AI 潛在客戶評分的重點不是先買工具，而是先讓 CRM 能回答三件事：這個名單從哪裡來、為什麼值得追、最後有沒有變成有效商機。台灣 SME 如果只把表單、LINE 詢問、展會名片和廣告名單全部丟進同一個分數模型，AI 只會放大髒資料。比較穩的做法，是先用 6 個欄位建立人工評分，再把成交與未成交結果回寫，等銷售團隊願意照分數行動後，再導入預測模型或廣告轉換回傳。
為什麼名單多不等於商機多
Oracle 對潛在客戶評分的說明，核心不是「算一個漂亮分數」，而是幫行銷與銷售對齊優質潛在客戶的定義，並讓銷售優先追蹤更可能成交的名單。這點很適合台灣中小企業，因為很多團隊的問題不是沒有名單，而是所有名單都被同等看待：下載型名單、詢價名單、舊客介紹、活動抽獎名單，最後都進同一張表。
AI 會讓這個問題更快暴露。HubSpot 的預測性評分文件提到，系統會用機器學習分析客戶，估算開放聯絡人在未來 90 天內成交為客戶的可能性；但這類功能通常有訂閱層級、資料量與歷史結果的前提。對 SME 來說，若 CRM 裡沒有成交日期、失單原因、來源、回覆狀態，AI 很難分辨「還沒追」與「追了但沒意願」。
AI 潛在客戶評分前，先補 6 個 CRM 欄位
1. 名單來源與進站情境
來源欄位至少要能分出自然搜尋、廣告、LINE 官方帳號、表單、展會、介紹、舊客回購與手動匯入。不要只寫「網路名單」，因為不同來源的意圖差很多。搜尋「價格」後填表的人，和下載免費資料的人，不該拿同一組分數。
2. 客戶適配度
適配度不是主觀感覺，而是和你的理想客戶輪廓有關。B2B 可以記錄產業、公司規模、職務、採購角色、預算範圍與需求時間；本地服務可以記錄地區、服務類型、急迫程度與可聯絡時段。這些欄位是避免 AI 把「很活躍但不適合」的人排到最前面的保險。
3. 行為強度與最近互動
行為分數要重視最近性。最近 7 天看過報價頁、預約頁或案例頁的人，通常比 90 天前下載白皮書的人更值得先追。若目前沒有網站事件追蹤，先從最簡單的表單問題、LINE 對話標籤、報價請求、客服紀錄開始。
4. 聯絡品質與同意狀態
Google Ads 的增強型轉換說明強調，離線轉換與名單比對會用使用者提供的雜湊資料協助歸因，並提醒資料格式與實作診斷的重要性。這不代表每個 SME 都要立刻做 API 整合，但至少要先分清楚 email、手機、LINE ID、可聯絡時段、同意狀態與錯誤聯絡資訊，否則分數再高也無法行動。
5. 銷售回覆結果
評分系統最常缺的欄位，是業務追蹤後的結果。請把「未接、已接、約訪、報價、暫緩、無需求、失單、成交」做成固定選項，並要求回覆時間。沒有這些結果，AI 只能看前段互動，無法學到真正接近成交的訊號。
6. 下一步與責任人
分數不是儀表板裝飾，而是派工規則。每筆高分名單都要有責任人、下一步、回覆期限與逾期提醒。若團隊人少，可以先設定三層：今天必回、三天內培養、暫不追蹤。這比一開始就追求 100 分制更實用。
人工規則、AI 預測與廣告回傳，不要混成一件事
Salesforce 台灣的 B2B 潛在客戶開發頁面，把潛在客戶擷取、聯絡人管理、智慧評分與 CRM 整合放在同一條流程裡。這個方向是對的，但 SME 執行時要拆開看：人工規則先讓團隊一致，AI 預測再提高排序效率，廣告回傳則用來改善投放學習與歸因。
| 做法 | 適合時機 | 需要的資料 | 主要風險 |
|---|---|---|---|
| 人工規則評分 | 名單來源多，但成交樣本少 | 來源、適配度、行為、銷售結果 | 規則太主觀，業務不照做 |
| AI 預測評分 | CRM 有足夠成交與失單歷史 | 乾淨欄位、生命週期、成交日期、活動紀錄 | 用髒資料訓練，分數看似精準但不可用 |
| 廣告離線轉換回傳 | 廣告帶來名單，但成交在 CRM 或人工銷售後發生 | 名單識別資料、GCLID 或網站標籤、轉換事件 | 隱私與格式處理不完整，回傳診斷失敗 |
