线索进来了，下一步不能靠谁先看到

对外贸和 B2B 团队来说，拿到一条线索只是开始。很多团队把“有人填写了表单”“有人回复了邮件”“有人参加了展会”都叫作有效销售线索，却没有规定这些线索应该在什么时间、因为什么条件、交给哪一位销售。结果是热门线索被重复领取，冷门线索无人处理，AI 预筛选和人工判断又各自说各自的标准。

真正的 Lead Routing 不是把联系人分配给某个销售，而是把一个尚未完成购买判断的信号，送到最有可能在有效时间内完成下一步的人或系统。HubSpot 的 2026 lead guide 将 lead 定义为已识别并表现出购买意向的联系人，并把 lead、MQL、SQL、opportunity 作为需要文档化标准的链路（依据：ev-lr-001）。这条链路的价值不在于术语更复杂，而在于每跨一道门都必须有证据。

先定义四个进入条件

Lead 是谁？只要有姓名、邮箱、公司或一个可识别的需求信号，就进入统一收件箱，但不代表销售必须立即报价。MQL 是谁？除了联系方式，他还满足了行业、职位、需求或行为中的一个明确条件。SQL 是谁？他不仅感兴趣，还确认了问题、时间窗口、决策角色和下一步。Opportunity 是谁？买方已经同意围绕一个可追踪的里程碑继续推进。

这些定义必须用字段写出来，而不是写在销售的记忆里。比如“制造业”不是一个合格条件，必须写清楚目标子行业、采购品类、当前供应商痛点和预计时间窗口。Rox 的 inbound sales 资料提供了访客到线索约 1%–5%、线索到 MQL 约 20%–40% 的参考口径，并建议高价值入站线索尽量在 5 分钟内完成首次响应；资料还区分了中端市场 30–90 天与企业 90–180 天以上的周期（依据：ev-lr-004）。这些数字不是所有团队的 SLA 目标，但它们提醒我们，时间和来源会改变优先级。

用五维规则做分诊

第一条是来源。展会扫码、官网白皮书、LinkedIn 主动开发、阿里询盘和客户转介绍代表不同的意图强度，不能用同一个回复模板。第二条是意向强度，对方是在浏览品类、询问价格，还是已经描述了当前问题并愿意安排内部评估。第三条是角色，他是否是使用者、影响者、预算控制者或最终决策者。第四条是时效，是否有明确的采购窗口。第五条是匹配度，产品、行业、地区和交付能力是否与 ICP 一致。

五维规则可以组合成三条队列。第一条是快速响应队列：高意向、高时效、角色明确，进入人工快速 SLA。第二条是培育队列：有兴趣但时间窗口不明，进入有内容的教育序列。第三条是 AI 辅助队列：信息不完整但有潜在匹配，由系统补充公司、角色和公开信号，再交给人工确认。不要把所有非热门线索都丢进长期培育，否则“培育”会变成没有出口的抽屉。

Salesforce 的 2026 MQL/SQL 资料给出的中位口径为 lead-to-MQL 13%、MQL-to-SQL 24%、SQL-to-opportunity 51%，并报告有明确资格标准组织的 SQL-to-win 结果可达 2.3 倍（依据：ev-lr-002）。这些数字不能被直接当成外贸团队的目标，但它们说明每道门都需要自己的质量检查。尤其要把“打开了邮件”和“愿意讨论问题”分开，后者才值得占用销售时间。

把 AI 放在预筛选，不放在责任终点

AI 可以帮助做三类工作：合并重复联系人、补全公开公司和角色信息、根据规则给出建议等级。AI 不应替销售决定客户是否有预算，也不应自动发送未经核实的承诺。预筛选的输出应该是一个带来源的理由，例如“检测到对方正在招聘采购负责人，且官网发布了供应商评估页面，因此建议标记为高意向”，而不是一个没有解释的黑箱分数。

