AI销售线索分配系统上线半年即遭弃用：公平算法为何不敌人性博弈？

近期，在我参与的创业项目“空气小猪”的下一轮迭代中，产品设计耗费了大量心神，以至于没有充裕时间撰写长篇内容。

翻看旧日素材，决定将去年一个电话销售项目中的某个功能片段——“销售线索自动分配”拿出来探讨。该功能上线后曾一度体现出显著的业务价值。

事实上，在电销业务模块中，人工智能有着多样化的应用场景，例如之前提及的AI客服系统（相关案例可参考过往文章）。而本次介绍的销售线索自动分配功能，虽然只是庞大线索管理体系中的一个子模块，但在上线之前，其所关联的问题却相当棘手。

线索分配的核心矛盾

去年，我曾实际为三家规模不等的电销业务团队提供支持，其客服人员数量在50至300人之间。他们的业务模式非常典型，遵循着标准的广告投放引流逻辑。

作为一名拥有多年经验的产品研发管理者，若被问及所有团队中最难管理的是哪一类，我会毫不犹豫地回答：销售团队。这个群体往往想法复杂，个人主义色彩浓厚。

他们有时会过于自信，甚至认为公司的全部业绩都归功于其个人能力，从而可能表现出傲慢与自大。然而，电销业务的核心本质在于流量运营。整个广告投放流程及各种流量获取技巧至关重要，它们直接决定了销售线索的数量与质量。

获取线索之后，紧接着便会面临另一个关键问题：分配。这不仅仅是任务的派发，在更深层次上，这近乎是利益的分配。因此，销售团队内部及团队之间常常因此产生冲突。

一个销售小组，多则20人，少则5人。争斗首先会在小组之间爆发，其次蔓延至组内成员之间。其核心矛盾点始终围绕着一个命题：线索分配是否公平。

这些销售深谙“会哭的孩子有奶吃”的原则。那么，真实的线索分配在小组层面是否公平呢？

答案是：当然不公平！ 同样分配给两个小组各25条线索，其中一个小组获得的线索质量可能远高于另一组。这其中的操作空间和潜在因素非常复杂。

于是便出现了经典的局面：忙的忙死，闲的闲死；旱的旱死，涝的涝死。

管理层并非没有意识到这种内耗，但“有人的地方就有江湖”，情感因素和人为操作始终存在，使得这个问题一直悬而未决，偶尔还会变得异常尖锐。正因如此，AI线索自动分配系统的构想应运而生。

要实现这个功能，其难点与人工智能技术本身关系不大。撇开复杂的管理学问题，其核心在于分配策略的设计。

系统在设计之初就必须规避人为分配线索的环节，实现 “线索主动寻找团队、寻找销售” 的机制。从根源上杜绝销售人员争抢线索的可能性。即便出现问题，也属于系统策略层面的调整，而非个人矛盾。

所有这类项目的实施大致可分为三步：建立数据模型、构建分配流程、设置提醒机制。看起来步骤清晰，实际执行起来却也绝不简单。

线索建模：自动分配的基石

在销售自动化系统中，线索建模是实现自动分配的逻辑基础。

线索评分旨在对各个潜在客户线索进行相对客观的价值排序，帮助企业识别高质量线索。换言之，优质的线索往往拥有更高的成单概率。这不仅对销售端有益，对广告投放端也具有重要指导意义。因此，对线索进行建模分析是必不可少的环节。

曾有在Oracle工作的同行提及，他们的销售体系会强调基于潜在客户的匹配度和意向等级对线索进行打分，以此实现更高的成本效益。

要进行有效的线索建模，首要任务是对线索来源进行分类并评估其优先级。

常见的线索来源包括：官网主动注册留资、电话主动咨询、抖音广告点击、小红书内容触达、线下地推扫码等。不同来源的线索在意向度特征、数据完整度、最终转化概率等方面存在显著差异。我们可以依据这些维度，为每一类线索赋予不同的初始评分或权重。

注：由于涉及公司具体实践项目，真实的完整建模数据在此不便展示。以下示例旨在提供一种类似的评估思路供大家感受。

一、官网主动留资 用户主动通过官网表单提交个人信息，通常显示出较强的购买意向。所填写的信息（如姓名、电话、具体需求等）也较为完整，转化概率相对较高，因此评分应位于前列。

二、电话主动咨询 用户直接拨打电话进行咨询，其意向度通常极高（近乎于准客户状态），转化潜力最大，可考虑赋予满分或接近满分的评分。

三、地推扫码 用户在推广活动现场主动扫码报名留资，意向度一般较高（毕竟是主动参与），但所留数据可能不如线上表单填写得完整，因此评分可略低于上述两种来源。

四、小红书内容触达 用户通过浏览小红书平台的内容或广告点击了解到产品，意向度属于中上水平。该平台用户质量相对较好，互动深度也较高（用户需要主动浏览内容后决定是否咨询），故评分可设定在中位偏上。

据统计，小红书广告带来的线索很多源于用户的主动搜索，意图明确，其转化率显著高于一般的信息流广告。

实践表明，对于面向消费者（2C）的产品，小红书是目前非常优质的渠道之一。

……

线索来源	意向度	数据完整度	转化概率	评分(1-10)
官网主动留资	高	高	高	9
电话主动咨询	最高	高	最高	10
地推扫码	中高	中	中高	8
小红书内容触达	中上	中	中	6
抖音广告点击	中	中	低	5

