销售漏斗是每一支体量化的 B2B 收入组织的承重模型。问十位销售负责人要在白板上凭记忆画出他们家的漏斗,你会拿到十张彼此矛盾的草图:有人画三段、有人画七段,还有人坚持它根本不是漏斗,而是循环。这种分歧并不是咬文嚼字——漏斗决定了线索如何被计数、预测如何被搭建、预算如何在团队之间流动;到了 2026 年,这个模型正被 AI 推荐流量、更长的买家决策委员会、以及线性买家旅程的彻底崩解推到承压的边缘。本文给你的是一份可工作的定义、是 2026 年仍然站得住脚的阶段基准,以及若干能让漏斗真正成为诊断工具而不是墙面装饰的设计决策。

销售漏斗的简单定义

销售漏斗是一个经过工程化设计、由潜在买家从陌生人走向客户所经过的阶段序列,以及使收入可预测的各阶段之间转化率的合集。剥掉所有软件和话术之后,每一个漏斗都在做同一件事:它把一个原本无法区分的潜在买家池,通过资格认定、互动、承诺一步步收窄,直到最后剩下的就是收入。其中“工程化设计”四个字最值得反复强调。联系人数据库不是漏斗,一份邮件地址清单也不是漏斗。只有当某个团队主动定义清楚了阶段、对阶段之间的过渡做了埋点,并且对各阶段之间的转化率承担起了责任,漏斗才真正成立。

这一区别之所以重要,是因为绝大多数组织手里都握着一种“看起来像漏斗、跑起来像档案柜”的东西。CRM 里有阶段名、仪表盘都摆齐了,但没人能说清上个季度 MQL 到 SQL 的转化率是多少,更说不清这个数字为什么动了。两种状态之间的差异不是工具,而是一份两个部门都能逐字复述、写在纸上的阶段定义。HubSpot 在 2026 年版本的漏斗指南中,把当下的标准漏斗定义为认知、考虑、线索、商机、客户五段,并且补上了一个关键观察——留存与扩展现在扮演的是第六阶段的角色,它通过推荐与交叉销售信号回流到漏斗顶端,而不是线性终结于客户本身(ev-sf-003)。这种重新框定远比表面看起来更有分量:当扩展收入通过推荐与交叉销售回流到漏斗顶部,漏斗就不再是一条单向的水管,而是一套循环系统,治理它的指标也要相应换一套。

真正值得看的 2026 年阶段基准

定义清晰本身并不值钱,缺了参考数字它就只是口号。下面给出 2026 年典型 B2B SaaS 节奏下的转化阶梯。Salesforce 的 State of Sales 研究把访客到 MQL 的中位转化率定在约 2.1%——也就是说每 1000 名访客里,大约 21 位会足够强烈地举手、被市场部记入 MQL。线索到 MQL 在有明确打分标准的团队里通常落在 25% 到 35% 之间。MQL 到 SQL,作为任何组织里争议最大的一段,落在 13% 到 26% 之间,具体高低完全取决于市场与销售两支队伍对定义谈判的诚实程度。商机到成交这段收尾阶梯大约在 15% 到 30%,其中销售深度介入、决策周期相对短的成交节奏会贴近上限(ev-sf-002)。

2026 年最值得关注的数字其实不是任何单一阶段,而是它们的乘积。一个转化阶梯为 2%、30%、20%、20% 的漏斗,每 833 名访客能拿下一个客户。倘若把最弱那一段——比如 MQL 到 SQL——通过重写市场与销售的 SLA,从 20% 提升到 30%,同样流量就能在每 556 名访客里拿下一个客户,等于零增量预算换回 50% 的收入提升。这一段算术就是阶段级埋点的全部论点:你不测量,就没法修;你不清楚哪一段漏得最严重,就没法排定修复优先级。

一段可落地的算例把杠杆讲得更清楚。假设一支团队每年带来 50,000 名访客,按上述基准运作,年度大约成交 60 单。如果他们把一个季度投入到三项干预里:重写资格认定 SLA、把 MQL 到 SQL 提升 5 个百分点;部署基于信号的个性化能力、把商机到成交提升 5 个百分点;再补一组对比类内容把访客到线索提升 0.5 个百分点。单看每一项都不显眼,加在一起却把同样的 50,000 访客变成约 105 单成交,同比增长 75%,全程不花一分钱的额外付费获取。漏斗不是比喻,它就是乘法;而乘法奖励的永远是相对改善幅度最大的那一段。

