浅念
21 KiB
客户画像与销售转化实施方案
适用项目：自研多语言 CMS、客户旅程与运营智能系统
版本：V1.0｜日期：2026-09-11
目标：把经过授权的客户行为转化为业务人员可理解、可执行、可复盘的订单机会。
1. 总体结论
客户行为数据只有走完下面的闭环，才能帮助业务产生订单：
行为采集 → 身份识别 → Person / Account 统一画像
→ 匹配度、互动度、购买意向、购买阶段
→ 决策角色与商机识别 → 推荐下一步动作
→ 分配业务人员与响应 SLA → 跟进、报价、订单
→ 赢单/输单结果回流 → 校准画像、评分和运营策略
建议新增“客户洞察与销售工作台”。它不只是线索列表，而要每天回答：
- 今天最应该跟进哪些客户或企业？
- 为什么是他们，证据是什么？
- 他们可能对什么产品和问题感兴趣？
- 目前处于了解、考虑、比较还是购买阶段？
- 企业中还有谁参与决策，缺少哪个角色？
- 应通过什么方式、提供什么内容、询问什么问题？
- 跟进后是否形成商机、报价和订单？
2. 可行动客户画像
画像不是“高端客户”“有钱”“急需”等无法验证的标签。画像必须由事实、推导规则、来源和置信度组成。
2.1 七层画像
| 层次 | 回答的问题 | 主要数据 |
|---|---|---|
| 身份 | 他是谁、来自哪个企业？ | anonymous_id、person_id、account_id、身份关系证据 |
| 基本匹配 | 是否属于目标客户？ | 国家、行业、规模、职位、区域、产品适用性 |
| 行为兴趣 | 最近关注什么？ | 页面、主题、下载、站内搜索、CTA、语言 |
| 互动强度 | 参与多深、多频繁？ | 访问天数、Session、阅读、回访、表单、邮件互动 |
| 购买意向 | 是否出现采购信号？ | 价格、对比、集成、实施、案例、咨询、多人访问 |
| 购买阶段 | 目前处在哪个阶段？ | 触点组合、趋势、销售反馈、商机状态 |
| 商业关系 | 谁跟进、机会多大、是否成交？ | Owner、任务、商机、报价、订单、赢单/输单 |
2.2 画像字段必须可追溯
每个 Trait 保存：字段值、数据来源、原始证据、更新时间、确定/推测、置信度、有效期、允许用途和人工确认状态。
兴趣主题：ERP 集成
类型：推导属性
证据：30 天内访问 4 次集成文档、下载 ERP 指南
置信度：高
允许用途：销售准备、站内个性化
不能把“浏览过安全白皮书”直接写成“此人是安全负责人”；只能生成带置信度的角色候选。
3. Person 与 Account 双层画像
3.1 Person 画像
- 姓名、工作邮箱、电话——仅限有权限人员；
- 职位、部门、职级和可能角色；
- 国家、语言和时区；
- 首次来源、最近来源、访问日和 Session；
- 内容主题、产品兴趣和关键转化；
- Fit、Engagement、Intent；
- 生命周期、负责人、任务、联系偏好和 consent；
- 关联 Account、Opportunity 和订单。
3.2 Account 画像
B2B 订单往往由多人决定，因此企业画像是主视角：
- 企业、域名、国家、行业、规模和业务类型；
- 适配产品和目标客群；
- 已识别联系人及聚合活动；
- 企业整体兴趣、活动趋势和产品线；
- Account Fit、Intent、Reach、购买阶段；
- Buying Committee 覆盖；
- Owner、历史商机、订单、竞争与风险。
3.3 B2C 适配
若业务属于 B2C，则以 Person 为主；Account 可以关闭或用于家庭/组织关系，保留生命周期、机会和订单闭环。
4. 调研理念的自研转化
HubSpot 将基于属性的 Fit 与基于行为的 Engagement 分开，用于联系人、公司和交易资格判断。HubSpot Lead Scoring
Salesforce Einstein 从历史转化中寻找共同特征，对当前 Lead 排序，并展示影响评分的因素。Salesforce Einstein Lead Scoring
