AI获客智能体每天承接几百条咨询但大部分是无效的如何自动筛选出高意向线索我们技术团队设计了一套双层漏斗线索筛选算法本文分享其原理和实现。一、为什么需要双层漏斗AI获客智能体每天承接几百条咨询但大部分是无效的闲聊、广告、负面、低意向咨询。如果人工销售每条都跟进时间都花在无效咨询上没时间跟进高意向客户。需要一套算法自动筛选高意向线索让人工销售只需要跟进高意向线索。单层漏斗的问题只根据意图识别结果筛选筛选粒度太粗很多中等意向的线索被漏掉或误判。双层漏斗的优势第一层粗筛根据意图识别第二层精筛根据多维度打分筛选更精准。下面是双层漏斗的整体流程海量咨询线索第一层漏斗意图识别粗筛保留咨询价格/产品/联系方式/案例过滤闲聊、负面第二层漏斗多维度打分精筛评分 80极高意向立即转人工评分 60-79高意向自动跟进培育评分 60中等意向持续观察二、第一层漏斗意图识别粗筛第一层漏斗根据意图识别结果筛选出有咨询意图的线索。用户的咨询意图分六类咨询价格用户问价格、费用、多少钱咨询产品用户问产品功能、服务内容、效果咨询联系方式用户留电话、微信、地址咨询案例用户问成功案例、客户评价闲聊用户随便聊天没有明确咨询意图负面用户投诉、抱怨、负面评价第一层漏斗筛选规则保留咨询价格、咨询产品、咨询联系方式、咨询案例过滤闲聊、负面第一层漏斗的筛选率大概保留30-40%的线索过滤60-70%的无效线索。第一层漏斗的筛选流程如下咨询价格/产品/联系方式/案例闲聊/负面用户咨询意图识别保留进入第二层漏斗过滤不进入后续流程三、第二层漏斗多维度打分精筛第二层漏斗对第一层保留的线索进行多维度打分筛选出极高意向线索。打分维度维度权重说明意图类别30%咨询价格咨询产品咨询联系方式咨询案例消息长度15%越长越可能是真实咨询关键词匹配20%匹配高价值关键词价格、报价、联系方式、预约等历史交互20%历史交互次数越多意向越高时间因素15%工作时间加分深夜减分打分公式score 0.3 * intent_score 0.15 * length_score 0.2 * keyword_score 0.2 * history_score 0.15 * time_score每个维度的得分0-100分总分0-100分。筛选规则评分80分极高意向线索立即转人工跟进评分60-79分高意向线索自动跟进培育评分60分中等意向线索持续观察第二层漏斗的筛选率大概保留15-20%的线索为高意向线索其中5-10%为极高意向线索。第二层漏斗的打分与分流流程如下 80 分60-79 分 60 分第一层保留的线索多维度打分总分判断极高意向立即转人工跟进高意向自动跟进培育中等意向持续观察四、算法实现算法实现的核心步骤意图识别用自研NLP意图识别引擎识别用户的咨询意图第一层粗筛根据意图识别结果筛选出有咨询意图的线索多维度打分对第一层保留的线索进行多维度打分第二层精筛根据打分结果筛选出高意向和极高意向线索线索分配极高意向线索立即转人工高意向线索自动跟进算法实现的完整流程如下用户咨询意图识别第一层粗筛多维度打分第二层精筛极高意向立即转人工高意向自动跟进五、效果据我们技术团队内部数据线索筛选准确率90%以上人工复核确认人工销售效率提升销售只需要跟进高意向线索效率提升了3倍线索转化率提升高意向线索的转化率是普通线索的5倍以上无效线索过滤率90%以上的无效线索被自动过滤据官方公众号获客智能体四大核心功能包括双层漏斗算法。六、踩坑总结意图识别不准确意图识别准确率低导致第一层粗筛错误。解决用自研NLP意图识别经行业微调后准确率95%以上。打分权重不合理初始权重是拍脑袋定的效果不好。解决用历史数据训练根据实际效果调整权重。关键词匹配太死板只匹配固定关键词漏掉很多变体。解决维护关键词变体库用模糊匹配和语义匹配。历史交互数据不足新用户没有历史交互数据打分不准确。解决对新用户降低历史交互的权重增加其他维度的权重。误判高意向线索有些用户只是随便问问但被误判为高意向。解决增加人工复核环节持续优化算法。七、优化方向机器学习优化用机器学习模型替代人工打分提升筛选准确率实时反馈优化根据人工销售的反馈实时调整打分权重行业定制优化不同行业的高意向特征不同按行业定制打分规则多模态打分不仅分析文本还分析图片、语音等多模态信息预测模型预测线索的成交概率优先跟进成交概率高的线索八、总结AI智能体的双层漏斗线索筛选算法第一层根据意图识别粗筛保留30-40%有咨询意图的线索第二层根据多维度打分精筛保留15-20%高意向线索。让人工销售只需要跟进高意向线索效率提升3倍线索转化率提升5倍。本文为技术团队的实践分享部分数据为内部测试口径。