该技能用于对 inbound 和 outbound 线索进行评分与优先级排序，方法是把 firmographic fit（线索与理想客户画像的匹配度）与 behavioral engagement signals（表明购买意向的行为）结合起来，形成可执行的分层结果：Hot、Warm、Cold。
主要能力：建立评分规则、分配权重分值、计算综合得分、把线索分层并给出跟进建议。
工作流程：先定义 ICP 标准，包括目标行业、公司规模、收入区间、地区和栈指标，并按历史转化数据给出各属性权重；再为每条线索的公司匹配度打分，完全匹配得满分，部分匹配按比例得分，对明确排除项（如规模低于门槛、不服务的行业、学生或竞争对手）做负分；随后从营销自动化、CRM 和产品分析中收集行为信号，如邮件打开/点击、网页访问（尤其是定价和案例页）、内容下载、参加网络研讨会、请求演示、免费试用注册、回复情绪等，并按与成交的相关性加权；再把匹配分（通常 0–50）与互动分（通常 0–50）合成 0–100 的总分，对超过 30 天的互动信号做衰减；最后按总分排序并分层：Hot 75–100、Warm 40–74、Cold 0–39，Hot 线索转 SDR 立即跟进，Warm 进入培育序列，Cold 进入低触达自动化活动，并建议每季度依据实际转化率复审分层阈值。
使用方式：提供你的 ICP 定义、追踪的互动信号，以及带属性的线索列表，技能会输出评分规则和已打分排序的线索列表。示例提示：为我们的 B2B 分析平台建立线索评分模型，ICP 为 A 轮及以后 SaaS 公司、50–500 人、美国/加拿大、使用 Snowflake 或 BigQuery；给这 5 条线索打分并分配 Hot/Warm/Cold 层级。
适用与限制：适合 B2B 销售和营销团队做线索优先级管理。需要注意高互动但零匹配的线索应被限制在 Warm；完美匹配但无互动的线索更适合外呼而非入站跟进；同一公司的重复线索应按账户合并评分；互动信号可能存在研究者、机器人或竞争对手造成的刷分，应为每类信号设上限并标记异常；新市场冷启动时缺乏历史转化数据，可先用简单未加权模型，收集约 90 天管道数据后再校准权重。资料未提供具体技术实现、平台集成或收费信息。