领先企业如何大规模、低成本地实现线索发现、评分和激活的系统化

“当今世界，GenAI 和 AgenticAI 占据了话题的主导地位，这及时提醒我们，真正的价值来自于应用人工智能来解决实际的业务问题，而不是追逐最新的潮流。对于大多数企业来说，预测性人工智能仍蕴藏着巨大的潜力。” - Arthur du Passage, Artefact 合作伙伴

在分散的市场中运营的公司面临着四个长期存在的问题，这些问题最终导致团队错失增长机会，并承担更高的每条线索成本。.

  • 需求分散：成千上万的销售点不断开张、关闭或易手，要想了解真正的商机在哪里是很难的。.
  • 手工探矿：传统的、手工的挨家挨户的勘探工作拖慢了团队的速度，几乎不可能实现持续的市场覆盖。.
  • 能力有限：销售代表和分销商自然会把重点放在现有客户上，这意味着许多尚未开发的潜力被忽视。.
  • 知识不均衡：本地专业技能很少能跨地区或跨团队推广，从而造成市场情报方面的差距。.

data 驱动的可重复系统

将地理空间 data 与机器学习模型相结合，可提供一个成熟、可重复的系统：一个端到端、data 和人工智能驱动的管道，用于识别、评分和激活新网点。该系统围绕以下四个模块化组件构建，这些组件相互配合，可产生一致、可扩展的结果。.

四个组成部分

1) 利用智能谷歌地图提取宇宙

我们以编程方式提取感兴趣地区的所有相关销售点 (PoS)。谷歌地图 API 提供了丰富的属性，如评论数和评级、营业时间、付款类型、服务类型等。然而，谷歌地图 API 的主要局限性在于每次调用最多只能返回 20 条记录，而且定价模式是基于 API 调用次数。蛮力方法包括在感兴趣区域的网格上定期调用 API。然而，间隔距离的选择至关重要，因为它直接影响到成本和详尽提取所有相关销售点的能力。.

用蛮力方法从谷歌地图中提取 data 的网格示意图

受 Uber 的六边形分层地理空间索引系统（或称 H3）的启发，我们采用了一种基于六边形的自适应平铺策略来解决这一限制。我们将地理位置划分为六边形，并递归细分仅返回 API 上限结果的瓦片。当一个图块返回的结果少于 20 个地点时，我们就前进到下一个图块。当一个地块达到上限时，我们将其细分为更小的六边形并再次查询。这种方法将 API 调用集中在高密度区域，并保留了近乎详尽的覆盖范围，同时与均匀网格相比，它通常会将总调用次数减少约 90%。.

 

利用 Uber 的六边形分层空间索引（H3），从谷歌地图应用程序接口优化提取 data

2) CRM data 浓缩

我们将您的客户关系管理（CRM）（或分销商列表）与提取的范围进行核对，以便填补空白并添加属性。我们首先根据第一步的结果对名称、地址和经纬度进行模糊匹配，然后使用 Google Place ID API 来检索属性，从而解决剩余记录的问题。同样，分两步进行可以大大降低谷歌地图 data 的相关成本。.

3) 评分模型培训

一旦我们汇集了这个丰富的 CRM dataset，我们就会训练可解释的模型，根据您对 “好 ”销售点的定义，基于谷歌的销售点属性，预测购买可能性/潜在价值。这些模型会产生 0-100 分的潜在客户分数，并显示关键驱动因素，以便团队了解其原理。.

 

4) 宇宙范围的预测

然后，我们使用该模型对地理宇宙中的每个销售点进行评分，而不仅仅是那些已经出现在您的 CRM 中的销售点。这一步骤揭示了空白机会和微集群，您的团队可以立即加以解决，从而显著提高销售转化率。.

“Data和人工智能的实际应用能够快速实现价值，并且无需大量系统投资即可扩展，这正是客户正在寻找的。- 迈克尔-麦高伦，Artefact 合伙人

丰富谷歌地图以外的图片

当使用案例需要更高的精度时，我们会添加更丰富的信号：

  • 数字来源，如社交媒体或可用的公共和商业应用程序接口，以获取人气线索，如追随者数量、发布频率和影响力。.
  • GenAI 计算机视觉对图像进行分析，通过分析谷歌和 Instagram 的照片来识别菜单项目、推断氛围、感知溢价以及类别标识或设备的存在。.
  • 通过调查或专家分析，对结果进行随机抽样，以便从统计上得出有关 dataset 大样本的合理属性，并验证模型的质量。.

将分数转化为行动

然后将线索得分转化为与市场推广模式相一致的具体行动。.

  • 路线和区域优化：制定日常访问计划，在尊重业务限制的同时最大化预期价值。这些计划考虑到代表性工作时间、访问持续时间、开放时间和旅行时间。该系统还支持平衡区域和访问累积规则。我们提供地理顺序行程。.
  • 用于预审的人工智能代理：对于某些网点类型，部署语音或聊天外呼代理，他们会联系优先考虑的网点，并验证联系人姓名、状态和兴趣等基本信息。然后将合格的线索转给销售代表，以便进一步接触
  • 销售自动化：对于某些细分市场和网点类型，例如在 Zalo 或 WhatsApp 等渠道上运营企业账户的小企业，销售周期的部分或全部可以通过自动化或低接触式流程启动甚至完成

客户的典型成果

每个市场的表现都不尽相同，但客户一致强调了以下重大优势

  • 获得相关销售点的综合清单，使他们对市场有更高的知名度和更深入的了解，往往超过他们的分销商。.
  • 比传统方法多出两到三倍的合格线索
  • 提高销售人员的积极性和参与度，提高成功率，与客户进行更有意义、更相关的讨论

如何开始

只需三个简单步骤即可入门：首先，利用地理 data 信息源绘制市场地图，建立目标区域潜在目标的完整视图。其次，将这一范围与客户关系管理 data 结合起来，训练一个模型，根据潜在价值和购买可能性对目标进行排名，从而为机会打分。最后，通过优化路径或自动外联部署结果、跟踪转换和完善模型来激活和学习，然后再进行扩展。人工智能驱动的线索与实地激活劳动力和自动化营销推广相结合，是推动 B2B 销售规模化的强大模式，早期采用者将获胜。.