直接答案：AI 潛在客戶評分不是一開始就把所有名單丟進模型，也不是讓 AI 判斷誰一定會成交。對多數台灣中小企業來說，最實用的做法，是先用「身分是否吻合、需求是否明確、互動是否夠深、購買時機是否靠近、資料是否可追蹤」這 5 個訊號，把詢問名單分成今天優先追、持續培育、暫緩投入三層。AI 的角色是協助整理紀錄、摘要對話、補齊評分理由，最後仍由業務或老闆決定下一步。
AI 潛在客戶評分適合誰？誰先不要做？
AI 潛在客戶評分適合每週都有穩定詢問量、但團隊時間不足的公司。常見情境包括 B2B 服務、診所自費項目、教育課程、裝修工程、顧問服務、批發通路、在地服務業，以及用廣告、SEO、LINE 官方帳號或展覽收集名單的團隊。這些公司最大的問題通常不是沒有名單，而是不知道哪一筆要當天追、哪一筆可以進入培育、哪一筆其實暫時不值得花業務時間。
如果你的詢問量很少、表單沒有記錄來源、LINE 對話沒有標籤、成交週期完全靠老闆記憶，先不要急著買進複雜工具。此時更重要的是把資料欄位補齊：來源、需求、預算範圍、服務地區、時程、下一步動作、負責人與追蹤日期。沒有這些欄位，AI 只能幫你把不完整的資料包裝得更像答案，無法真正提高追單效率。
5 個訊號，先分出值得今天追的名單
強的評分模型通常會同時看「適不適合」與「有沒有意圖」。HubSpot 的 lead scoring 頁面把重點放在整段 buyer journey 的資料、fit 與 engagement；Oracle Taiwan 的潛在客戶管理說明也提到，行銷與銷售需要先對合格銷售潛力達成共識，才能開始評分。這些概念放到台灣 SME 現場，可以簡化成 5 個訊號。
| 訊號 | 要看什麼 | 可加分的例子 | 要扣分或暫緩的例子 |
|---|---|---|---|
| 身分吻合 | 產業、地區、公司規模、職務、是否有決策權 | 指定服務區內的老闆、主管、採購或店長詢問 | 不在服務區、學生作業、同業探價、完全無關需求 |
| 需求明確 | 是否說清楚問題、目標、品項或情境 | 直接描述痛點，例如預約率低、廣告名單沒人追、會員回購下降 | 只問「多少錢」但不提供任何背景 |
| 互動深度 | 表單、電話、LINE、網站內容、下載、回訪等行為 | 看過案例頁、填完整表單、回覆 LINE 問題、預約諮詢 | 只點一次廣告、留下假資料、無法聯絡 |
| 購買時機 | 是否有明確啟動時間、活動檔期或預算窗口 | 兩週內要上線、下月有展覽、已排內部預算 | 「之後再看看」、沒有負責人、沒有預計時間 |
| 可追蹤性 | 來源與後續結果是否能被記錄 | GA4、CRM、LINE 標籤、表單欄位能串起來源與成交 | 只有截圖、口頭轉述、沒有日期和負責人 |
分數不需要一開始就很精細。建議先用 0、1、2 三段：0 代表沒有訊號，1 代表部分符合，2 代表明確符合。五個訊號最高 10 分，8 分以上今天追，4 到 7 分進入培育，3 分以下暫緩。這個簡單版本比一開始設計 100 分制更容易落地，也比較容易讓業務願意使用。
三層名單：分數一定要接到下一步動作
很多公司做潛在客戶評分失敗，不是因為分數不準，而是分數沒有連到行動。Microsoft Learn 的 Dynamics 365 文件提到，潛在客戶分數超過 sales-ready threshold 時，會觸發後續追蹤或商務流程。這個原則比特定系統更重要：分數本身沒有價值，真正有價值的是分數讓團隊更快知道下一步要做什麼。
| 名單層級 | 建議條件 | 當天動作 | 追蹤節奏 |
|---|---|---|---|
