在新能源汽車市場，當我們談論線索的時候是在談論什么

接觸過銷售類工作的人都對“線索”這個詞不會感到陌生，特別是在銷量不是很理想的時候，所有人都自然而然的去講“線索不夠”，要“增大線索量”。但往往就是掛在嘴邊的對象，當我們仔細思考的時候會發現也許并不是很理解它，它的“面貌”、特性都很模糊。下面就以汽車行業為例，來看看當我們談論“線索”的時候，究竟在談論什么。

“線索-客戶-車主-用戶”的區分

線索是一條信息，也是一個潛在的用戶。對于銷售員來講，線索就是包含了潛在客戶聯系方式和相關特點的信息，而對于企業來說，線索就是潛在客戶本身。單純用靜態的眼光看線索是沒有意義的，其中最關鍵的是其包含了企業和潛在客戶自身的兩種動力。企業的動力是將線索轉化為用戶，而潛在客戶的動力則是選擇一個能夠滿足自己的產品。

這么一來，就有必要區分“線索、客戶、用戶”之間的關系，特別是在汽車行業中，還有一個“車主”的概念。當我們理清這些定義，實際上也就搞明白了它們之間的轉化關系。

雖然沒有明確的定義，但通常來說，在汽車領域，“線索”就是沒有接觸過汽車產品，但有購車意向的人；而“客戶”可以更精確的定義為到了門店，并體驗過產品的人，其中有些人可能會購買，也有一些人最終會放棄選擇；一旦用戶下了訂單后真的提了車，就會變成“車主”，這個概念很好理解。但在這之外，還有一個“用戶”的概念，這是指購買過產品或者享受過服務的人，對于汽車行業來說，車主一定是用戶，但用戶不完全是車主，因為車企還有很多服務，比如網站、APP、小程序等線上平臺以及精品商城、售后服務等，這些服務也對非車主開放。

基于這種分類，我們可以得到上圖當中“線索-客戶-車主-用戶”之間的動態和靜態關系，只有分清楚這樣的關系，我們才可以進一步的去理解和操作。值得注意的是，大多數時候，我們會把還未成交的狀態中的潛在客戶都稱作線索，這樣也可以簡化這個關系為“線索-車主-用戶”三者之間，在這樣的關系中，我們接下來就著重看一下線索。

線索的八種狀態

當我們要理解一件事情的時候，最好的辦法就是將其細分，并分步理解。對于線索來說，市場上有一套較為清晰的分類方式，可以幫我們對線索有一個更深入了解。

首先是原始線索RL（Raw leads)，這就是企業通過各種方式收集到的潛在客戶的基本數據。在這些基本數據里面，會有很多重復、混亂的信息，一般來說，要經過一個自動化的清洗過程，讓其變成真正可用的線索，即自動清洗線索AQL（Auto Qualified Leads）。

在AQL的基礎上，企業的市場部門需要對線索進行進一步的篩選，比如判斷出潛在客戶的用車地、預算、選購周期等內容。篩選后具備給到銷售條件的線索，叫做市場認可線索MQL（Market Qualified Leads），如果不具備馬上下發的條件，但是可以培育一段時間的話，就可以稱作市場培育線索MRL（Marketing Ready Leads）。

進入銷售體系之后，經過清洗篩選，也同樣可以分成銷售跟進線索SQL（Sales Qualified Leads)和銷售培育線索SRL（Sales Ready Leads）。在銷售跟進線索SQL中，那些具備成交條件的，可以叫作成交潛力線索OPP（Opportunity），而最終的落單就可以稱作成交線索WIN。

汽車銷售中的線索管理

有了這些展開的了解，我們就有機會更加清晰的合并內容，在汽車領域構建一個簡單可操作的線索模型：消費者從市場線索ML（Market Leads）成為銷售線索（Sales Leads）進而成為車主/用戶（Owner/User）的過程。我們可以參考消費者選車、用車的生命周期來細化這個模型。

