上配规则，而是先花一周时间做一件看起来最笨的事：把过去 12 个月的线索导出成一张表，把成交结果和纠纷记录回填上去，然后统计一下你们自己的误杀率和漏判率。这两个数字会告诉你，当前最该优化的是哪一端。
等这张表做出来，你会发现很多原来争吵不休的判断分歧，其实都源于大家在看不同的数据。把数据统一之后，规则怎么定往往就不再是一个争论问题，而是一个计算问题。
我们公司刚开始用数据分析平台管询盘，老板让我先把'明显有问题'的线索自动标出来，可我面对几十个字段完全不知道从哪下手。我又怕规则设太严把真客户筛掉了，业务员肯定要来找我吵架。
适合做自动初筛的是那些'零人工成本、可批量判断、且误判代价低'的字段，核心原则是只做标记不做淘汰。具体可以盯这几类：一是来源渠道标识，看这条线索是从展会、平台、官网表单还是群发邮件进来的，群发渠道的历史纠纷率通常更高；
二是提交行为特征，比如同一IP或同一邮箱短时间内重复提交、询盘正文里带大量无关链接、表单必填项填得极敷衍；三是邮箱有效性，不是看免费还是企业邮箱，而是看这个邮箱是否真实可达、是否与历史黑名单库重合。
这里有个我踩过的坑：早期我把'免费邮箱'直接设成高风险自动降权，结果误伤了好几个用Gmail沟通的欧美小买家，他们本身就是SOHO采购，用个人邮箱很正常。后来我把规则改成'免费邮箱+询盘内容泛化+来源渠道为群发'三者同时命中才提升风险等级，误报率立刻降下来。
判断依据很简单：单一字段永远只是加权项，组合命中才有意义。你要做的是在平台里给这些字段打上标签，让系统输出一个风险提示，而不是直接决定这条线索的去留，最终判断权必须留给人。
我做机械配件外贸，习惯在数据平台里查客户的进口海关数据，但最近遇到一个中东客户，怎么查都查不到记录，业务员说对方量挺大的不像假的。我到底该不该继续跟？会不会是我查数据的方法不对？
查不到进口记录绝对不能推导出'这家公司不存在'或'这个客户有问题'，这是外贸风控里最容易被误用的一个判断。原因有几个：一是海关数据的公开程度、覆盖国别和更新频率差异极大，很多国家和地区的进口数据本身就不对外公开，或者只覆盖海运不覆盖陆运和空运；
二是行业差异，大宗原材料、标准品的进口记录容易查，但定制件、小批量、样品单、通过贸易商中转的采购往往不会以终端客户名义出现在数据里；三是时间差，数据更新有滞后，新建立的采购关系可能半年内都查不到。我的做法是把进口数据当作'验证维度之一'而不是'准入闸门'。
查得到记录，可以作为加分项，说明对方有真实采购行为；查不到，就转去用其他维度交叉验证：公司主体是否能在当地工商注册系统查到、官网和社媒主页是否持续更新、地址和联系电话是否一致、对方能否给出具体的应用场景和技术规格要求。如果这些维度都能对上，查不到海关数据完全不影响继续推进。
真正的风险信号不是'查不到记录'，而是'什么信息都含糊其辞、什么验证都不配合'。
我们想给询盘做一套打分机制，网上搜到的评分表都是'低于60分就是垃圾线索'这种，我照着抄了一版，结果业务部门完全不认，说跟他们实际经验对不上。我该怎么定这套权重才不会被吐槽是拍脑袋？
权重和阈值的唯一可靠来源是你自己的历史数据，任何从网上抄来的数字都不可信，因为行业、客单价、目标市场完全不同。具体做法是三步：第一步，把过去12到24个月的成交线索和纠纷/无效线索拉出来，做成两个对照组；
第二步，把你能拿到的字段逐一比对这两组，看哪些字段在两组之间有显著差异，比如'是否提及具体规格'在成交组里出现频率远高于纠纷组，那它就是个强特征，权重就该高；第三步，用这些特征反向给历史线索打分，看分数分布能否把两组区分开，区分度不够就调整权重，直到模型能解释你已知的结果。
阈值不要一次定死，我的经验是先按分数把线索分成高、中、低三段，先跑三个月，观察每一段里实际成交和出问题的比例，再回头校准分界线。特别注意一点：阈值本身是动态的，旺季询盘量大、群发比例高的时候，同一个分数的含义可能和淡季不一样，所以最好按渠道或按时间段分别设定，而不是全公司用一条线。
最后提醒，评分模型不是用来替业务员做决定的，是用来帮他们排优先级，高分先跟、低分慢跟或转自动培育，人工判断始终在最后一环。
我们主管要求每条询盘都要过一遍风险核验，但业务员抱怨说光查资料就花掉半天，真有意的客户等回复等得都凉了。我也担心万一哪个环节没查仔细，放进来一个骗子，责任算谁的。这个度到底怎么把握？
这个问题本质是漏判成本和误判成本的权衡，而这两者不对称：误杀一个真客户的损失，通常远高于放过一个假线索。因为真客户被冷落或反复盘问，很可能直接转投竞争对手，损失是确定的；而假线索大多会在后续报价、寄样、付款环节自然暴露，那时候止损成本并不高。
所以我的判断原则是：把高成本的人工核验，只留给高价值或高风险信号同时出现的线索。具体怎么落地？先按线索金额预期和风险评分做二维分层，预期订单大、风险分也高的，值得花时间深挖主体和付款方式；预期订单小、风险分低的，直接进正常流程快速响应；预期订单大但风险分低的，正常跟但设几个关键节点检查；
预期订单小但风险分高的，批量用模板回复试探，不投入人工。核验动作本身也要控制时间预算，比如第一轮主体核验给自己设15分钟上限，查主体、官网、地址一致性，过了就推进，卡住了再升级。另外要把核验节点前置到报价和寄样之前，而不是在客户刚进来就全部查一遍，因为这时候信息最少、判断最容易出错。
至于责任问题，靠制度解决，把'按SOP执行了核验动作'作为免责依据，而不是要求业务员保证百分之百不出错，否则没人敢放行任何线索。
读者评论
文章把风险排查定位成注意力分配而非抓骗子，这点很戳中我。我们团队也是询盘暴增后转化率反而跌，一直以为是渠道质量问题，其实是没人管优先级。
四道闸门的顺序设计很实用，先机器后人工按成本排列。但入口级筛查说降权不淘汰，实际配置时阈值定多少合适？定高了误杀，定低了没效果，这个平衡点不好找。
误杀成本的瀑布图让我重新算了笔账。之前风控只盯着别放过坏人，从没算过错杀真客户的代价。不过92万的误杀机会成本是推演值，实际业务里很难精确归因。