| 熱名單 | 8 到 10 分，且需求、時機、聯絡方式清楚 | 當天電話或 LINE 一對一回覆，確認需求、預算與下一步 | 24 小時內二次追蹤，3 天內安排提案或報價 |
| 培育名單 | 4 到 7 分，有需求但時程、預算或決策角色不清楚 | 送出案例、檢查表、方案比較或預約提醒 | 7 到 14 天一次，依回覆重新評分 |
| 暫緩名單 | 0 到 3 分，資料不足、不符合服務條件或明顯低品質 | 用標準訊息回覆，避免佔用業務深度追蹤時間 | 保留來源資料，未來做素材或受眾品質檢查 |
這裡可以讓 AI 做兩件事。第一，讀取表單、LINE 對話或業務筆記後，整理「加分理由」與「缺少哪些資料」。第二，根據層級草擬下一步訊息，例如熱名單要確認預約，培育名單要補案例，暫緩名單要禮貌收斂。AI 不應該直接承諾折扣、交期、法律或醫療效果，也不應該在沒有人工確認時自動把名單判定為無價值。
資料從哪裡來？網站、LINE、表單、CRM 要先講同一套語言
網站表單通常是最容易標準化的來源。Google Analytics 的 recommended events 文件在 2026-05-07 更新版中列出 `generate_lead`、`qualify_lead`、`working_lead` 與 `close_convert_lead` 等事件；Google Analytics Help 也說明，表單提交可以被設為 key event，用來觀察使用者在送出前的路徑。對 SME 來說，重點不是把事件名稱背起來，而是把「名單產生、合格、開始聯絡、成交」這幾個狀態記錄下來，讓廣告、SEO 與業務結果能對上。
LINE 官方帳號是台灣常見的追單入口。LINE Biz-Solutions 官方帳號頁面提到，OA Plus 可用自動貼標籤分類好友、發送精準訊息，也提到 Messaging API 可支援訂餐、預約、遊戲等情境；同頁也提醒某些訊息費用、聊天記錄與 AI 聊天機器人測試版有適用限制。這代表 LINE 很適合承接名單與一對一互動，但公司仍要把標籤、對話摘要、預約狀態與成交結果拉回同一份表或 CRM，否則評分會停在單一平台裡。
CRM 或試算表則負責做最後的名單主檔。最小欄位可以先用：姓名或公司、來源、需求摘要、服務區域、預算或客單級距、預計時間、最近互動、分數、層級、下一步、負責人、下次追蹤日。當每一筆名單都有這些欄位，AI 才能穩定摘要和評分；否則再好的模型也會被資料缺口拖累。
14 天導入流程：先跑小模型，不要先做大系統
第 1 到 2 天，先回頭看最近 30 到 90 天的成交與未成交名單。找出真正有差異的訊號，例如成交客戶是否通常來自特定地區、是否看過案例頁、是否有明確期限、是否會在 LINE 內補充需求。不要把所有你想知道的欄位都放進模型，只放那些真的影響追單優先順序的訊號。
第 3 到 5 天，把 5 個訊號做成簡單評分表，請老闆、行銷與業務各自評 20 筆歷史名單。分數差距大的地方，就是你們對「好名單」定義不一致的地方。這一步比直接導入 AI 更重要，因為 AI 會放大團隊原本的判斷規則；規則模糊，輸出也會模糊。
第 6 到 10 天，讓 AI 協助摘要新名單，但先不要自動決策。每筆名單都輸出三件事：加分理由、缺少資料、建議下一步。業務實際追蹤後，補上結果：有回覆、無回覆、預約、報價、成交、失敗原因。第 11 到 14 天，再看高分名單是否真的比較容易進入下一步。如果沒有，先修正訊號權重，而不是急著換工具。
常見錯誤：把 AI 分數當答案，而不是追單假設
錯誤一：只看互動多不多，忽略客戶適不適合
