今年因为大环境的影响，整体SQL接收率比往年差了很多。B2B市场部除了拼命拉新之外，激活老线索，在存量线索中挖掘商机，已经成了大多数B2B市场部的必备工作。

就拿我们致趣自己来说，每周有固定的邮件、企微、AI外呼等方式去触达不同的用户。尽可能做到在不对用户造成骚扰的同时，用不同的内容去触达到有相同需求的用户群体中。

随后，我们筛选了一批活跃的“高潜线索”统一交给SDR，也转给了销售。但是没想到最后的SQL接收率还是不高...七条线索里，只接收了一个。

一、“高潜线索”只是一个标签而已

设想这样一个场景，我们正准备做一份行业白皮书，前期花时间确定研究范围、设计问卷、收集样本，再去访谈用户和行业专家。拿到材料后，还要核实数据口径，讨论哪些结论站得住、哪些发现只适用于特定情况。

从我的角度来看，这批线索已经具备了“高潜”的条件，比如：

·客户所属行业、企业规模与目标画像匹配；

·参加过活动，下载过资料，浏览过官网的解决方案；

·线索成熟度打分较高；

·联系方式、岗位和历史互动记录相对完整。

不过后来我思考了一下，这些维度对销售来说似乎没多大价值。“符合画像”、“出现相关行为”与“值得立即跟进”之间，还隔着相当远的距离。尤其是在ToB的市场里，用户活跃，不代表购买。

代入销售的视角，线索活跃不活跃都没关系。只有用户有购买的需求，即便不活跃，销售也会接收这条线索。

但对市场部来说，这就有点难了。我们都知道，很多情况下我们很难将太活跃的用户转化为SQL，而这批太活跃的用户，其在系统内部的评分又会比较高，很自然就会把他们划到高潜线索里。但是转出这批高潜线索后，销售又不满意。

所以这里我们就要判断，所谓的高意向，是来自用户的真实表达，还是AI根据行为做出的推测。如果这些问题没有被核实，销售接到的就只是一个判断结果，而不是判断依据。

我往深处想了一下，这些高潜线索的形成，恰恰是AI提升我们的生产效率之后的结果。我们发的内容多了，触达的频率高了，系统里的用户评分自然就水涨船高了。

（致趣百川AI营销云产品矩阵）

二、AI提效，并不是AI有效

AI最容易被证明的价值，也是我们应用AI后最先感知到的变化，就是效率。但工作效率提高，只能证明工作方式发生了变化，并不意味着用户需求发生了变化。

最近，我们结合自身的流程和实践，梳理了衡量B2B AI营销的三个层面和四个关键。三个层面分别是我们日常使用AI的三个场景，工作提效、客户推进、业绩改善。而在这三个层面之下，分别对应效率、质量、转化、经营这四个关键指标。

1、效率，投入是否减少？

这一层关注AI是否真正减少了人工投入、缩短了任务周期。比如，一份可用内容从选题、制作到审核需要多少工时，一批线索从清洗、补全到完成筛选需要多长时间，活动、邮件和培育流程是否能够以更低的单位成本完成。它衡量的核心，是同样一项工作能否做得更快、更省。

这些数字可以回答“AI有没有帮上忙”，却不能证明产出的内容是否可用，更不能证明客户因此产生了反馈、确认了需求或进入下一阶段。

效率是判断AI价值的第一层证据，但如果评估停在这里，最多只能说明市场部改变了工作方式，还不能说明营销推动了客户进展。

2、质量，结果能不能被真正使用？

这部分是要分析AI生成和整理的结果是否事实准确、依据充分，能不能推进到下一个环节接收。

以线索交付为例，除了企业名称、岗位和标签，还应该包括客户关注的业务问题、真实表达、历史沟通情况，以及建议的下一步动作。如果AI给出了判断，却没有保留判断依据，输出再完整，也很难支持销售继续跟进。

所以，这个环节主要考察SDR在和客户沟通过程中的交谈质量。

3、转化，客户有没有向前走？

很多时候，我们市场部做的都是前面两个环节的工作，到了这里已经很少有人在保持跟进了。

内容发布、活动举办、邮件发送、线索交付，这些都是市场动作。但目标用户是否反馈、需求是否得到确认、销售是否接收、客户是否进入SQL，这些才是客户进展。只有开始记录这些变化，市场部才能从“我们做了什么”，走向“客户发生了什么”。

所以，我们B2B市场部，在保证日常工作之外，最好是可以通过一些自动化流程，持续跟进转出线索的接收情况。一旦出现拒收，我们也可以第一时间了解情况并进行补救。

4、经营，这项投入是否值得继续？

当客户进展逐步成熟，还需要继续观察线索有效线索成本、商机成本，以及后续的商机和收入结果。

B2B业务周期通常较长，不是所有结果都能在一轮活动或触达结束时立即成熟。因此，经营结果不应该被仓促下结论，也不能永远停留在“以后再看”。需要写清观察周期、当前阶段，以及下一次查看结果的时间。

在这四层指标之间有一个重要关系，我们可以发现，内容生产得再快，也不等于内容变得更有效；活动报名增加，不代表有效需求的同步增加；线索整理得更完整，也不代表销售一定愿意接收。

三、回到市场部的五类日常工作，真正应该看什么？

1、 内容：不只看阅读量，要看目标客户有没有反馈

AI可以帮助归纳客户问题、搭建内容结构、生成初稿和多个版本。但在内容生产效率提高之后，我们还需要继续保持对转出线索的长期追踪。比如“这批活跃用户提出了什么业务问题、有没有进入到下一环节”等等。

