这家企业做的是面向中型企业的协同办公 SaaS，年营收过亿，市场团队 12 人，销售团队 20 人。表面上配置不弱，但内部一直有一个解不开的结：市场和销售互相觉得对方有问题。市场部觉得自己每月交出 600 条 MQL，已经尽力了；销售部觉得这 600 条里一大半是"随便填了表单的无效线索"，跟进是浪费时间。每月的线索评审会变成了甩锅大会，数据打架、口径不一，谁也说服不了谁。
真正的问题出在哪？不是市场不努力，也不是销售挑剔，而是线索从产生到交付的链路里，缺了一个关键的中间层——清洗与分级。留资不等于线索，线索不等于可跟进，可跟进不等于值得跟进。这中间的每一步跨越，都需要标准化的机制来支撑。
挑战：线索池一团乱麻，SQL 占比长期低于 18%
我们介入后先做了线索链路诊断。该客户每月 600 条留资，直接全量转给销售，销售自行判断跟进优先级。结果是：销售实际跟进的约 400 条，跟进后判定为"有效线索"的约 110 条，最终进入成交流程的 SQL 约 95 条。SQL 占留资的比例是 15.8%，占销售跟进线索的比例是 23.8%。
更严重的问题是，销售对"有效线索"的判定完全凭个人经验，没有统一标准。同一个线索，A 销售觉得"预算不明确先放放"，B 销售觉得"行业对口可以跟进"。这种主观判定导致两个后果：一是好线索被漏掉，A 销售放掉的线索，如果 B 销售跟可能就成了；二是烂线索被硬跟，销售为了凑跟进量，把明显不靠谱的线索也硬着头皮跟，浪费时间。市场部也不知道自己交出来的线索到底好不好，因为销售反馈的"有效""无效"标准因人而异，无法形成可优化的闭环。
方案：线索分级与流转 + BANT 四维标准 + SDR 清洗
我们为该客户搭建了三层的线索清洗与分级体系。
第一层是 SDR 清洗。所有留资先进 SDR 池，由 SDR 团队（3 人）在 2 小时内完成首轮清洗。清洗动作包括：核实联系信息真实性、确认企业基本信息、初步判断需求匹配度、标注紧迫度。清洗后剔除的无效线索（空号、错号、竞品调研、完全无需求）直接归档，不进销售池。
第二层是 BANT 四维标准评估。SDR 对通过首轮清洗的线索，按 BANT 四个维度做结构化评估：
- Budget（预算）：是否有明确预算、预算范围、预算周期
- Authority（决策权）：是否为决策人、是否影响决策、决策链长度
- Need（需求）：痛点是否明确、需求是否紧迫、是否匹配产品能力
- Timing（时间）：是否有明确上线时间、采购周期、是否在窗口期
每个维度按高、中、低三档打分，综合后分为 MQL、SAL、SQL 三级。MQL 是市场合格线索，BANT 满足两维以上；SAL 是销售接受线索，销售确认可跟进；SQL 是销售合格线索，BANT 满足三维以上且销售已进入实质沟通。
第三层是 AI 中立裁判。为了避免 SDR 和销售的主观偏差，所有分级结果由 AI 中立裁判做二次校验。AI 裁判基于沟通记录、企业公开信息、行为数据，对 BANT 评分做事实标签化校验——不是替代人判断，而是用事实标记每一项评分的依据，让分级结果可追溯、可复盘。
量化结果：SQL 占比提升 42%，线索接受率 95%
体系运行 10 周后，数据发生了显著变化：
- 留资转 MQL 率：从 67%（400/600）提升至 78%，SDR 清洗让更多有效线索被识别出来
- MQL 转 SQL 率：从 23.8% 提升至 33.7%，SQL 转化率提升 42%
- 线索接受率：销售对 SDR 交付线索的接受率从 61% 提升至 95%
- 销售跟进无效线索的时间占比：从 45% 下降至 12%
- 平均成交周期：从 68 天缩短至 54 天，因为销售只跟进高质量线索，推进更专注
最让市场部和销售部都满意的变化是，线索评审会不再吵了。因为每一级线索都有明确的 BANT 评分和 AI 裁判的事实标签，"这条线索算不算 SQL"不再是主观争论，而是看评分和依据。市场部知道自己的 MQL 质量如何，销售部知道自己拿到的线索为什么是这个分级，双方基于同一套标准对话，协作效率大幅提升。
关键复盘：为什么是 42% 而不是更多
42% 的提升已经是不小的数字，但复盘时我们也发现了进一步优化的空间。第一，SDR 团队磨合期的损耗。前 3 周 SDR 对 BANT 标准的理解还在磨合，部分评分偏差较大，导致一些好线索被低估。第 4 周后通过案例复盘和标准校准，评分一致性显著提升。如果从第 1 周就达到第 4 周的准确性，SQL 转化率可能还能再高 5-8 个百分点。
第二，AI 中立裁判的迭代空间。初期 AI 裁判主要做事实校验，对"需求紧迫度"这种偏判断性的维度介入较少。后期我们让 AI 裁判也参与紧迫度判断——基于客户行为数据（如是否多次访问定价页、是否下载了采购指南）做辅助判断，这一项让 SAL 转 SQL 的比率又提升了 11%。
第三，反馈闭环的延迟。销售跟进结果回传 SDR 和市场，初期是每周一次，延迟较高。后期改为实时回传，SDR 能立即知道某条线索在销售端的真实状态，及时调整清洗策略。这个改动让 SDR 的清洗精准度在两周内又上了一个台阶。
比数字更重要的事
这个项目最大的价值，不是 42% 这个数字，而是让市场和销售从"互相甩锅"变成了"基于同一套标准协作"。过去市场部背的是线索数量，销售背的是成交结果，中间的断层没人负责。现在 SDR 清洗 + BANT 分级 + AI 裁判，把中间层补齐了，链路连贯了，每个环节都有明确职责和可量化标准。
当链路连贯之后，优化才有抓手。市场部知道哪类来源的线索 MQL 转化率高，可以优化投放；SDR 知道哪类线索 SQL 转化率高，可以优化清洗策略；销售知道哪类 SQL 成交率高，可以优化跟进话术。每个环节都在基于数据迭代，整条链路的效率就会持续提升。这才是 MQL 交付体系的真正价值——不是一次性的数字提升，而是一个可持续进化的增长基础设施。
如果你的 SaaS 企业也困在线索质量参差不齐、市场和销售标准不统一的循环里，我们的 MQL 交付服务可以帮上忙。SDR 清洗加 BANT 四维评估把每条线索标注到位，AI 中立裁判消除人为偏差，按效果收费、无交付不收费——让销售只跟进真正值得跟进的客户。