找对人比找到人更重要——销售线索研究的方法论

线索研究有一个最典型的失败模式：把目标定成「找 100 家公司的联系方式」，然后花两天时间搜索、整理、去重，最后攒出一张 Excel 表格，感觉完成了任务。

但打开表格，每一行都差不多——公司名、官网、一个 info@ 邮箱。没有任何东西能告诉你，哪家公司现在有紧迫需求，哪家连概念都没建立。这样的名单，群发出去，回复率可能是 1%。

问题不在于名单不够长，而在于你在没有定义「好线索长什么样子」之前就开始收集了。

先定义理想客户画像（ICP）

ICP（Ideal Customer Profile）是线索研究的起点，但它不该是「我希望客户是什么样的」，而是「历史上转化最好的客户有哪些共同特征」。

几个关键维度：

• 行业 + 子行业：「互联网公司」太宽，「SaaS 工具类的中小 B 端软件公司」才有意义
• 公司规模：人数区间比营收更容易观测（50-500 人 vs. 500+），决策链条完全不同
• 技术栈：如果你的产品是要替换或集成某类工具，用什么技术的公司才是真正的潜在用户
• 增长阶段：种子期公司没有预算，A 轮之后在扩张，成熟期公司在优化——三种阶段的购买动机差很远

ICP 定义得越具体，后面每一步的噪音就越少。

信号比名单更值钱

找到一家公司不等于找到一个机会。线索研究真正的难点，是识别「这家公司现在有可能需要你」的信号。

几类常见的购买意向信号：

招聘信号：如果一家公司正在招聘某个职能，说明他们在投资这个方向，也说明他们可能还没有足够的工具或资源。一个在大量招聘数据工程师的公司，往往对数据基础设施工具更有紧迫需求。

融资信号：刚完成融资的公司有预算、有扩张压力，是购买新工具的高频窗口期。融资后 3-6 个月通常是接触的黄金时机。

技术栈信号：从公开的 GitHub 仓库、官网技术标签、招聘 JD 里的技术要求，可以推断一家公司用什么技术，从而判断你的产品是否适配。

行为信号：领英上发文讨论某类问题的高管、在社区里求助相关工具的工程师——这些都是「当下有问题待解决」的直接证据。

优先级评分，而不是平均分配精力

筛出 50 家公司之后，下一步不是逐条平均处理，而是先排序。

一个简单的评分框架：

• ICP 契合度（1-5 分）：公司画像和你的理想客户有多像
• 信号强度（1-5 分）：有没有可观测的、近期的购买意向信号
• 触达难度（反向，1-5 分）：能否找到有决策权的联系人

三项相乘，优先处理得分高的前 10 家，而不是把 50 家都用同样的模板群发。

这个方法的逻辑是：高质量的个性化触达 10 家，效果通常远好于模板群发 100 家。资源有限的情况下，精力应该集中在最有转化概率的地方。

触达的个性化来自研究，而不是模板

最后一步是实际的外联动作。这里最常见的错误是在做了细致的研究之后，发出一封完全通用的邮件——「您好，我们是 XX 公司，提供 XX 服务，欢迎了解」。

研究的价值在于让你可以说：「我注意到你们最近在大量招聘数据工程师，同时你们官网上提到正在从 Excel 迁移到数据平台——我们有几个类似背景的客户，走过这个迁移的过程，有一些踩坑经验……」

这不是套路，而是证明你做了功课，你的信息是针对对方的。这种开场白的回复率，和通用模板比，差距是量级的。

一句话心法

线索研究的终点不是一张名单，而是一组「有足够理由现在联系这个人」的判断。