AO2 FIELD GUIDE · N108 · B2B 商機與客戶培育
商機評分準備度先確認要排序的工作、可用資料與接手容量，再區分需求適配及互動。附評分必要性檢查與小樣本回看表，不提供通用加分模型，不讓點擊熱度抵掉不適用條件。
名單很多，就需要一套分數嗎？如果分完之後沒有不同動作，或資料還在猜，評分只會多一個看似精確的欄位。先說清楚要幫誰決定哪個工作，再確認規則和資料是否能支持。
商機評分準備度，從需要分流的決定開始
列出目前無法及時處理的工作：要先補資料、先回覆哪類需求，或何時交給業務。若名單量可由清楚狀態與責任處理，先做基本分流可能足夠。評分不是 CRM 上線的必備裝飾，也不能代替產品適配、聯繫期待與必要專業確認；每個分數區間都應對應可執行的下一步。
沒有不同的後續動作，就沒有必要先做複雜分數。本篇評估是否值得開始，欄位定義與自動化實作另有指南。以 HubSpot 的評分工具為例，官方區分互動及適配；這是平台能力說明，不代表每家企業都要購買該功能，也不能將供應商範例分數直接套在自己的客戶。
白話例子：叫號順序要幫人辦事，不是比誰按鈴多
假想工業零件供應商有一位常看網站、需求卻不在供應範圍的訪客，另一位只來一次但已提供明確型號與評估問題。若點擊多就高分，可能讓前者一直排在前面。這像櫃台按鈴次數多就先辦，卻不看是否備齊文件及該到哪個窗口，排序反而妨礙工作。
按鈴對應互動，窗口適配對應能否服務，文件則是必要背景。這是假想分流例子，不是依個人價值排序，也不適用於醫療或其他需要專業規則的高影響決定。商機分數應輔助團隊處理工作，仍保留人工覆核與修正，不因低互動就讓合適需求永久沒有接手機會。
先確認資料能被信任，再討論權重
把來源、更新頻率、未知及取得方式列進欄位字典。需求類別、產品範圍和已確認條件通常比模糊的熱度更能解釋下一步；行為事件則要先核對是否重複、由工具造成或不能代表本人意願。缺少資料應有待補狀態，不用預設零分把未知變成不適合，也不以推測的公司資訊代替客戶確認。
規則先分必要條件與偏好。若明確不在供應範圍，不能靠許多次瀏覽把門檻抵掉；若只是條件未知，則引導補問而不是直接淘汰。不同產品與市場可能需要不同適配判準，先選一個範圍試行，不把同一套權重套給全部團隊。數字越細不代表資料或判斷越準確。
| 問題 | 可開始的證據 | 若沒有先做什麼 |
|---|---|---|
| 要改變哪個動作 | 不同分類有不同工作 | 先定接手與補問 |
| 資料能否判讀 | 來源、未知及更新清楚 | 先補欄位字典 |
| 規則是否適用 | 必要條件與偏好分開 | 先用簡單條件分流 |
| 分流後誰處理 | 窗口、人力與回查具體 | 先處理積壓責任 |
用歷史及假想邊界題檢查規則
挑有明確後續紀錄的案例，另加入合適但互動少、不適合卻互動多、資料未知、重複需求及暫緩等情境，逐筆說明為何分到該類。保留資料不足或結果尚未成熟的紀錄，不把它們當成已證明失敗。先讓業務及行銷看懂規則如何影響工作，再考慮是否需要數值化。
若試行排序漏掉合適需求，查門檻、資料與後續動作，而不是直接調高某事件權重直到結果漂亮。回測也要包含不同時間或新需求，避免只把已知道結果的少數案例背進規則。尚無足夠樣本時可先用簡單條件分流，記錄不確定性，不宣稱模型能準確預測成交機率。
上線後觀察分流品質及工作容量
確認高優先項目有人能接，低優先及待補資料也有合適路徑，否則評分只是把積壓換一種順序。記錄覆核、調整理由、規則版本與接手結果，定期回看漏接及不必要升級。規則修改可能改變大量既有名單的分類，先檢查相關通知或流程，不讓分數更新引起無預期的重複聯繫。
好的分流能說明原因、允許修正，並接到實際負責的人。以完成必要確認與合理處理需求作驗收，而不是追求高分名單越多。若排序沒有改善工作，縮回狀態與責任管理也可以；工具與分數應服務業務流程，不用一直增加條件來維持一套沒有用途的模型。
| 邊界題 | 應檢查的判斷 | 避免的錯誤 |
|---|---|---|
| 高互動但不適用 | 範圍門檻有無保留 | 熱度抵掉必要條件 |
| 低互動但需求清楚 | 能否進入合理接手 | 把少看頁面當低價值 |
| 資料未知 | 是否補問並保留未知 | 預設零分直接淘汰 |
| 規則修改 | 理由、版本及流程影響 | 觸發重複通知或聯繫 |
常見問題
名單多少筆就應該做評分？
沒有通用筆數。先看處理容量、任務差異、資料可用性，以及評分後會不會有不同動作。少量但複雜需求可能需要清楚分流，大量但規則簡單也可能用狀態管理足夠。把實際卡點寫出來，先以一個產品範圍試行，不能因 CRM 有這個功能，就認為一定要建立數值模型。
可以用開信、下載與瀏覽直接加分嗎？
可作輔助互動訊號，但先確認事件可信度與用途，並和需求適配分開。行為可能重複、來自工具或不能代表採購意願，不能抵掉供應範圍等必要條件。保留未知、補問及人工覆核，回查分類是否幫助工作。供應商的事件與分數範例是功能示意，不是適合所有企業的成交規則。
要直接用 AI 預測成交嗎？
先確認資料量、結果定義、成熟度及實際決策用途。缺少可核對結果時，AI 也不能替資料補出可靠答案。可先用透明條件分流，記錄漏接與覆核，再評估更複雜方法的價值。無論哪種方式，都應說明限制、可修正路徑與接手責任，不把一個分數當成已驗證的成交機率或個人價值。
白話總結：叫號要幫人辦完事，不比誰按鈴多
先定後續動作和適用條件，確認資料，再試行可說明、可覆核的分流。
- 定動作：說清不同需求由誰先做什麼，確認基本狀態是否已足夠。
- 查資料：區分適配、互動與未知，必要門檻不讓加分抵掉。
- 試規則：走邊界題與新需求，檢查漏接、容量與版本影響。
完成條件：每個分類都有可解釋理由與實際接手，合適需求不因少互動被漏掉，錯誤也能被修正。
來源與方法範圍
資料查核：2026 年 10 月 24 日。來源支持文中對應的準則與平台說明；工作表、判斷步驟及已標示的假想情境由 AO2 整理，實際使用時依產品資料與現行設定核對。