所以，在内容场景狭，我们可以优先关注目标客户有效反馈数，再观察其中有多少客户进入了后续沟通。阅读和下载可以提供过程参考，但可确认身份的目标客户反馈，更能说明选题是否真正贴近需求。

2、活动：不只看报名和到场，要看会后需求有没有被接住

如果复盘只是呈现一条从报名到商机的转化漏斗，仍然很难判断AI在其中发挥了什么作用：转化提升，究竟是因为邀约名单更准确、现场识别出了更多真实需求、会后交接信息更完整，还是销售跟进更及时？如果这些环节没有被拆开，最终的转出结果就很难被解释，也无法指导下一场活动应该调整什么。

因此，活动评估需要把结果拆回客户推进过程：用目标客户到场占比判断邀约质量，用会后有效需求确认数判断活动是否识别出真实需求，再结合销售接收率和首次有效跟进耗时，判断需求有没有被及时接住，最后继续追踪SQL和商机进展。AI的价值不只是帮助活动“带来更多转出”，更在于减少需求识别、信息记录和市场销售交接中的损耗。

3、邮件：不只看打开情况和链接点击率

AI可以生成个性化邮件、整理名单、归纳客户回复，但打开率和点击率提高，并不等于有效沟通增加。邮件效果如何，需要在SDR沟通过后首先先区分三类回复：

·用户提出应用条件、实施方式，或描述自己的业务场景；

·用户表达了兴趣，但需求仍然模糊；

·邮件自动回复、退订等。

因此，邮件场景可以优先看有效回复率。就是在邮件发出的规定的时间内，SDR沟通中有提到业务场景的有效回复人数，占本此邮件成功送达人数的比例。在此基础上，再继续记录其中有多少客户确认需求、进入销售沟通。

4、线索：不只看接收率，更要看拒收的原因

市场部交付了多少条线索，只能说明完成了多少次交接。最关键的是，我们要重点关注销售退回的原因，并将其结构化记录下来，比如：

·客户与目标画像不匹配；

·需求依据不足；

·客户暂未成熟；

·尚未建立有效联系；

·预算不够。

这些状态不能混为“线索无效”。只有区分原因，市场部才能知道下一步应该调整筛选规则、补充需求依据、继续培育，还是推动销售及时接收。

5、培育：不只看流程执行，要看客户状态有没有变化

自动化流程执行了多少次、发送了多少封邮件、客户是否重新打开内容，都只能说明触达动作和行为信号发生了。如果要判断存量线索是否真正被激活，需要提前定义什么叫“有效”。

我们认为，只有用户在触达后产生了某个主动行为，比如报名、下载、打开等等，SDR重新确认了业务需求，或者进入了有效销售沟通后，才能被成为有效激活。

不过，从执行指标转向客户推进指标，并不意味着多换几个数字就够了。如果复盘仍然只是汇报有效回复、销售接收和商机数量，市场部依然不知道哪些动作值得保留、问题出在哪个环节、下一轮应该调整什么。

因此，比选择指标更重要的，是把数字、业务证据和下一步行动连接起来，让每一次评估都能形成明确的业务判断。

四、怎样做一场有价值的复盘

平台上海量的AI内容不会因为我们付出了劳动，就自动给我们让出位置。期待“只要坚持做好内容，用户总会看见”，对今天的市场部来说，已经不够了。

而建立AI营销指标，并不是为了让市场部多维护一张报表，而是为了看清哪些动作真正推动了客户、问题卡在哪个环节，以及下一轮应该调整什么。

真正有价值的复盘，应该回答以下这四个问题：

·本轮希望改善什么？

·哪个指标最能支持本轮判断？

·有哪些客户表达、销售反馈和阶段记录可以作为证据？

·下一轮应该保留、调整、暂停，还是继续观察？

以一批存量线索激活为例。假设1000名沉睡联系人进入8周培育观察期，其中24人确认有效需求，20人交付销售，15人被销售接收，4个形成商机。

从数字上看，本批交付线索的销售接收率为75%，继续往下看，另外5条交付记录为什么没有被接收？如果其中3条是接收超时，就需要推动重新分派；如果2条是需求依据不足，就需要由市场运营补充核实，而不是简单把它们判定为无效线索。

至于已经形成的4个商机，则需要继续记录阶段变化，等待业务周期成熟后再观察最终结果。

五、从“AI做了多少”，走向“客户推进了多少”

回到开头那批被销售退回的“高潜线索”。AI或许已经完成了数据清洗、信息补全、客户画像和意向评分，但这些工作只能证明线索被处理得更快、更完整。要判断它们是不是高质量线索，还需要继续向深处挖掘。

对如今B2B市场部来说，我们所要证明的也不只是AI完成了多少工作，而是AI有没有帮助客户进入下一步。

基于此，我们推出的《B2B AI营销的四层指标：分析内容、活动的线索转化效率》进一步整理了：

·效率、质量、转化、经营四层指标体系；

·内容、活动、邮件、线索、培育五类工作场景；

·每个场景的主指标、计算口径与诊断问题；

·线索退回、需求不足、销售接收不及时等问题的处理方式；

·可直接套用的一页业务复盘模板；

·从客户数据、AI能力到销售结果的完整连接方式。

（点击上图获取【B2B AI营销的四层指标】）

点击上图即可下载完整资料，把“AI筛出了多少线索”，真正复盘到“如何提升SQL转化”。