用Jev AI + n8n搭建B2B销售线索智能评分系统实战

为什么销售线索需要自动化评分

在B2B销售场景中，销售团队每天要处理大量涌入的线索，但真正值得投入精力跟进的往往只有少数。靠人工逐条判断线索质量不仅耗时，还容易因主观标准不一而漏掉高价值客户。这正是线索智能评分（Lead Qualification）要解决的核心问题——让系统基于多维度信号自动区分哪些是优质客户，哪些可以直接放弃。

这篇文章基于一位YouTube创作者的实战演示，介绍如何用 Jev AI 结合 n8n 自动化平台，搭建一套「多信号线索意图评分」工作流。整套系统从读取线索到最终分发，全程无需人工干预，是一个可快速落地的MVP（最小可行产品）范例。

ICP（Ideal Customer Profile，理想客户画像） 是线索评分体系的基础概念。ICP 是企业根据历史成交客户总结出的「最佳客户模板」，通常包含行业、公司规模、地域、技术栈、预算范围等维度。与「用户画像（Buyer Persona）」不同，ICP 描述的是组织层面的匹配度，而非个人特征。自动化评分系统的本质，就是用规则或模型衡量每条新线索与 ICP 的相似程度，从而把有限的销售资源集中到最可能成交的客户身上。

整体工作流架构

整个系统以 Google Sheets 作为数据的输入与中转载体，形成一个「来回往返」的处理链路。工作流既支持手动触发执行，也可以设置为定时调度自动运行，适应不同的业务节奏。

数据流的起点是从 Google Sheet 中读取原始线索。读取后系统会对线索做标准化处理（Normalize），统一数据格式，再接入已经预先保存好的公司富化数据（Company Enrichment Data）。

这一步之后，工作流会读入 ICP 规则代码（理想客户画像规则）以及相关的日程信息。创作者在演示中为了简化流程，特意把处理项限制为单条线索，但实际生产环境可以批量处理。

公司数据富化（Company Enrichment） 指在原始线索数据（通常只有姓名、邮箱等基本字段）的基础上，通过外部数据源自动补全公司维度的信息，例如员工规模、融资阶段、所属行业、技术栈和年收入等。常见的富化数据来源包括 Clearbit、Apollo、LinkedIn 等第三方 API。本文演示中为简化流程，将富化数据预先存入 Google Sheets，实际生产环境通常在工作流运行时实时调用 API 获取，以保证数据的时效性。富化数据的质量直接影响后续 AI 评分的准确性，是整条流水线中最容易成为瓶颈的环节。

Jev AI 如何完成线索评分

系统的核心是 Jev AI 模型节点。它会读取 ICP 描述、线索姓名、职位头衔和邮箱类型等输入信息，然后输出结构化的结果：姓名、公司名、域名、员工规模等字段，并由此启动完整的富化（Enrichment）流程。

评分完成后，AI 会自动将线索归入五个等级：

• Unqualified（不合格）
• Low Fit（低匹配度）
• Moderate Fit（中等匹配度）
• Strong Fit（高匹配度）
• Tier One（一级客户）

除了打标签，AI 还会根据线索的类型给出跟进节奏建议，比如为企业级（Enterprise）和中端市场（Mid-Market）线索分配「第一天、第二天」的两到三天跟进安排。在演示中，AI 判断该条线索属于 Tier Two 中端市场类型。

值得关注的一点是，最终的评级并不完全依赖 AI。系统在 Jev AI 的排序和评估之外，还叠加了一层自定义代码逻辑，把人工设定的规则与AI判断结合起来，再决定线索的最终走向。这种「AI + 规则」的混合模式，比纯AI判断更可控，也更符合企业实际的业务约束。

线索分发的四种路径

经过评分后，系统会把线索路由到四种预设场景中，实现自动化分发：

1. 不合格线索（Unqualified）

直接放弃，不占用销售团队资源。

2. 需人工复核（Needs Review）

当线索介于合格与不合格之间、需要人判断时，系统会自动发送一条 Slack 告警，提醒相关人员介入处理。

3. 中端市场线索（Tier Two / Mid-Market）

系统会自动向客户发送邮件，启动跟进流程，无需销售手动撰写。

4. 企业级线索（Enterprise）

对最高价值的企业客户，系统会同时发出 WhatsApp 模板消息和 Slack 团队告警，确保团队第一时间获知并集中资源跟进。

这种按线索价值分级分发的设计，本质上是把销售资源精准地导向回报最高的客户群体，避免「一视同仁」造成的效率浪费。

这套方案的价值与局限

从演示来看，这是一个结构清晰的 MVP，核心价值在于把线索处理的三个关键环节——数据富化、质量评分、自动分发——串联成了一条全自动流水线。n8n 负责流程编排和各类系统（Google Sheets、Slack、邮件、WhatsApp）的集成，Jev AI 负责智能判断，分工明确。

创作者也坦言这还只是基础版本，距离「满级」能力还有很大提升空间。可以预见的优化方向包括：实时抓取富化数据而非依赖预存表格、引入更丰富的意图信号、让评分规则随业务反馈持续迭代等。

对于希望降低销售运营成本的团队来说，这类低代码+AI的组合提供了一条可快速验证的路径。你不需要从零开发系统，只要把现有的 CRM、通讯工具和 AI 模型接入 n8n，就能搭出一套可用的线索评分雏形，再根据实际效果逐步增强。

n8n 是一款开源的工作流自动化平台，定位类似 Zapier 或 Make（原 Integromat），但支持私有化部署，对数据敏感的企业更友好。其核心设计是「节点式可视化编排」——用户通过拖拽连接各类预置节点（涵盖 HTTP 请求、数据库、SaaS 工具等数百种集成）来构建自动化流程，无需编写大量代码。对于需要在 AI 模型调用和多个外部系统之间传递数据的场景，n8n 提供了比纯代码方案更低的维护成本，同时又保留了自定义代码节点来处理复杂逻辑，是目前 AI Agent 工作流落地的主流编排工具之一。