潛在客戶評分真正要解的，不是替 CRM 多塞一個分數，而是替小團隊決定誰先跟進、誰先補資料、誰先不要浪費時間。對多數台灣 SME 來說，第一版 lead scoring 不需要複雜 AI 模型，反而應先把 fit、意圖、負分與時間衰減四組規則訂清楚，讓業務、客服和行銷用同一套語言判斷名單優先順序，才不會每個詢問一進來都被當成熱客，最後把真正有機會成交的人一起拖慢。
潛在客戶評分真正要解什麼問題？
很多團隊以為成交差，是因為名單不夠多，所以第一反應是加廣告、加內容、加活動。但如果你連「哪些名單值得先追」都沒有共識，更多流量通常只會把低品質詢問一起放大，業務會更忙，成交卻不一定更好。
Salesforce 在 2025 年 5 月 14 日的 lead scoring 指南，把這件事講得很直白：lead scoring 是根據行為、背景與互動替潛在客戶排序，讓銷售把時間先放在最可能轉換的人身上，而不是平均分配。Salesforce: Lead Scoring: How to Find the Best Prospects in 4 Steps
這個核心邏輯很適合台灣 SME，因為小團隊最缺的通常不是工具，而是跟進容量。
Oracle 台灣的 lead scoring 頁面也提醒，潛在客戶評分不只是排名方法，更是行銷與銷售之間的共同合約。換句話說，評分一旦只停在報表，就不會改變現場的回覆節奏；只有當分數會影響誰先回、何時回、回什麼，這套規則才算真的上線。Oracle 台灣：什麼是潛在客戶評分？
這套規則適合誰，不適合誰？
這篇做法最適合已經有穩定詢問來源、表單、LINE、電話、預約或報價流程的台灣 SME，特別是 B2B 服務、顧問、教育訓練、設備、工程、在地高單價服務與需要人工跟進的商業模式。你已經不是完全沒名單，而是名單一進來後，團隊常常不知道先追哪個、先放哪個。
它不適合目前詢問量極少、定位還沒穩、產品常改、交付品質不穩，或連最基本的回覆流程都還沒建立的團隊。若你的問題還停在「沒人來問」，優先順序通常應該是補服務頁、FAQ、案例、報價頁與 CTA，而不是先做精細 scoring。
如果你想直接上 predictive lead scoring，也要先看自己的資料量夠不夠。Microsoft Learn 的文件寫得很清楚：要訓練預測性潛在客戶評分模型，至少需要 40 筆授與資格與 40 筆取消資格的已關閉潛在客戶，否則連模型都建不起來。Microsoft Learn：設定預測性潛在客戶評分
這對許多 SME 來說是一個很實際的提醒，代表第一版更適合先做規則式。
台灣 SME 最先要訂的 4 組規則
HubSpot 在 2026 年 3 月 26 日更新的 lead scoring tool 文件，把分數拆成 fit、engagement 與 combined score，還補了 group limits、negative points、time frame 與 score decay。HubSpot Knowledge Base: Understand the lead scoring tool
把這些概念翻成 SME 能執行的版本，最先要訂的通常就是下面四組規則。
| 規則組 | 要看什麼 | 高分訊號 | 常見誤區 |
|---|---|---|---|
| Fit | 產業、區域、預算、職務角色、服務適配度 | 符合你主力客群與毛利結構 | 只看職稱，不看是否真的符合服務範圍 |
| 意圖 | 表單內容、報價需求、預約動作、案例或價格頁互動 | 問題清楚、時程明確、願意進下一步 | 把每個下載或每次開信都當成高意圖 |
| 負分 | 錯誤地區、免費型詢問、學生作業、純比價、退訂或停滯 | 能快速排除不值得追的名單 | 完全不扣分，導致所有名單都看起來很熱 |
| 衰減 | 訊號多久後該失效、多久沒回就要降級 | 新近互動仍維持較高優先順序 | 三個月前的詢價還一直掛高分 |
1. Fit 規則先解決「這是不是你要的客戶」
Fit 不只是理想客戶輪廓，而是你有沒有能力把這筆案子做好、做賺。若你的服務只做北部、只接 B2B、最低案量有門檻、或只服務特定產業，那些條件就應該在第一版規則裡出現，而不是等業務通話後才發現完全不適合。