AI 推荐流量改写了什么

2026 年漏斗顶部最显著的结构性变化,是 AI 助手作为一种新的推荐来源登场。当买家向 ChatGPT、Perplexity 或嵌入式 copilot 询问“推荐哪几家供应商”,由此带来的流量以一种横幅广告点击从未有过的方式预先完成了自我筛选。当前可观测到的数据把 AI 推荐入口到 MQL 的转化率定在约 5.8%,是自然搜索基线的若干倍——其原因在于买家已经向一个系统描述过自己的问题,而那个系统又把问题和你写在文档里的能力做了匹配(ev-sf-001)。

这件事从两个方向上重塑漏斗设计。第一,内容投入的重心从针对关键词做排名,转向对检索系统保持可读性:结构化的对比、显性的成果声明、机器可读的定价都会显著提高被 AI 答案引用的概率。第二,归因模型被打穿。一名通过三次 AI 对话做过研究、最终通过品牌搜索落地的潜在客户,并不会在你的推荐仪表盘上被识别为 AI 来源的线索,这意味着完全基于末次点击算出的漏斗指标会系统性低估这一新渠道。在这一年里把“AI 可见内容”作为独立于自然搜索单独埋点的团队,量的是一支其竞争对手还看不见的渠道。

漏斗最容易在哪里断裂

绝大多数漏斗并不是死在顶部,而是死在部门之间的接缝上——也就是定义换手的那个瞬间。MQL 到 SQL 的过渡在市场部按 MQL 数量而不是按管线贡献打分的组织里漏得最严重。HubSpot 的 State of Marketing 研究把这一 KPI 倒置列为 2026 年的头条级指标错位:56% 的 B2B 营销负责人已经把首要考核指标从线索数量切换到管线贡献,正是为了从源头切断这种失效(ev-sf-001)。修复方法几乎从不是技术问题,而是一份一两页纸的书面协议——它定义什么样的线索对销售是可接受的、必须在多短时间内被跟进、销售退回的线索如何处理。

第二种慢性病是预测发散。当漏斗模型说阶段三的成交概率是 22%,而本季度实际成交率只有 11%,预测就不是悲观,而是失灵;而差距几乎一定来自阶段定义与文档化标准的漂移。Salesforce 的基准数据显示,AI 辅助个性化在落地到位的组织里平均把阶段转化率抬升 38%——但前提是这些组织的阶段定义足够稳定、使得提升可以被测量(ev-sf-002)。埋点先于优化,跳过前者的团队永远不会拿到后者。

第三种失效模式是新近才变得普遍的:把漏斗当成已经完工的工程。在 2022 年搭过一套干净的 5 阶段模型、此后再也没有回头修订的组织,正在度量一条已经不再存在的买家旅程。买家决策委员会的人数一直在扩张,Champion 在成交周期中途换岗,采购部门引入 CRM 没有命名的阶段。纪律不是一次建出完美的漏斗,而是每年根据观察到的买家行为重新推导阶段定义——通过访谈、通过对 closed-won 与 closed-lost 的复盘、通过对各阶段停留时间分布的回看。漏斗是一个关于买家如何移动的假设;假设需要定期与证据对质。

设计 2026 年漏斗的四条原则

如果今年你在搭建或者重建一支漏斗,先从四个数字而不是七个阶段开始:访客到线索、线索到 SQL、SQL 到商机、商机到成交。这四段转化率每周追踪、与上文基准做对照,会比任何复杂的阶段分类告诉你更多关于收入健康的事情。阶段定义要写在仪表盘之前——一段含义有争议的阶段,它的转化率就是虚构的。

第二件事,显性决定 AI 推荐流量如何进入你的模型。给它一个独立的来源分类、独立的转化预期、独立的内容预算。这条渠道还足够年轻,在此刻打下纪律化度量的底座,未来的复利会以年计。

第三件事,把循环闭合。扩展收入、推荐收入、win-back 收入都以比访客更深的阶段回流进漏斗。把它们当作免费到来的礼物、而不是被工程化设计的流,是过去十年最常见的分析疏漏;纠正这一点通常会改变增长投入应该落在哪里。

2026 年的漏斗已经不是白板时代的那个漏斗了。它在买家自我筛选的入口更窄、在扩展回流的位置更宽、在顶部因为 AI 助手带来预匹配的陌生人而首次出现可穿透的孔洞。但它的目的没变:让收入变成一套可以被检视、可以被改进的系统,而不是一个恰好发生在某个组织身上的天气模式。把阶段定义清楚、把接缝埋点、把数字与现实做基准对照、再去修最严重的那一段漏——这套不性感、纯算术、完全可习得的纪律,就是漏斗从一开始就为这件事而生的全部理由。