人工销售需要看到 AI 为什么这样建议，并有权改写标签。每次改写都要留下原因：是角色判断错误、来源冲突，还是客户明确表示暂无计划。只有系统能从人工纠偏中学习，AI 才不会把团队的偏见自动化。Unbounce 的 2026 landing-page benchmark 给出 B2B SaaS 中位 visitor-to-lead 转化约 1.8%，top-quartile 落地页约 4.7%（依据：ev-lr-003）。这提醒路由负责人：落地页承诺越具体，线索的意图越可能不同，不能把表单提交量当成唯一质量指标。

设计回收队列

没有销售在承诺时间内领取的线索，不应直接从系统里消失。重复线索要合并，但合并后要保留来源历史。沉睡线索要重新验证需求，而不是机械地群发“最近还好吗”。超过 ICP 的线索可以标记为不匹配；暂时不匹配但未来可能复购的线索可以进入长期内容序列。每个退出条件都要有负责人和下一次动作。

可以设置四类回收规则：无人领取超过 SLA，转给备用队列；MQL 超过规定时间没有 SQL 动作，转给 AI 补充或 SDR 复联；SQL 在一个里程碑后停滞，销售和经理共同判断是否降级；已经关闭的线索进入再营销或案例请求，而不是继续占用当季预测。

用 14 天实验校准规则

先选择一个来源、一种地区或一个产品线，连续记录两周。每个线索都记录进入队列时间、首次响应时间、来源、五维评分、人工改写、进入下一阶段的时间和最终结果。周报只回答三个问题：哪条队列响应最快，哪类线索的 SQL-to-opportunity 最高，哪一种 AI 判断最常被人工改写。

两周后不要急着把某个分数宣布为真理，而是把阈值移动一小步。比如把“职位是采购”改写为“采购负责人且存在明确项目”，或把“下载白皮书”增加“访问案例页”这一条件。Lead Routing 的成熟标志不是系统有多少字段，而是团队是否对下一条线索该做什么有共同答案。

跨境销售的下一步，应该从“把名单发出去”改成“把证据送到正确的人”。先选一个来源做 14 天实验，记录首次响应、分层准确率和 SQL-to-opportunity，再决定是否扩大 AI 预筛选。跨境销邦可以帮助你把流程和结果数据化，让每一条外贸线索都有清晰的下一步。

回收不是把线索重新扔回池子，而是重新判断它是否仍然满足定义。沉睡线索可能已经换了负责人，项目可能已经取消，也可能在等待下一批预算。系统应要求销售写下新的证据，例如新的采购窗口、管理层变化、供应商评估启动或产品规格调整。没有新证据的线索不应只因为打开了一封邮件就被升级。

路由负责人还要为每类来源写一段“拒绝理由”。不是所有 MQL 都应该被接受，不是所有 SQL 都应该被销售接受，拒绝本身会暴露定义问题。比如一条来自通用白皮书的线索被标记为 SQL，团队就要检查落地页是否过度承诺；如果一个高价值询盘长期停留在 lead，则要检查响应 SLA。拒绝、延迟和降级都应留下原因，才不会在月底变成无意义的数字波动。

在跨境业务中，时区、语言、节假日和付款条件也要进入路由逻辑。中国的上午可能是欧洲的下午，报价中使用的贸易术语和样品政策可能改变线索质量。系统应记录当地时间、最后一次有效互动和客户偏好的沟通渠道，而不是把“未回复”简单等同于“不感兴趣”。

最后，路由规则必须由业务负责人和数据负责人共同维护。业务负责人定义“什么叫值得销售”，数据负责人定义字段和自动化如何执行。两者每周只复盘一个来源或一个阶段，比每季度争论整套模型更有效。小步校准会让 Lead Routing 从静态名单变成真正的运营能力。路由负责人还应在周报里写明本轮只改了哪个阈值，避免规则变化无人可追溯；同时记录变更前后各一周的队列结果，避免把偶然波动当成规则效果，并留档可查明。