AI 潛在客戶評分最實用的用途，是把有限的回覆時間排出順序，不是替老闆預言誰一定會成交。若你手上只有一份 CRM 匯出檔或試算表，也可以先把每筆名單看成四件事：它是否符合服務對象、最近做了什麼、資料能否用於這個目的，以及業務後來回填了什麼結果。先用這四格排今天的待辦，再決定要不要導入工具。
這篇給有廣告、表單、LINE 或網站詢問來源，但沒有專職資料團隊的台灣中小企業。它不適合拿來做價格、信貸、醫療、保險或任何會直接影響個人權益的自動決定。
AI 潛在客戶評分先解決哪一件事？
小團隊常見的卡點很具體：詢問進來後，行銷看得到來源，業務記得談話內容，兩邊卻沒有共同的「先回誰」語言。最後不是照時間順序全部回，就是憑印象挑幾筆。這兩種做法都很難回看。
評分的工作比較樸素：把可核對的訊號放在同一張表，讓人決定今天先處理哪一批。HubSpot 的文件把分數拆成互動程度與適配程度；Microsoft 的預測分數說明則把影響分數的原因一起呈現。這提醒我們，分數若沒有理由，只會把猜測藏進一個看似精準的數字裡。
別把分數當成交機率：先補齊 4 個判斷
先不要急著設定 0 到 100 分。拿最近已結案的 10 筆詢問，為每筆補上下面四格；欄位名稱可依你的服務改，但定義要讓行銷與業務都看得懂。
| 判斷格 | 可放的已確認訊號 | 人要做的決定 |
|---|---|---|
| 資料目的 | 來源、告知內容、同意或其他適法依據、保存規則 | 這筆資料能否用於目前的聯繫與排序 |
| 適配度 | 服務區域、需求類型、可服務條件 | 是否屬於現在能服務的對象 |
| 近期意圖 | 主動提問、預約、回覆、要求報價等近期行為 | 今天是否優先聯絡，以及用哪種方式 |
| 回填結果 | 已聯絡、無需求、待約談、暫緩、成交等已定義狀態 | 下次要保留、降權或改寫哪些排序規則 |
四格不必湊成一個漂亮總分。剛開始可以只標成「今天處理、這週處理、先補資料」三個佇列。等團隊能穩定回填，再請 AI 根據已核准的欄位整理理由、找出缺漏，或提出待人工審核的排序建議。
用 10 筆已結案名單先跑一次
- 選 10 筆已經有結果的詢問，不要直接把整份客戶資料丟進 AI。
- 把姓名、電話、地址、自由填寫的敏感敘述先移除或遮蔽；保留本次判斷必要的欄位。
- 由行銷與業務各自填一次四格，對照哪幾筆的優先順序不同。
- 只針對不同的地方討論規則：是服務條件沒寫清楚，還是「近期意圖」被誤讀？
- 下一週用新名單試行，固定記下業務結果；若沒有結果回填，就先不要把流程自動化。
這個試跑的驗收不是「分數很準」，而是每一筆被排進今天待辦的理由能被說清楚。若業務每次都推翻同一種建議，問題通常在欄位定義或服務邊界，而非模型不夠複雜。
AI 可以幫忙整理，人要保留哪些權限？
可以交給 AI 的，是在已核准、去識別或最小必要範圍的資料裡整理重複需求、標出資料缺口、把適配度與互動訊號分欄，並產出供人檢查的排序草稿。
應留在人手上的，是客戶是否符合資格、是否可用既有資料聯繫、價格與折扣、例外服務、敏感個資、拒絕服務的理由，以及最後派給誰跟進。AI 的建議若牽涉拒絕、差別待遇或對外承諾，更不該直接送出。
台灣團隊還要多看一眼個資目的
全國法規資料庫的《個人資料保護法》指出，個人資料的蒐集、處理或利用應尊重當事人權益，不得逾越特定目的的必要範圍，且要與蒐集目的有正當合理關聯。把既有名單拿來做新的 AI 排序前，先請負責人確認蒐集告知、使用目的、委外/工具條件與保存規則；本文不是法律意見，遇到高敏感資料或跨境處理時，應另行取得專業意見。
更新與適用範圍
本文於 2026 年 10 月更新。HubSpot 與 Microsoft 的功能、方案與權限會調整，採購前請以各產品當下文件為準。本文適用於想先把行銷與業務回覆順序講清楚的服務型、B2B 或有明確詢問流程的中小企業；若名單很少或尚未定義服務對象，先整理詢問來源與服務範圍通常更有價值。
今天可以做的一步
把最近 10 筆已結案詢問列出來，在每筆後面各補一句：為什麼當時該先回，後來結果如何。兩句都寫不出來的欄位，才是下一次要補的資料，不是馬上交給 AI 的任務。
常見問題
AI 潛在客戶評分需要 CRM 才能開始嗎？
不需要。先用權限受控的試算表整理少量、已結案且去識別的資料即可。CRM 的價值在於穩定紀錄來源、狀態與回填，不在於先有一個很複雜的分數。
高分名單可以自動派給業務嗎？
先不要。先確認分數的理由、派送規則、負責人與例外處理，並用一小段期間比對回填結果。高分只代表目前規則下的優先順序，不是成交保證。
哪些資料不適合先交給 AI 排序？
不需要用來判斷的直接識別資料、敏感個資，以及沒有確認用途或授權條件的資料都不應先送入。採最小必要原則，並讓負責人檢查工具與委外條件。
多久該回看一次規則？
每週或每一個可回填週期檢查一次即可。只要服務範圍、價格、表單問題或廣告來源變了，就應先重看定義，不必急著追求更高的模型複雜度。
來源
- HubSpot：Build contact lead scores with AI
- Microsoft Learn：Prioritize leads through predictive scores
- 全國法規資料庫：個人資料保護法
FAQ
AI 潛在客戶評分需要 CRM 才能開始嗎？
不需要。先以少量、已結案且去識別的資料試跑，重點是穩定記錄來源、狀態與回填，而不是先做出複雜分數。
高分名單可以自動派給業務嗎？
先確認分數理由、派送規則、負責人與例外處理，並用回填結果檢查。高分只是目前規則下的優先順序，不是成交保證。
哪些資料不適合先交給 AI 排序？
不需要的直接識別資料、敏感個資，以及尚未確認用途或授權條件的資料，都不應先送入。應採最小必要原則。
多久該回看一次評分規則？
每週或每個可回填週期檢查一次即可。服務範圍、價格、表單或廣告來源改變時，先重看欄位定義。