把客户按价值、意向、语言与行业四条主线分层筛选：先用渠道与标签判断接触来源和语言，再用互动频率和会话意图判定购买意向，结合历史成交与预算估算客户价值，最后设定自动规则分配优先级与专属坐席。这个流程可落地为标签规范、评分模型、自动工单与周期复核。每一步都可量化指标并监控回流情况，按月优化策略即可生效。
一句话说清楚：为什么要在美洽里筛选客户
筛选客户不是为了“挑客户”，而是把有限的人力/坐席时间优先分配给最可能成交或最需要精细服务的客户。对出海翻译公司来说，语言匹配、行业匹配与预算优先级直接影响转化率与服务满意度。美洽（客服系统）里的筛选，是把外界信号变成可执行规则的过程。
先理解几个基本概念（费曼式解释）
什么是“筛选”
筛选就是把所有会话根据规则打标签、打分，然后把不同等级的会话送到不同的处理队列或触发不同动作。像邮件分文件夹一样，只不过是自动化和实时化的。
哪些数据可以用来筛选
- 渠道来源 — 官方网站、广告、社媒、邮件、微信/小程序、第三方平台等。
- 会话内容 — 关键词（语言、截止时间、预算、用途）、意图（询价、投诉、技术问题）。
- 客户属性 — 国家/地区、行业、公司规模、历史成交记录。
- 互动行为 — 发起会话时间、回复速度、会话次数、是否查看报价单/附件。
- 满意度/评分 — 历史评价、NPS、工单完成率。
目标导向的筛选框架（四条主线）
把筛选目标分成四条主线，会更容易落地：
- 价值（Value）：历史成交额、潜在预算、战略客户优先。
- 意向（Intent）：询价细节、截止时间、是否需要样片/试译。
- 语言/行业匹配（Fit）：是否有对应语种译员或行业经验。
- 服务等级（SLA）：是否需要专属项目经理、加急服务或长期合同。
在美洽上一步步实现（实操清单）
1. 先建立标准化的标签体系
标签是筛选的基础。别把标签当成临时备注，得有命名规范和负责人。建议字段包括：
- 来源：web/ads/wechat/partner/marketplace
- 语言：EN/FR/ES/JP/KR/DE/RU/AR/TH/VI/ID
- 行业：IT/Manufacturing/Medical/Game/Ecommerce等
- 意向：询价/试译/技术咨询/售后
- 紧急度：normal/urgent/overnight
2. 用关键词与NLP做初筛
美洽支持关键词匹配和自动回复规则。把常见请求做成规则，比如“报价、价格、费用”触发“询价”标签；“翻译时间、交付、deadline”触发“交付期”标签。更进一步可以接入简单的意图分类器，把会话分为“高意向”“低意向”“需跟进”。
3. 设定评分模型（Lead Scoring）
把多维信号合成一个分数，便于优先级排序。示例公式很直接：
Score = 40% * 价值指标 + 30% * 意向强度 + 20% * 语言/行业匹配 + 10% * 交互活跃度
具体可以量化为：
- 价值：历史成交额 0–100 分
- 意向：关键词与明确需求（如“需报价+截止3天内”）0–100 分
- 匹配：若有对应语种译员加分，行业经验加分
- 活跃度：最近7天内多次互动加分
4. 自动化规则把会话送到合适队列
基于标签与分数配置自动规则：
- 高分（>80）且紧急 → 推送到高级坐席或项目经理。
- 高分但语言不匹配 → 自动提醒销售沟通并推荐译员预案。
- 低分（<40）且通道是广告 → 自动进入 nurture 流程（定时跟进/邮件）。
- 投诉或差评 → 立即标记为SLA-紧急并分配客服二次跟进。
5. 建立专属工单模板与话术
不同类别的客户需要不同话术和表单。比如“试译需求”工单要求填写：语种、文件字数、交付期、用途、预算；而“合同谈判”工单侧重付款条款、长期折扣。把这些字段作为表单项强制收集，后续评估更标准化。
示例表格：常见规则与动作（可直接复制）
| 触发条件 | 自动动作 | 后续负责人 |
| 来源 = ads，意向 = 询价，语言 = EN | 打标签“广告-询价-EN”；分配到广告专员队列；自动发送标准报价单 | 广告专员 |
