Lead Scoring 是一个用于销售线索评分的技能，专注于沟通后阶段。其核心思路是将评分分为两部分：沟通前评分（即潜在客户画像匹配度和服务匹配度，属于 prospect-scoring 技能）和沟通后评分（仅通过对话才能确定的信息）。该技能从沟通前的画像评分继承并封顶，然后加入沟通后的得分。
用途
该技能用于在已经与潜在客户建立联系后，对线索进行更准确的评分，以便决定后续行动（如电话、资格回复、培育或取消资格）。它强调不要从头重新计算匹配度，以免对同一账户产生两个不同的匹配度数值。
主要能力
- 定义评分结构：线索得分 = 潜在客户画像（继承并封顶） + 沟通后得分（沟通前为0）。
- 提供默认权重块（可调整权重但保持结构）：画像（30分，沟通前可用）、互动（15分）、确认交易潜力（20分）、决策路径（15分）、时间线（10分）、接触权限（10分），后五项沟通后才可用。
- 硬性上限规则：无沟通后得分的线索不能超过有沟通后得分的线索，未联系线索封顶在最高档以下。
- 强调分档阈值应来自真实管道校准，而非理论规则；记录理论阈值和实际阈值并有意调和。
- 建议在每个有意义的队列后重新校准，并按账户而非行进行校准，避免同一公司多个联系人重复计算。
- 强调仅在干净队列上校准，避免回填记录导致的虚高转化率。
- 当基础数据无交易价值时，模型优化的是对话而非收入，会系统性偏向小账户，需明确说明。
- 硬性闸门：确认非目标→钳制到取消资格线以下；关键字段数据存疑→钳制到最高档以下，保留在队列中由人工查看；明确退出→完全移出评分和所有活动。闸门必须钳制而非仅扣分。
- 保持组件可见：每个块存储为独立列，而非仅总分；输入来源也应分列存储并注明使用哪个来源。
使用方式
该技能的输出为每行一个线索，包含字段：姓名、公司、潜在客户画像、互动、交易、决策路径、时间线、接触权限、总分、分档、行动、数据置信度、触发闸门（如有）、缺失信息。排序先按分档，再按缺失信息。分档对应行动：电话、一次资格回复、培育轨道或取消资格。回复本身由 reply-objection-handler 撰写，并进行意图和速度分类。跨多个已评分线索的模式（如整个分档从不转化）应归入 reply-audit，然后反馈到 hypothesis-builder。
适用场景
适用于销售团队在联系潜在客户后，需要系统化评估线索质量并决定跟进优先级。特别适合需要区分沟通前后信息、避免仅凭画像高分而忽略实际互动和交易潜力的场景。也适用于需要可审计、可信赖的评分模型，以及需要硬性规则处理非目标、数据存疑和退出请求的场景。
限制
资料为英文，暂未提供具体平台、收费或价格信息。该技能依赖于已有的 prospect-scoring 技能提供沟通前画像评分。校准需要真实管道数据和干净队列，否则可能产生误导性结果。当基础数据无交易价值时，评分优化的是对话而非收入，可能偏向小账户。该技能不撰写回复，回复由 reply-objection-handler 处理。