一个周一例会里被反复用坏的词

“线索”很可能是整个商业世界被滥用最严重的一个名词。在同一家公司的周一例会上，它可能被同时用来指代一个匿名访问网站的访客、一张从展会上换回来的名片、一个下载了 checklist 的联系方式，以及一位来自投资人的熟人引荐——这四类对象成为收入的概率相差悬殊，却被塞进了同一个名词。问题不仅是语义上的摩擦。当市场部汇报生成了 500 条线索、销售部说手上真正能跟的只有 30 条时，这两个数字之间藏着的其实是定义差异；关于线索质量的反复争执，根子几乎都不在质量本身，而在两方当年到底有没有把“这个词到底是什么意思”对清楚。本文要做三件事：把词汇固定下来、把 2026 年的转化基准数字挂到阶梯的每一级上、再给出一套能把“线索”从矛盾源头变成生产单元的资质筛选框架。

销售线索的朴素定义

销售线索，是某个组织里一位可识别的联系人，他/她已经表现出某种购买意向的信号。这一定义里有两个要素承担了主要工作。“可识别”意味着你能再次触达他——一个名字、一个邮箱、一个手机号——它把“线索”与匿名流量区分开来。“购买意向的信号”意味着对方做了一件需要付出努力的事：填了一张表单、回了一封邮件、在 webinar 上提了一个问题、主动问了一次报价。没有身份只有注意力，是受众；没有意向只有身份，是联系人；两者同时具备，才是线索（ev-sl-001）。

在这条基线之上，标准的阶梯再加几级资质筛选的横档。营销合格线索（MQL）是指达到了市场部事先文档化设定的“销售就绪度”门槛的线索——由一组预先定义好的 fit 与行为组合判定。销售合格线索（SQL）是指一线销售在审阅后主动认领、并承诺投入跟进的线索。商机（Opportunity）则是已经核实过预算、时间表、决策流程的 SQL，被作为一笔潜在成交来跟踪。这些横档存在的唯一理由是交接——每一次状态切换都意味着下一步动作的所有权发生变化，而每一次切换都是价值最容易漏掉的环节，如果切换标准本身模糊不清。

把数字挂到每一级阶梯上

2026 年的基准给这条阶梯装上了硬邦邦的边。Unbounce 的落地页研究显示，B2B 行业访客到线索的转化中位数是 1.8%，通过个性化与信号感知型 offer，最高的四分位可以做到 4.7%（ev-sl-003）。Salesforce 的漏斗基准则把中间几级补齐：线索到 MQL 的中位数约 13%，MQL 到 SQL 约 24%，SQL 到商机约 51%（ev-sl-002）。把这条链条乘起来，1000 个访客大约只会产出 18 条线索、2 到 3 个 MQL、1 个 SQL——这就是为什么早期阶段哪怕只提升一点点都价值巨大，也解释了为什么团队对那 1.8% 的执念会远胜于对任何关单率指标的执念。

同一份研究里还有一项结论值得单独拿出来讲：拥有明确、文档化的资质筛选标准的组织，SQL 到赢单率比没有这些标准的组织高 2.3 倍（ev-sl-002）。背后的机制是聚焦。标准一旦写下来，销售把时间花在画像匹配的线索上、把不符合的快速拒掉，于是精力被集中到了赢率足以支撑的位置上。标准若只凭感觉，销售就会什么线索都跟、大多数跟到一半撂下，整个团队的有效产能被稀释成一批既不死也不前进的停滞商机。文档化不是官僚主义，它就是产能管理。

资质筛选的三个视角

Fit（契合度）是第一个视角，也是最容易落地的：这家组织的画像是不是和“在你产品上取得成功的客户”像——规模、行业、技术栈、地域？Fit 属于 firmographic 维度，靠数据就能回答，这也是为什么线索打分模型都从这里起步。Timing（时机）是第二个视角，也是最有价值的那一个：这家组织是否发生了让它“现在必须关心”的事——一笔融资、一轮高管变动、相关职能的密集招聘、一项即将生效的监管节点？Timing 区分的是“本季度会买”与“某天会买”两种截然不同的联系人，信号驱动的工具让这件事第一次有了规模化可观察的可能。Access（触达权）是第三个视角，也是最常被跳过的那一个：我们能不能联系到真正管预算的那个人？一个 Fit 完美、Timing 完美但不是经济买家的联系人，离成交还差一步；他更像是通向买家的一位向导，而不是买家本人。

三个视角同时得高分的线索，按任何诚实的定义都是 SQL。只有 Fit 的，是培养对象（nurture candidate）。只有 Timing 没有 Fit 的，属于好奇——值得看一眼，几乎不值得长期追。每一条线索都按同样的顺序过一遍同样的三个视角，是让这条阶梯在团队层面保持一致的唯一办法；一致性也是让转化数字真的有意义的唯一前提。