6sense 将 Account Profile Fit、Intent、Reach 和 Buying Stage 分开，并按 Target、Awareness、Consideration、Decision、Purchase 观察企业阶段。6sense Scores Overview、6sense Buying Stages
Segment 的统一 Profile 思想把身份、事件、Traits 和 Audiences 放入同一客户上下文。Twilio Segment Personas
我们的自研系统吸收这些思想，但不购买它们作为核心平台：身份图、评分规则、客户画像、销售反馈和订单结果全部由自有系统掌握。
5. 四类评分必须分开
5.1 Fit Score：是否适合
依据相对稳定的属性：国家、行业、规模、区域、技术场景、职位、产品适配性和排除对象。
目标国家 +15
目标行业 +20
员工规模 100～1000 +15
决策/技术/采购角色 +10
明确适配 Product A +20
个人邮箱且无企业信息 -10
竞争对手、供应商或求职者 -30
5.2 Engagement Score：互动强度
30 天内 2 个以上访问日 +8
有效阅读超过 90 秒 +3
再次回访 +8
下载资料 +10
活动参与 +12
回复业务邮件 +15
30 天无活动 -10
90 天无活动 -25
使用时间衰减，避免一年前的行为长期保持高分。
5.3 Intent Score：购买意向
查看价格页 +15
查看产品对比 +15
查看实施、迁移或集成文档 +12
查看客户案例 +8
多次查看同一产品 +10
提交咨询或演示申请 +30
同一企业多人关注同一产品 +15
只查看新闻或招聘 0
访问次数不等于购买意向，必须根据内容语义和行为组合判断。
5.4 Reach Score：业务触达状态
综合负责人分配、SLA、最近联系、回复、内容匹配、购买角色覆盖和过度触达风险。Reach 不是联系次数越多越高；频繁无回复可能表示需要降频。
5.5 行动矩阵
| Fit | Intent | Reach | 推荐动作 |
|---|---|---|---|
| 高 | 高 | 低 | 立即分配销售，个性化联系 |
| 高 | 高 | 高 | 推进商机、补齐决策角色、处理障碍 |
| 高 | 中 | 低 | 提供相关案例，持续观察 |
| 高 | 低 | 任意 | 长期培育，不占用销售时间 |
| 低 | 高 | 低 | 先做资格核实 |
| 任意 | 下降 | 高 | 减少触达，调查失去兴趣或体验问题 |
界面可显示 Priority Rank，但必须同时展示四个子分及其影响因素，不能只给一个神秘总分。
6. 购买阶段
| 阶段 | 客户表现 | 内容/运营动作 | 业务动作 |
|---|---|---|---|
| Target | 符合 ICP，无明显行为 | 品牌和基础内容 | 暂不人工联系 |
| Awareness | 浏览问题类内容 | 教育、趋势内容 | 轻量观察 |
| Consideration | 产品、方案、案例回访 | 指南、案例、比较 | 资格判断、理解场景 |
| Decision | 价格、集成、实施、多人参与 | ROI、实施和风险材料 | 演示、方案、角色覆盖 |
| Purchase | 咨询、报价、合同、采购 | 成交支持 | 商务、法务和采购推进 |
同时保存三种状态：
inferred_stage：网站行为推断；sales_confirmed_stage：业务确认；opportunity_stage：正式商机阶段。
阶段可以后退。长期无活动、明确输单或暂不采购，应进入 Nurture、Dormant 或 Closed Lost，不应永远保持高意向。
7. 生命周期与订单漏斗
Anonymous Visitor → Identified Lead → Engaged Lead
→ MQL → SAL → SQL → Opportunity
→ Proposal / Quote → Negotiation → Closed Won / Order
└→ Closed Lost / Nurture
| 转换 | 最低门槛 |