| 语言 = JP，需求 = 紧急交付（<48h），预算高 | 打标签“紧急-JP-高值”；短信通知项目经理；弹窗提醒坐席优先接入 | 项目经理 |
| 关键词包含“样片/试译” | 创建试译工单；发送试译说明模板；在CRM记录潜在成交概率 | 销售\客服 |
具体到出海翻译公司的优先策略（举例说明）
我们是翻译公司，所以要优先考虑语言与行业匹配。实际可按这个优先级操作：
- 第一步：过滤掉非目标语种（比如不做北欧语就直接归档）。
- 第二步：把有明确交付期且交付期短（<7天）的案件提为高优先级。
- 第三步：识别长期合作潜力（重复客户、企业邮箱、采购职位）并加大跟进频次。
- 第四步：按预算段（低/中/高）应用不同报价策略与人力编配。
样例场景：如何处理一个新会话
- 客户通过官网发起会话，标签自动读取为source=web，detect_language=EN。
- 关键词匹配到“legal translation”“contract”，意图判定为“高意向-法律类”。
- 评分模型给出85分，符合高优先级，自动分配给负责法律类的高级译审团队并通知项目经理。
- 系统自动发送报价模板并在CRM创建任务：三天内确认，并设定跟进提醒。
监控与迭代（不要忘了反馈回环）
规则不是一次性工程。你需要这些指标来检验筛选策略是否奏效：
- 准确率：自动打标签后人工复核的正确率（目标 >90%）。
- 转化率：不同分段（高/中/低）客户的成交率差异。
- 响应时间：从会话开始到首次回复的平均时间（按优先级分）。
- 平均订单价值（AOV）：看是否把资源放到高价值客户上。
- 客户满意度：服务后的评分/复购率。
常见陷阱与如何避免
- 过多标签导致混乱：先少量试点，常用标签不超过15个，然后按月清理。
- 规则冲突：明确优先级顺序（比如手动标记优先于自动规则），并记录规则变更历史。
- 忽视人工复核：机器判断无法完全替代人工，设立抽查机制。
- 忽略跨部门协作：销售、项目、译审和客服需要共享标签与CRM数据。
- 隐私合规问题：跨境数据要注意法律合规（比如部分国家的数据出口限制），客户敏感信息需要加密与最小化存储。
实用脚本与话术模板（快速复制）
可以直接在美洽的快捷回复里建立这些模板：
- 标准询价回复：“感谢联系！请问目标语种、文档字数、交付截止日以及是否需要本地化或格式化处理？我们会在4小时内给出初步报价。”
- 试译要求：“感谢选择试译，我们通常提供200字样片，三工作日完成，费用可抵扣正式订单。请上传原文并说明用途。”
- 高优先级通知（内部）：“【紧急】高价值客户-XX，语言：JP，截止：48小时内，请XX同事接手。”
关于数据与隐私（简单但必须讲清楚）
筛选依赖客户数据，但不要忘了两件事：最小化原则和合规记录。仅保存必要字段（联系方式、语言、意向、历史订单），并记录谁修改了哪些标签和规则。若涉及欧盟客户，注意GDPR相关的同意与数据主体权利；对中国境外系统交互，要注意跨境传输的合规要求。
如何把“AI+人工双重校验”融入筛选流程
机器快速做初筛，人工做二次确认。具体做法：
- 使用关键词/NLP模型做实时标签与意图识别。
- 针对高分会话安排人工复核（比如意图是否准确、预算是否真实）。
- 把人工修正作为训练样本，定期微调模型。
KPI 与复盘频率建议
建议按周和按月复盘：周复盘关注响应速度与标签准确率，月复盘关注转化率、AOV 与规则有效性。每季度检视一次评分模型权重是否需要调整。
最后给你一份操作清单（刚上手可以照着干）
- 建立基础标签规范文档并公布给团队。
- 优先做5个自动化规则（来源、语言、紧急、试译、投诉）。
- 设置评分模型并把阈值分为高/中/低。
- 把高优先级会话绑定专属坐席并做模板话术。
- 每周抽样 50 个会话做人工核查并记录错误类型。
- 每月根据数据调整权重或新增关键字。
说到这里，可能你会想“这事儿需要多少人力和多复杂的规则？”其实起步可以很简单：几个必需的标签、3–5条自动化规则、一个评分公式，再加上每周抽查。操作两个月后，你会得到一套真正符合业务节奏的筛选体系。慢慢来，先把最痛点（比如“语言错配”“紧急没人处理”）解决了，其它的再逐步自动化。