一般來說，消費者首先要有購車需求，然后進入信息篩選階段，并可能會成為線上的留資線索或者線下直接到門店的咨詢線索。我們可以把用戶到店之前都乘坐市場線索ML。到店之后，用戶會咨詢、試駕、價格談判等，這個過程到訂單之間，就是銷售線索SL。當車輛真正交付給用戶之后，就可以稱其為車主了。

線索在不斷向前推進的過程，其實就是一個企業不斷地了解消費者的過程。前面我們也提到了，線索既是信息，又是人，是信息和人的一個映射關系。所以如果想要管理好線索，最核心的就是要搞清楚，究竟要了解消費者的哪些信息才能有助于成交。

我們可以從“屬性-意向-行為”三個維度來豐富客戶信息，同時結合市場線索、銷售線索和車主三個階段，來明確各個階段“最好”要了解消費者到什么程度。屬性，即消費者的基本信息，可以分為兩個模塊，第一個大的模塊是賬號信息，即消費者的姓名、ID以及電話聯系方式，最好可以獲取到一些他們各個平臺的社交媒體信息。另一個大的模塊是個人信息，隨著銷售過程的不斷深入，可以了解到消費者的年齡、性別、居住地、家庭成員、住房情況、擁車情況、工作和經濟情況、興趣愛好等等。當他成為車主之后，還可以增加其購車、擁車信息以及與企業互動的內容。

基本屬性可以讓我們了解這條線索背后的人，但意向和行為信息才是真正能反映出消費者對于產品的偏好。在意向維度，主要是選購意向和體驗意向，要回答的問題是，用戶想買什么車以及用戶想不想體驗我們的車。而行為則是在這樣意向指引之下，用戶在線上的行動是什么以及在線下的行動是什么。

給線索建立合適的標簽并持續更新標簽，僅僅是對線索管理的基本動作。除了標簽，還要關注至少三個方面，即限速處理的“流程”，線索的“轉化”推進，以及不斷地對線索進行各個層面的“評估”。

再次強調的是，線索是信息，同時也是人。所以給線索打標簽實際上是不斷地完善人的畫像的過程，但人不是靜態的，需要設計一個流程，促進這個人從“市場線索”轉化到“銷售線索”最終轉化為“車主”。所以流程和推動轉化，是在線索標簽的基礎上的兩個關鍵要素，二者相輔相成。

所謂流程，就是一個體驗的過程，即消費者從留下個人資料，成為線索之后，如何一路向前，成為車主。傳統意義上，就是類似于用戶留資之后多久要打電話觸達，多長時間跟進一次等等。但在這流程當中，最關鍵的是要針對消費者進行轉化的操作，比如通過接觸，對消費者進行分類，然后基于歷史數據，對消費者購車意向度進行預測，結合前面的信息，選擇合適的銷售腳本與用戶進行溝通，最后進行向車主的轉化。

如今到了一個AI的時代，很多行業、很多工作都在思考AI如何能幫助業務的發展。在線索方面，AI同樣有著可以發揮的空間。AI最擅長的事情就是做預測，如果能夠基于線索已有的標簽信息，對線索做出快速的分類和預測，也許可以做到使用更有針對性地腳本和提高轉化率。

怎么做？舉個最簡單例子，基于企業內部數據以及公開數據，我們可以制作一組以月為單位的車輛上險背后的用戶數據統計。比如按照年齡段和性別劃分，以特斯拉舉例，可以拉出一個每款車型分年齡、性別的購買比例，這樣就可以基于用戶這兩種信息，進行一個概率性的預測——有多大可能會購買？當然如果能夠喂給AI的歷史信息越多，就會得到更精確的預測。

（數據為2025年5月上險量）

另外基于用戶的預算、需求和競爭情況，結合其購買周期，還可以構建一個BNC-T模型（Budget-Need-Competition-Time frame）。具體來說，消費者購買汽車產品，基本上會有一個決策周期，這個周期雖然隨著智能化消費化變得越來越短，但我們還是可以將3個月作為一個限度。那么在這三個月中，消費者的預算、需求以及備選的產品并不是一成不變的。