|---|---|
| Anonymous → Identified | 表单、登录或其他确定性身份 |
| Identified → MQL | Fit + Intent 达标，排除垃圾和不合规联系人 |
| MQL → SAL | 已分配且销售在 SLA 内接受 |
| SAL → SQL | 销售确认需求、角色和基本资格 |
| SQL → Opportunity | 明确产品、预计金额、时间和下一步 |
| Opportunity → Quote | 形成可交付方案与商业条件 |
| Quote → Won | 合同或订单确认，并保存订单结果 |
这些门槛按产品、区域和业务线配置。
7.1 销售反馈必须回流
业务人员至少反馈：接受/拒绝线索、无效原因、真实需求、采购时间、联系人角色、当前障碍、商机创建、赢单/输单原因、订单金额和建议是否有帮助。
没有最终结果标签，系统只能优化访问和表单数量，无法优化真正的订单。
8. Buying Committee
| 角色 | 典型关注 | 证据来源 |
|---|---|---|
| 发起人/使用者 | 功能、流程、易用性 | 产品页、教程、试用 |
| 技术评估者 | API、安全、集成、部署 | 技术文档、安全白皮书 |
| 经济决策者 | ROI、价格、风险 | 价格、案例、ROI 内容 |
| 采购/法务 | 合同、条款、合规 | 条款、安全、采购资料 |
| Champion | 内部推动和主动沟通 | 深度互动及销售确认 |
| 阻碍者 | 风险、替代方案、无响应 | 主要来自销售反馈 |
Account A：Decision 阶段
已识别：使用者 2、技术评估者 1
缺失：经济决策者、采购/法务
建议：请 Champion 引荐预算负责人，并发送 ROI 案例
角色推断必须标记“推测”，由客户陈述、CRM 或业务人员确认后才升级为确定值。
9. 业务人员工作台
9.1 今日优先客户
默认按可行动价值排序，而不是简单按最新线索排序：
优先级 = Fit × Intent × 时间紧迫度 × 可触达性 × 预计价值
- 数据不确定性 - 过度触达风险 - 排除项
卡片展示 Person/Account、行业与区域、购买阶段、四类评分、最近变化、前三个原因、关键轨迹、Owner、SLA 和推荐动作。
9.2 Customer 360 页面
顶部：客户/企业、购买阶段、Owner、优先级、下一步
左侧：基本资料、Fit、关系、Consent
中间：跨天轨迹、兴趣主题、阶段变化、商机
右侧：热门原因、推荐动作、相关内容、待办
底部：联系人、Buying Committee、沟通、报价与订单
9.3 “为什么现在联系”示例
建议今天联系 Account A
原因：
1. 目标制造业客户，Fit 86
2. 7 天内访问 4 次，Intent 从 52 升至 78
3. 两位联系人分别查看集成文档和价格页
4. 尚未有效联系，Reach 18
建议：德国区销售 4 小时内联系已留资的技术负责人，
先确认 ERP 集成环境，并发送相关案例。
9.4 销售准备包
- 30 秒客户摘要；
- 最近兴趣、产品和问题；
- 建议的发现式问题；
- 适合发送的案例或实施资料；
- 决策角色缺口；
- 已发送内容，避免重复；
- 风险和不确定信息；
- 邮件/电话提纲草稿。
10. Next Best Action
每个动作建议包含：对象、触发原因、事件证据、推荐渠道、内容、时机、SLA、推进目标、风险、审批和效果评价窗口。
可以自动：
- 创建线索和任务；
- 按区域、产品、行业分配 Owner；
- 提醒响应 SLA；
- 准备摘要和联系草稿；
- 推荐内容；
- 更新可解释的分数和阶段候选；
- 在 consent 允许时加入培育分群。
默认人工确认：
- 发送个性化销售邮件；
- 自动拨打或频繁触达；
- 修改正式商机阶段；
- 报价、折扣和合同；
- 将推测身份/角色写成事实；
- 任何对客户有重大影响的自动决定。
11. 让 CMS 内容参与销售
每篇内容增加结构化字段：