14 天上線順序：先讓業務相信分數
第 1 到 3 天：清點最近 90 天名單
先不要全量整理。抓最近 90 天名單，標出來源、產業或需求類型、最後互動、銷售結果與是否成交。若資料散在表單、LINE、Excel、CRM 和廣告後台，先建立一張共用欄位表。
第 4 到 7 天：定義高分名單
請行銷和銷售一起選出最近成交的 10 到 30 筆客戶，回頭看共同特徵。不是為了找完美公式，而是找出「一看到就該先回」的訊號，例如指定服務、明確預算、決策者本人、近期導入時間或看過案例頁。
第 8 到 10 天：設計三層派工
不要一開始就做複雜分數。建議分成 A、B、C 三層。A 級今天必回，B 級進入培養流程，C 級先補資料或暫停追蹤。每一層都要有下一步，而不是只放在 CRM 裡等待。
第 11 到 14 天：回寫結果並校正
兩週後檢查 A 級名單是否真的比較容易約訪或報價。如果 A 級很忙但不成交，代表分數太偏互動；如果成交名單常被排到 B 或 C，代表適配欄位或需求時間權重太低。這個校正比立刻導入 AI 更有價值。
適用與不適用情境
這套做法適合有表單、LINE、展會、廣告或內容名單，而且需要人工銷售跟進的台灣 SME，特別是 B2B 服務、顧問、設備、批發、教育課程、醫美健檢與高客單本地服務。它不適合客單低、立即結帳、沒有銷售跟進、名單量極少，或尚未定義成交事件的情境。若一天只有一兩筆詢問，先改善回覆速度與成交紀錄，通常比做 AI 評分更重要。
資料更新與來源
本文於 2026-09-10 檢查公開資料。重要依據包含 Oracle 台灣對潛在客戶評分與行銷銷售協同的說明、HubSpot 知識庫對預測性潛在客戶評分與 90 天成交可能性的說明、Salesforce 台灣對 B2B 潛在客戶開發軟體與 CRM 整合的描述、Google Ads Help 對增強型轉換名單資料與 2026 年設定整併的說明，以及台灣 B2B 行銷自動化文章對長週期、多決策者與評分分級的整理。平台功能、訂閱層級與廣告資料政策會變動，導入前仍要以官方後台與合約條款為準。
來源：Oracle 台灣：什麼是潛在客戶評分？、HubSpot：使用預測性潛在客戶評分確定成交的可能性、Salesforce TW：B2B 潛在客戶開發軟體、Google Ads Help：About enhanced conversions for leads、B2B 行銷自動化完整攻略。
結論：分數要能改變下一步，才值得交給 AI
AI 潛在客戶評分真正的價值，是讓有限的銷售時間先用在最可能成交、最需要即時回覆的名單上。台灣 SME 不必一開始追求昂貴或複雜的模型；先把來源、適配度、行為、聯絡品質、銷售結果與下一步補齊，兩週內就能看出名單排序是否改善。等分數能穩定影響回覆順序，再把成交結果回寫給 AI 或廣告系統，才比較不會把行銷預算和業務時間交給錯誤訊號。
FAQ
AI 潛在客戶評分一定要先買 CRM 嗎？
不一定。若名單量還小，可以先用表單加試算表建立來源、適配度、互動與銷售結果欄位；但只要多人協作或需要提醒與權限，CRM 會比較穩。
台灣 SME 多久可以看出評分有沒有用？
先用 14 天檢查高分名單是否提高回覆率、約訪率或報價率。成交週期較長的 B2B，至少還要追蹤 30 到 90 天的後續結果。
AI 評分和名單分眾有什麼不同？
分眾是把人分成相似群組，例如產業或需求；評分是排序追蹤優先順序。實務上應先分眾，再在每個群組內評分。
廣告名單可以直接拿來做 AI 評分嗎？
可以，但要先保留來源、廣告活動、表單問題、聯絡資訊品質與銷售結果。只有點擊或填表資料，通常不足以判斷真實成交機率。
銷售團隊不相信分數怎麼辦？
先用簡單規則和真實成交案例共同校正，不要直接公布黑箱 AI 分數。讓業務看到高分名單更容易約訪或報價，採用率會比較高。