线索从哪里来——以及来源预测了后续

线索与线索天生不等，来源是早期最强的预测变量。入站线索——表单提交、demo 申请、报价咨询——自带声明过的购买意向，转化到 SQL 的比率通常是整条漏斗里最高的，但其规模受制于内容投入和搜索可见度，这两件事都只能缓慢复利式累积。主动外呼来源的线索——由团队根据目标名单与信号识别出来的联系人——单次触达的转化率较低，但可以随投入与定位精度线性放大，因此它是管线规划里那块可以稳稳托底的“地板”。展会与转介绍线索则借助借来的信任进入，抵达时已被预热，一旦出现往往关得最快，但它们的供给是按展会日历和人脉维护节奏一坨一坨来的，并不由需求本身决定。一个健康的 2026 年来源组合是有意识地同时跑三条路：入站负责效率，外呼负责可控，转介与展会负责速度。

来源组合还顺带约束了归因的诚实。一个季度里入站线索转化率 4%、外呼线索 1%，这不是“入站更强”的故事，而是“两个截然不同的人群、两种截然不同的经济学”的故事；把这两类线索当作同一池子来规划内容的方案，必然会在内容预算与销售工时两头都错配。把阶梯上每一级转化率按来源分别拆开看——入站看访客到线索、外呼看回复到会议——才能让每条渠道都拿到一张它真的能改进自己的计分卡。

写一份让吵架停下来的 SLA

线索管理里杠杆最高的一份文档，是市场-销售服务等级协议（SLA），一张 A4 纸就能装下。它用三个视角定义 MQL、市场承诺一条交付量与质量底线、销售承诺一个“几小时内首次触达”的标准与一个 disposition 义务——每一条 MQL 都要在固定窗口内被接受、被退回并说明原因、或被回流到 nurture——并写明争议升级路径。这份文档的力量不在法律层面，而在对话层面。周二吵架一旦开始，两边人指向的是同一句话，而不是互相指向。

SLA 同时也是衡量的脊柱：MQL 接受率、附理由退回率、首次触达时长，这三个数字成为每周固定指标，把关于“线索质量”的争吵拆成若干有归因人的子问题。一个 70% 的退回率、退回原因以“没有预算决策权”为主，这是定位问题；一个 20% 的退回率但首次触达很慢，这是产能问题。表面上吵的是同一件事，底下要修的东西完全不同——而能区分二者的前提，是这份协议强迫团队把 disposition 写下来。

2026 年的线索打分

线索打分这件事，这十年悄悄换了形状。第一代模型是人口统计维度：职位、公司规模、行业，按权重打成一个基本上只编码了 Fit 的数字。这一代模型叠加了行为层与信号层——阅读深度、定价页访问次数、第三方意图高峰、招聘信号——而最前沿的一层是模型辅助的优先级排序，每个早晨把销售当日的待办按预估关单概率重新排队。模型已经挣到了自己的位置：使用它们的团队报告，同等线索量下 SQL 转化率有显著提升。

但那份关于“文档化标准”的研究结论，对完全放手给模型的做法是个提醒。分数是一个排序假设，不是资质判定；那 2.3 倍的赢单率优势，属于人类仍然显式运行三个视角、让模型只负责排序而不能跳过审阅的组织。可持续的模式是把两者配对：模型负责浮现与排序，销售负责审阅与 disposition，SLA 负责把结果记录下来——这样下个月的模型训练的就是被标注过的事实，而不是乐观的噪声。

从一个词到一个生产单元

这套机器最终要实现的是：让“线索”不再只是一个词，而是带规格、带成本、带转化预期的生产单元。一支知道 1000 个访客能产出 18 条线索、2 到 3 个 MQL、1 个 SQL 的市场团队，可以按管线收入而不是按下载量来为自己的项目定价。一支知道自己接手 SQL 的赢率有据可查的销售团队，可以从自己的漏斗做预测，而不是从希望里做预测。周一例会一旦不再反复争名词，就可以把时间花在唯一值得花的问题上：这一周漏斗的哪一节在漏，我们准备怎么办。

词汇很小——lead、MQL、SQL、opportunity——数字也都是公开基准，不是行业秘密。拉开组织之间差距的，不是对阶梯的认识，而是把这些定义写下来、对每一条联系人都跑同一套视角、记录下真实发生结果的纪律。这套纪律把一个大家各用各义的名词，变成一个大家都能度量的生产系统——而这，最终才是唯一值得被计数的“线索”版本。