HubSpot 也明說 fit score 可以根據職稱、公司規模、年營收、地區等屬性設計，而且可以用 group limits 控制某一組訊號不要把總分拉太高。對 SME 來說，這個概念很實用，因為它提醒你不要只靠單一欄位，例如「填了公司名」就直接變高分。HubSpot Knowledge Base（繁中）：建立潛在客戶分數
2. 意圖規則要看「他現在是不是準備往前走」
很多團隊把所有互動都加分，結果把閱讀型流量和詢價型流量混在一起。實際上，意圖規則應更重視接近決策的動作，例如提交詢價表單、預約會議、查看價格或案例、回覆補充問題、主動留下電話，這些比單純開信或看一篇文章更接近成交。
HubSpot 的文件特別提到，可以把 awareness events 和 conversion events 分開設權重，像頁面瀏覽可以有上限，表單提交與會議預約則給更高點數。這對台灣 SME 很重要，因為它能避免「看很多內容的人」永遠壓過「真的要談的人」。
3. 負分規則不是殘忍，而是幫你省時間
Salesforce 把 neglecting negative lead scoring 列為常見錯誤，因為沒有扣分規則，模型就會過度樂觀。對小團隊來說，負分通常比正分更有價值，因為它會直接把錯誤地區、學生報告、免費索取、完全不符服務範圍或已退訂的人往後排。Salesforce: Lead Scoring mistakes to avoid
HubSpot 也舉了明確例子：若對方很符合產業與規模，但位於你不服務的區域，就可以加 fit 分，同時扣 non-operating region 的分。這種做法很接近 SME 的現實情境，因為很多名單不是完全沒價值，而是「看起來像好客戶，但你現階段接不起來」。
4. 衰減規則是為了避免舊訊號一直佔住前排
如果沒有時間衰減，三個月前提交過詢價的人，可能還會和昨天主動預約的人排在差不多的位置。HubSpot 的 score decay 設計就是在處理這件事，它允許 engagement 或 combined score 的事件按 1、3、6、12 個月遞減，避免舊行為永遠維持高權重。HubSpot Knowledge Base: Score decay
對台灣 SME 來說，第一版不一定要做很細的數學模型，但至少要定一條業務能理解的規則，例如 30 天未回覆降一級、60 天沒有新互動就退回培養池、90 天以上舊詢價不再算高分。這會比把所有舊訊號一直保留在熱名單裡更務實。
手動規則式與預測式評分怎麼選？
| 做法 | 適合情境 | 優點 | 限制 |
|---|---|---|---|
| 手動規則式 | 資料量不大、團隊人少、先要建立共識 | 快、透明、好調整 | 需要人定期回頭修規則 |
| 預測式評分 | 已有足夠已關閉資料、流程穩定、想自動擴大 | 可從歷史資料找出模式，節省人工排序時間 | 資料不夠或欄位混亂時，模型容易失真 |
Salesforce 的做法是先抓所有 lead 的 baseline conversion rate，再用高於平均的屬性或行為加點；Microsoft 的文件則提醒 predictive 需要足夠已關閉資料才能訓練。
把兩者放在一起看，就很適合變成台灣 SME 的判斷原則：如果你現在連高分名單的共通特徵都說不清楚，先做規則式；如果你已經累積足夠已成交與已淘汰資料，再來談 predictive。
Oracle 也提到，評分流程最好搭配 follow-up SLA。這代表你不該只問「哪個分數高」，還要問「高分後誰在 24 小時內接」、「中分後誰補資料」、「低分後是否進 nurture」。沒有這一段，評分只是分類，不是營運。Oracle 台灣：lead scoring 與 follow-up 流程
14 天上線 SOP
第 1 到 3 天：回頭看最近 30 到 50 筆名單
先不要急著算分。把最近成交、有效但未成交、明顯不適合的名單各抓一批，回頭看它們在產業、地區、需求清楚度、回覆速度和互動深度上有沒有共通點。這一步的目標不是完美，而是找出第一版可共用的訊號。
第 4 到 6 天：先寫出 4 組規則與 3 段優先順序