比如某個人想要買一輛SUV，最初的預算錨定在15萬元，在第一個月，他可能會擴大預算范圍在12-18萬之間，需求也會要很多，比如想要好看的、空間又很大的、智能強的等等，備選名單也很多。隨著時間的推進，在第二個月，由于試駕了幾輛車，了解到了更多信息，結合自己的情況，明確了哪些需求是自己真正想要的，同時也縮減了備選名單，就這樣在動態的信息收集中不斷地進行判斷，最終預算、需求和備選產品收斂到2-3個之間，進入最終的決策。

通過構建一個模型，將過往的用戶選擇、需求調研以及現在市面上的產品放在一個時間維度上不斷地進行比較，就可以在不同階段對應掌握消費者選購時候的心理，更好的給出針對性的建議。這其中最關鍵的一點就是引入時間變量，不斷地去更新用戶對購車這件事情的看法，并給出針對性銷售策略。

除了概率性預測，基于大語言模型，甚至可以對消費者的標簽進行擴展性預測。我們假設利用既有的車主的情況進行大數據訓練，對于車主的描述本質上就是一句話，比如“北京的劉先生有兩個孩子，家住在順義，是一名機場工作人員，家庭年收入在100萬左右，他平時喜歡釣魚、高爾夫，最終他選擇了一輛XXX車作為座駕”，很顯然，這是大預言模型可以生成的東西，如果基于既有標簽不斷的擴展預測生成，汽車企業的銷售人員就可以做出大膽的假設，并且使用更合適的銷售腳本來贏得客戶。

說到銷售腳本，其實在每一位成功的銷售員心中，都有一個銷售腳本大全，他們會快速判斷消費者的狀態，并進行分類預測，然后調用其銷售腳本庫中最合適的，并適當的加以改造，快速的運用在跟消費者的溝通當中。那么如果基于企業產品的特點、銷售的經驗積累以及對消費者的預測，訓練出一批銷售腳本，可以隨時調用，并可以快速改造的話，一方面可以提升總體銷售的標準化和質量，另一方面應該能夠極大的幫助提升線索的轉化率。

當然以上內容沒僅僅是針對線索的一個系統性總結和未來可能性的展望。實際上困擾各個企業的首要問題是——每個線索相關的部門都在抱怨“線索不夠”。那么如何去判斷線索到底夠不夠呢？

有一個特別簡單的辦法，就是看兩個率——新增線索轉化率和當期銷售市占率。線索轉化率來看，比如這個月有10,000條線索進入到某一家企業的系統，最終產生了500個成交，那么線索轉化率就是5%。月度的市占率則是在細分市場里，某個企業的銷量跟總銷量的關系。比如企業月銷量是500，細分市場總銷量是10,000，那么月度銷售市占率就是5%。

這個時候，有意思的事情發生了。我們假設一種情況。這個月在細分市場中，一共就1萬人想要買車，那么他們會分別按照自己的喜好去各家留咨，成為不同企業的線索。那么問題就又去了，如果一家企業想要判斷，線索是不是足夠了，只需要去算一下，自己的轉化率和市占率之間的關系，如果二者恰好相等，那么就可以粗略的假設，這個月想買這類產品的消費者都來看過我的產品。如果市占率小于轉化率，說明還有一些購同類車的用戶沒有來看過我，而如果市占率大于轉化率，說明線索可能溢出了，會有很多無效線索。

當然者僅僅是理想情況，可以供企業做一個基礎判斷，而且要強調的是新增的線索轉化率和當期的銷售市占率。在一個競爭充分的市場里，如果我們假設消費者選購周期為3個月的話，那么每一個月當中總體看車的人數應該是當月實際購車人數的1/3左右，也就是說，線索總量應該是銷售總量的3倍，這樣，總體的轉化率和市占率之間的關系，需要通過對細分市場的探索，來重新判斷它們之間的比例關系。另外還可以假設，在充分競爭的市場中，如果銷量能排在TOP 3，就可以假定消費者只要想買這個細分市場的產品，就能夠去留咨和了解，因為信息壁壘已經不存在了。

所以隨著市場競爭的不斷加劇，線索總量已經不會成為瓶頸，關鍵的是要打造好內部對線索處理的流程、轉化和評估，不斷地精細化管理線索，這樣才能做到在同樣的線索競爭中，獲得最大的成交。