📅 2026-06-01 · 🏷 线索管理 · BANT

线索评分模型设计指南：BANT+AI，让销售团队只跟高价值线索

你的销售团队每天面对几百条线索，但真正能成交的可能只有十几个。销售跟错了人，浪费的是时间；跟对了人，浪费的是机会成本。线索评分（Lead Scoring）——就是用数据和规则帮你回答一个核心问题：这条线索值不值得立刻跟进？

×3.2

建立线索评分体系后，销售团队的人均产出平均提升3.2倍。销售不再盲目扫名单，而是精准定点突破。数据来源：潜龙2026年客户数据分析（N=600+企业）。

BANT模型：线索评分的经典框架

BANT模型由IBM在20世纪80年代提出，至今仍是B2B销售领域应用最广泛的线索评分框架。BANT代表四个维度：

BANT = Budget（预算）+ Authority（权限）+ Need（需求）+ Timeline（时间）
用这四个维度给每条线索打分，总分越高 = 越接近成交 = 越值得优先跟进。

BANT四维度详解

维度	评估问题	高分信号（各25分）	低分信号（0分）
B - 预算	客户有钱买吗？	明确提到预算范围（如"预算15万"）；主动问价格/报价；对标竞品价格	明确表示"太贵""买不起"；从未提及预算
A - 权限	问的人是决策者吗？	自称"老板""负责人""老板娘"；能直接做决定的主体	明确表示"我只是问问""要问领导"
N - 需求	客户有真实需求吗？	描述具体的需求/痛点；提出详细的问题；有明确的使用场景	纯围观/吃瓜/随意评论
T - 时间	客户什么时候要？	提到"近期""下个月""马上""尽快"等时间词；有明确时间节点	未提及任何时间信息

BANT模型的两大局限

尽管BANT是经典框架，但在2026年的获客场景中存在两个明显局限：

B维度在初期很难判断：社交平台的评论区线索中，极少有人直接说出"我的预算XX万"。用传统BANT评分，大多数线索的B维度得分都是0——导致很多真实高意向客户被低估。
缺少意向度（Intent）维度：用户在多个平台的行为信号（今天在抖音问装修、昨天在小红书收藏家装笔记、上周在百度搜"装修公司哪家好"）是极强的购买信号，但BANT无法捕捉这些跨平台的行为数据。

升级版：BANT+I 五维评分模型

基于BANT的局限，潜龙设计了一套更适合现代获客场景的BANT+I（加意向维度）评分模型：

维度	满分	数据来源	评分逻辑
B - 预算（Budget）	15分	评论内容+主页分析	提及预算+15分；提到价格/问价+10分；无信息0分
A - 权限（Authority）	15分	用户身份识别	决策主体+15分；不确定+5分；非决策者0分
N - 需求（Need）	25分	评论语义分析	具体需求描述+25分；一般性疑问+15分；模糊+5分
T - 时间（Timeline）	15分	时间词提取	近期/紧急+15分；不明确+5分；无信息0分
I - 意向（Intent）	30分	行为数据+语言特征	跨平台行为信号+30分；多次主动提问+20分；单次互动+10分

为什么I维度权重最高？因为在社交平台获客场景中，"用户有多想要"比"用户有多少钱"更能预测转化。一个反复在多个视频下问问题的用户，即使没有提到预算，也比随口说"预算30万"的用户更容易成交。

潜龙的AI自动评分机制：如何工作？

潜龙的线索评分不是人工打分，而是一套基于自然语言处理（NLP）和机器学习的全自动评分引擎。它的工作原理可分为四个层次：

第一层：用户画像信号（0-30分）

系统分析用户主页的公开信息，评估其是否为真实消费者：

账号活跃度（有作品、有互动、非新号）+10分
地理位置匹配（评论IP与目标城市一致）+10分
兴趣标签匹配（关注与行业相关的内容）+10分

第二层：行为信号（0-30分）

系统分析用户在平台上的行为模式，判断购买意向强度：

评论频次（同一话题下多次评论）+10分
互动深度（评论中含提问、追问）+10分
时间新鲜度（评论在24小时内）+5分，1小时内+10分

第三层：语言特征（0-25分）

NLP引擎分析评论文本的语义、情感和意图：

购买意图词（"买""定""要""报名"）+15分
决策相关词（"看了好久了""比较一下""决定了"）+10分

第四层：活跃度加权（×1.0-1.5倍）

最近7天内持续活跃的用户，总分乘以1.2-1.5的系数。因为持续活跃意味着需求是进行时而非过去时。

AI评分的核心优势：人工打分每天最多处理50条线索，且一致性差（同一线索不同人打出的分可能差30分）。AI引擎每秒可处理1000+条线索，且评分标准始终一致、可持续迭代优化。

如何设定评分阈值：高中低优先级分配策略

有了分数，下一步是设定阈值来决定每条线索的处理优先级。以下是一个经过600+企业验证的推荐方案：

优先级	分数范围	占比	处理策略	响应时间	负责人
🔥 高优先级	80-100分	10%-15%	立即电话联系	30分钟内	销冠/资深销售
🟡 中优先级	50-79分	30%-40%	48小时内私信/微信触达	48小时内	普通销售
⬜ 低优先级	0-49分	45%-60%	自动归档，季度复盘	无需主动跟进	系统自动

为什么让销冠跟进高分线索？数据显示，80分以上的线索有50%以上的转化潜力，但转化窗口极短（通常在24小时内）。让最优秀的销售第一时间跟进高分线索，是ROI最大化的关键——同样的线索，销冠的转化率通常是普通销售的2-3倍。

评分模型的迭代优化：让AI越用越聪明

线索评分模型不是一成不变的，需要根据实际成交数据持续迭代。以下是三阶段优化路径：

启动阶段（1-2周）：使用预设的通用模型（BANT+I默认权重），不做调整。目的是积累初始数据。
校准阶段（3-4周）：对比"高分低转化"和"低分高转化"的典型线索，找出评分偏差。例如发现"提预算"的用户反而不如"提具体需求"的用户转化率高，则调低B维度权重、调高N维度权重。
优化阶段（5周+）：建立闭环反馈——每条线索的最终成交结果回流到评分引擎，AI自动学习哪些信号组合最能预测成交，动态调整评分权重。潜龙支持此功能，每两周自动生成评分模型优化建议。

+45%

经过一个完整优化周期（4-6周）后，线索评分模型对高转化线索的识别准确率平均提升45%。第一阶段可能漏掉30%的高价值线索，优化后可降到10%以内。

常见问题

BANT模型过时了吗？

BANT模型（预算/权限/需求/时间）诞生于IBM的销售方法论，至今仍然有效，但确实需要更新。2026年推荐使用BANT+I升级版——在原四维度基础上增加"意向度（Intent）"。因为现代获客场景中，用户可能在多个渠道同时表达兴趣，AI可以捕捉这些行为信号来判断真实购买意向，让评分更精准。纯BANT更适合B2B长周期销售；BANT+I更适合B2C/本地服务等高线索量场景。

线索评分多少分才值得跟进？

具体分数线取决于你的评分模型设计。以潜龙AI评分系统为例（满分100分）：80-100分（高优先级）——立即跟进，30分钟内的响应率决定转化率；50-79分（中优先级）——48小时内跟进，进入培育流程；0-49分（低优先级）——自动归档，季度复盘时重新评估。关键不是分数本身，而是确保高分线索都有被第一时间跟进。数据显示：线索响应时间每延迟10分钟，转化率下降约8%。