你不需要一開始就做 100 分制。更實用的做法通常是把名單分成高優先、中優先、低優先，再替 fit、意圖、負分、衰減各寫 2 到 4 條團隊看得懂的規則。重點是每個人都能用，而不是只有你自己會解讀。
第 7 到 10 天：把分數接到 handoff 與 SLA
高優先名單應該有明確回覆時限，例如上班時間 24 小時內接手；中優先名單則補資料、安排第二次追蹤；低優先名單回到 FAQ、自動回覆或 nurture。這一步若沒做，評分再漂亮也不會影響現場順序。
第 11 到 14 天：回寫結果，開始修規則
Salesforce 提醒模型要持續更新，因為客戶行為會變。對 SME 來說，第一輪你至少要記錄高分名單是否真的較容易成交、哪些扣分條件其實太嚴、哪些意圖訊號根本不準。只有回寫結果，評分規則才會越修越有用，而不是永遠停在初版假設。
常見錯誤
- 只看表單量，不看哪種名單最後真的會成交。
- 完全不設負分，導致每個詢問都看起來像熱客。
- 把閱讀型互動和詢價型互動給一樣高的權重。
- 沒有衰減機制，舊名單長期卡在高分區。
- 資料量還不夠，就急著導入 predictive score。
- 分數有了，卻沒有對應的 follow-up SLA 和 handoff 規則。
資料更新與重要來源
本文於 2026 年 7 月 28 日整理。
文中涉及規則設計的主要依據，來自 2026 年 3 月 26 日更新的 HubSpot lead scoring tool 文件、2026 年 2 月 20 日更新的 HubSpot 繁中 lead score 建立文件、2025 年 5 月 14 日的 Salesforce lead scoring 指南，以及 Microsoft Learn 與 Oracle 台灣的 lead scoring 文件。
- HubSpot Knowledge Base: Understand the lead scoring tool
- HubSpot Knowledge Base（繁中）：建立潛在客戶分數
- Salesforce: Lead Scoring: How to Find the Best Prospects in 4 Steps
- Oracle 台灣：什麼是潛在客戶評分？
- Microsoft Learn：設定預測性潛在客戶評分
需要說明的限制是，這篇文章的台灣 SME 操作方式屬於把官方 scoring 規則翻譯成在地流程的實務建議，不代表每個 CRM 都會用相同欄位名稱或相同演算法。若你要接進特定 CRM、LINE webhook 或廣告回傳流程，仍需再對照自家工具設定。
結論
潛在客戶評分最重要的價值，不是讓你看起來比較懂數據，而是讓有限的人力先花在最值得的人身上。對多數台灣 SME 來說，先把 fit、意圖、負分與時間衰減四組規則訂清楚，再把分數接到 handoff、SLA 與回寫流程，通常比急著上 predictive 模型更有效。當你把 lead scoring 從概念變成同一套工作順序，分數才會開始替你省時間，而不是再多一張沒人看的表。
FAQ
潛在客戶評分一定要用 CRM 才能做嗎？
不一定。第一版甚至可以先用 Google Sheet 或表單備註欄做，只要團隊能一致判斷高、中、低優先順序，並願意回寫結果，這套規則就已經有價值。
什麼情況最適合先做規則式 lead scoring？
當你已經有名單，但資料量還不夠訓練 predictive 模型，或團隊對熱客定義還沒有共識時，規則式會比直接上 AI 評分更穩。
負分規則會不會錯殺潛在客戶？
會不會錯殺，取決於你有沒有定期回頭檢查。負分不是把人永遠排除，而是先避免錯誤地把明顯不適合的名單排在前面，再依結果調整。
潛在客戶評分要不要把開信和點擊都算很重？
通常不建議。閱讀型互動可以加分，但權重不應高於詢價、預約、報價或主動補充需求等更接近決策的訊號。
什麼時候才值得做 predictive lead scoring？
當你已經累積足夠的已成交與已淘汰資料，欄位品質也穩定時，再考慮 predictive 會比較合理。以 Microsoft 文件為例，連建立模型都需要至少 40 筆授與資格和 40 筆取消資格的已關閉潛在客戶。