有人下載三份資料、看十頁文章，不代表他買得起、用得到或有決策權。互動深度只能代表興趣，不能代表適配。修正方式是把身分吻合與需求明確分開評分，不要讓高互動自動蓋過錯誤客群。
錯誤二：把低分名單直接丟掉
低分名單可能只是資料不足。對於來源清楚、需求可能成立但欄位不完整的名單，應該先補問一個關鍵問題，而不是直接放棄。AI 可以協助產生補問句，例如「方便請你補充預計啟動時間與服務地區嗎？」這類問題比長篇介紹更能提高判斷品質。
錯誤三：沒有負分規則
不符合服務區、重複詢問、假電話、非目標產業、明顯超出公司能力的需求，都應該有負分或暫緩規則。否則高互動但低品質的名單會佔用最多時間，反而讓真正該追的客戶等太久。
錯誤四：沒有隱私與權限邊界
AI 摘要客戶資料時，要先決定哪些欄位可以送進工具，哪些資料需要遮蔽或留在內部系統。醫療、金融、法律、兒少、個資敏感情境尤其要保守。可以摘要需求和下一步，但不要把不必要的身分證字號、病歷、付款資料或私人對話完整丟進外部工具。
資料更新與限制
本文更新於 2026-06-01。平台功能、LINE 官方帳號費用、AI 聊天機器人適用範圍、Google Analytics 事件建議與 CRM 產品功能都可能變動；導入前請以官方文件和你實際帳號後台為準。本文參考了 HubSpot Lead Scoring Software、Oracle Taiwan 潛在客戶管理、Microsoft Learn 潛在客戶評分模型、Google Analytics recommended events、Google Analytics key events 說明、LINE 官方帳號產品頁、Google Search AI features 與 Google Search 生成式 AI 內容指南。
本文不是法律、個資或資安建議。若你的名單包含醫療、金融、法律、保險、未成年者、敏感身分或高風險交易資料，請先與法務、資安或資料保護顧問確認資料處理方式，再把資料接到 AI 或行銷自動化流程。
結論：讓分數服務銷售節奏，不要讓工具增加混亂
AI 潛在客戶評分最值得做的地方，是把行銷來源、客戶需求、互動紀錄與銷售下一步放在同一個決策節奏裡。台灣中小企業不需要一開始就做很大的 CRM 專案；先用 5 個訊號、三層名單和 14 天小流程，把「今天該先追誰」變成團隊共識。當高分名單真的更常進入預約、報價或成交，再把這套規則逐步接到 LINE、網站、廣告與 CRM，自動化才會變成營收工具，而不是另一個沒人維護的表格。
FAQ
AI 潛在客戶評分一定要先有 CRM 嗎？
不一定。詢問量不大時，可以先用試算表建立來源、需求、時機、分數、層級與下一步欄位。等團隊能穩定使用評分規則，再導入 CRM 或行銷自動化工具會更可靠。
AI 潛在客戶評分和客戶分群有什麼不同？
潛在客戶評分主要用來決定追單優先順序，客戶分群則用來安排內容、優惠、再行銷或服務方式。評分偏向短期銷售行動，分群偏向長期經營策略。
分數要用 10 分制還是 100 分制？
剛開始建議用 10 分制。五個訊號各 0 到 2 分，業務比較容易理解，也比較容易回頭修正。等資料量和追蹤紀律穩定，再改成更細的權重模型。
LINE 官方帳號的好友可以直接拿來評分嗎？
可以，但不要只看好友數。應該看加入來源、標籤、對話內容、是否預約、是否填表、是否回覆關鍵問題，以及後續是否成交。好友只是入口，不等於高品質名單。
AI 判斷的高分名單如果沒有成交，代表模型失敗嗎？
不一定。高分只代表值得優先追，不代表一定成交。應該檢查失敗原因：需求不符、預算不足、追太慢、話術不清楚、競品搶先，或原本評分訊號需要調整。