product_ids、solution_ids、industry_ids；persona_roles、buying_stage；topic_ids、pain_point_ids；- 内容类型、语言、地区；
- CTA 和预期下一步。
这样系统才能判断客户关注的产品、问题与阶段，并推荐下一条合适内容。
推荐原则：不重复推荐已深度阅读内容；优先提供推动到下一阶段的材料；适配语言、地区、行业和产品；显示推荐原因；证据不足时不假装了解客户。
12. 数据模型
| 对象/表 | 作用 |
|---|---|
profile_traits |
值、来源、置信度、有效期、用途 |
topic_affinities |
Person/Account 主题兴趣 |
product_interests |
产品兴趣、证据和趋势 |
score_definitions |
四类评分规则版本 |
score_snapshots |
对象、分数、版本和数据截止点 |
score_factors |
每次得分的正负因素 |
buying_stage_transitions |
推断/确认阶段及原因 |
segments / segment_memberships |
分群定义及历史归属 |
buying_committee_members |
角色、证据和确认状态 |
lead_assignments |
Owner、规则、SLA、接受状态 |
sales_activities |
电话、邮件、会议、回复和结果 |
opportunities |
产品、金额、阶段和预计日期 |
opportunity_contacts |
商机中的联系人角色 |
quotes |
报价版本和状态 |
orders |
成交、金额、币种和产品 |
action_proposals |
推荐动作、证据和审批 |
sales_feedback |
有效性、需求、输单和建议评价 |
分数必须版本化，确保以后能解释“当时为什么把这个客户排在第一”。
13. 从规则评分到预测模型
13.1 冷启动使用规则
规则模型上线快、容易解释、便于销售纠正，也不依赖大量历史订单。
13.2 数据成熟后再训练模型
预测目标可以包括 Lead→SQL、SQL→Opportunity、Opportunity→Won、预计成交时间和产品兴趣。训练只使用预测当时能获得的数据，避免把成交后的字段泄漏进去。
Salesforce 对自身行为评分的说明也体现了数据量门槛，例如建议至少约 6 个月互动数据及一定数量的机会关联样本。Salesforce Behavior Scoring Considerations
13.3 评估标准
- Top 10%/20% 排名中的真实成交提升；
- Precision、Recall、PR-AUC 和概率校准；
- 不同国家、语言、产品的稳定性；
- 数据和行为漂移；
- 与规则基线及销售人工排序比较；
- 是否提升真实订单，而不只是预测容易成交者。
模型先以“影子评分”运行，不直接影响分配；确认产生增量价值后再逐步启用。
14. 典型销售 Playbook
高 Fit、高 Intent、新线索
Fit、Intent 达标且允许业务联系
→ 去重并检查已有 Owner/Opportunity
→ 按区域和产品分配
→ 生成摘要、证据和建议问题
→ 创建 4 小时 SLA 任务
→ 未接受则升级
→ 联系结果回流并调整阶段
高 Fit 匿名 Account 升温
显示为企业机会，不声称识别个人；运营优化相关内容和转化入口，出现确定性联系人后再交给销售。
进行中商机再次高频访问
通知 Owner，显示新关注主题和可能角色，建议补充技术、安全、ROI 或采购材料，由销售确认是否推进阶段。
报价后意向下降
检查角色缺口、价格障碍和过度触达；提醒更新下一步。没有真实进展则进入 Nurture，避免形成虚假 Pipeline。
老客户出现新产品兴趣
生成 Cross-sell 候选，先交现有客户负责人确认，再追踪是否形成新的 Opportunity 和 Order。
15. AI 销售助手
AI 可以准备客户摘要、意向变化解释、发现式问题、案例推荐、跟进草稿、会前准备和商机风险。
回答必须写成：