从线索模型到销售分配逻辑

建立线索评分模型后，便可以依据分数高低来制定具体的分配规则。

高评分线索意味着用户意向强烈、资料完善、转化可能性大，通常交由销售冠军或资深销售跟进。这其实符合行业普遍认知：80%的订单往往由20%的顶级销售创造。

这部分逻辑也咨询了此前从事CRM系统开发的同学，他们的建议同样指向：将高价值线索分配给经验丰富的销售专家，以最大化转化机会。

而评分较低的线索，则可自动流转至线索培育小组，或暂时存放于“公海”池中，由系统进行自动化跟进培育。

在明确了高优先级线索的定义后，下一个决策点是：哪些线索应直接交给销售团队，哪些需要进入培育流程。通常，只有经过客观评级后的高分线索才会被直接移交销售进行即时跟进。

事实上，我们项目中所谓的“线索培育组”后期被我们的AI客服系统所替代……

总之，通过线索评分模型来反推和制定分配逻辑，可以实现 “以质取胜，分级跟进” 的策略。

高分线索由资深销售及时、重点跟进，提升转化效率；中等评分线索可按既定规则分配给常规销售团队；低分线索则交由AI或培育团队进行深度挖掘和孵化。这样既避免了优质销售资源的浪费，又确保了潜在机会不被忽视。

模型反哺：优化广告投放算法

为何说线索建模是必须做好的一步？因为后续可以根据实际成单数据，反过来指导和优化流量投放策略及广告预算分配：哪个渠道带来的优质线索越多，该渠道的投放价值就越高，应获得更多预算倾斜。

请注意，这里的广告预算规模不容小觑。一个百人规模的客服团队，年成本可能不到500万，但其对应的广告投放费用可能高达上亿元！

在投放算法侧进行微小的优化，其节省的成本或提升的收益，可能就相当于整个客服团队的人力成本。孰轻孰重，需要心中有数。

如果通过模型分析发现，来自SEO（搜索引擎优化）、SEM（搜索引擎营销）的渠道贡献了极高比例的高分线索，那么就应该倾向于增加这些渠道的广告预算。相反，如果某些平台带来的多为低分线索，则说明该渠道的流量质量一般，可以考虑减少投入或彻底优化其投放策略（例如，在我们的实践中，抖音渠道的表现就相对较差……）。

有分析显示，小红书广告的电商转化率平均在3.0%–7.5%之间，远高于抖音的1.5%–4.0%。小红书用户决策成本更高，但其粉丝商业价值据称是抖音的数十倍。

仅就商业变现能力而言，小红书的表现确实突出，这与其平台用户画像密切相关。

此外，渠道分析还可以进一步细化。例如，比较视频类广告（如抖音短视频）和图文类广告（如公众号图文、信息流图文）带来的线索质量差异。通常认为视频形式吸引力更强，但具体到线索质量，仍需依据数据做出判断。在我们的案例中，视频广告带来的线索质量确实较为一般。

自动化流程：AI的实际角色

请注意，直到这一步，才真正与人工智能技术产生较多关联。这也印证了在许多所谓“AI工作流”项目中，人工智能的实际技术含量可能并不高。

在明确了分配逻辑之后，下一步便是通过系统实现自动化分配。不同团队的具体规则会有所差异，但核心无外乎是对标准作业程序（SOP）的梳理和固化，常见的分配维度包括所属地区、产品线、销售等级、来源渠道等。

将这些规则写入系统，线索一旦进入就会被自动打上相应标签。系统根据标签自动判断其归属，并按照预设方案完成分配。至此，一套基于规则的 “公平分配机制” 便得以建立：

例如，一个10人的销售小组，系统按照名单顺序循环分发线索。当某个销售达到其当日分配上限后，系统自动跳过该人，确保组内每个人获得的机会基本均等。

再如，一些简单的负载均衡策略：新手销售每人每次最多分配5至10条线索，而资深销售则可以拿到15至20条。其思路是控制新手的工作量，同时让经验更丰富、转化能力更强的销售接触更多的潜在客户。

其中，对于需要快速响应的紧急线索，系统会将其直接“抛入”工作群或分配面板中，实行“谁先抢到谁跟进”的原则。但同时会设置规则：若销售在10分钟内未进行处理，该线索将被释放，并会对该销售的响应优先级进行降权惩罚。

最后一个功能构成了整个线索分配系统的闭环：持续而有效的提醒机制，由系统不断地进行推送（Push）。

连续有效的提醒，配合适当的降权惩罚措施，是防止 “线索分了就扔、抢了就放” 等消极行为的有效解决方案。

最终反思

由此可见，这个看似简单的 “线索自动分配” 模块，本质上并非一个纯粹的技术问题。它是一个试图用系统规则去固化管理流程，用算法公平去消解人性博弈的过程。

然而，在我们的实践过程中，遇到最多的阻力恰恰来自于“人性”。更具讽刺意味的是，这套系统在平稳运行半年之后，竟被完全停用。客户方重新启用了一个由5人组成的线下人工分配团队！

原因或许有些扎心：公司老板对其中某个销售团队的负责人不甚满意，但又未达到需立即裁撤的程度。然而，由于AI系统的分配逻辑过于“公平”，竟然使得该团队每月都能达成指标、拿到奖金。这是老板所无法容忍的。因此，绝对的“公平”有时并非管理者首要或全部的需求……

事实上，他完全无需停用整个系统。只需稍作改造，在分配算法中为特定团队或个人添加一些“权重”参数即可实现管理意图。**只要能够达成商业目标、完成项目回款，AI系统也未必要追求绝对的公平。