购买意向较高（Intent 78，规则 V3）
主要因素：7 天内两次价格页、三次集成文档、一次演示申请
数据截止：2026-09-11 08:30 CST
身份：确定性；Account 关系：人工确认
禁止根据敏感属性推断购买力或人格；禁止编造预算、权限或个人偏好；禁止未经允许自动发消息；禁止用匿名行为声称识别具体自然人；禁止自动承诺价格、折扣或合同。
16. 分阶段实施
S0：销售流程和订单定义（2 周）
定义 ICP、产品线、排除对象、MQL/SQL/Opportunity/Won、输赢原因、SLA、Person/Account 字段和权限，完成工作台原型。
验收：市场与销售共同签署生命周期、字段和 SLA。
S1：统一画像与规则评分（3～4 周）
建立 Trait、内容语义、Person/Account 360、四类评分、因素解释和版本；用历史客户人工回放。
验收：所有高分都有证据，销售可以纠正属性和误判。
S2：销售工作台与线索流转（3～4 周）
建设今日优先列表、分配、接受/拒绝、SLA、生命周期、Opportunity 最小模块、Next Best Action 和销售反馈。
验收：一个 Web Lead 可以走到 Won/Lost，并回溯轨迹和动作。
S3：Account、决策小组与收入闭环（3～5 周）
聚合 Account 行为、Buying Committee、销售 Playbook、内容推荐、报价/订单对接和收入归因。
验收：可识别高价值 Account、角色缺口和下一步，订单结果反哺评分。
S4：预测模型与 AI（数据成熟后，5～8 周起）
审计标签，建立规则基线，训练模型，运行影子评分，评估增量价值，达标后逐步启用。
跨天轨迹底座完成后，规则画像与销售工作台 MVP 约需 8～12 周；Account、Buying Committee 与收入闭环通常再需 4～8 周。预测模型以数据质量为门槛，不按固定日期强行上线。
17. 验收指标
数据和画像
- 已识别 Lead 的留资前轨迹覆盖率；
- Person→Account 可靠关联率；
- 画像字段来源完整率；
- 身份冲突和人工纠正率；
- 内容主题与产品标签覆盖率。
业务效率
- 高优线索分配耗时；
- 首次响应时间和 SLA 达标率；
- Customer 360 使用率；
- 无效线索处理时间；
- 推荐动作接受率和完成率。
漏斗和订单
- Identified→MQL→SAL→SQL→Opportunity→Won；
- 平均成交周期和订单金额；
- Pipeline Velocity；
- 各 Fit/Intent 分层的赢单率；
- 网站、内容、SEO、广告和语言影响的 Pipeline/Revenue。
成功标准不是画像字段很多，而是响应更快、无效工作更少、有效商机更多，并且赢单率或成交速度获得可验证提升。
18. 风险控制
| 风险 | 控制 |
|---|---|
| 把新闻读者当买家 | Engagement 与 Intent 分开 |
| 忽略多人决策 | Account + Buying Committee |
| 神秘总分 | 四类评分 + 因素 + 版本 |
| 旧行为长期污染 | 时间衰减和有效窗口 |
| 没有销售反馈 | 强制结果与原因回流 |
| 小样本预测 | 规则先行、影子评估 |
| 推测被写成事实 | 来源、置信度、确认状态 |
| 过度触达 | Reach、频控、Consent、审批 |
| 只优化表单数量 | 以 SQL、Opportunity、Won 为目标 |
| 销售不采用 | 嵌入每日列表、任务和 SLA |
19. 最终建议
先让跨天轨迹和身份可靠
→ 建立 Person / Account 统一画像
→ 分开计算 Fit、Engagement、Intent、Reach
→ 建立购买阶段、优先列表和销售 SLA
→ 打通 Opportunity、Quote 和 Order
→ 最后用真实赢单数据训练模型和 AI
网站帮助产生订单的关键，不是收集最多的数据，而是让每一项数据都能回答一个业务问题、推动一个正确动作，并用最终订单结果证明动作是否有效。