Penggredan Prospek vs Penilaian Prospek: Cara Menggunakan Kedua-duanya

Oleh Laurel · Dikemas kini 8 September 2026

Seorang wakil jualan membuka rekod prospek dengan skor 85 daripada 100 dan menganggapnya panas. Rupa-rupanya ia seorang pelajar kolej yang mengisi setiap borang di laman web untuk projek kelas. Nombornya tinggi. Prospeknya tidak bernilai. Jurang itulah yang cuba ditutup oleh penggredan prospek.

Kebanyakan pasukan yang bergelut dengan pengutamaan prospek tidak kekurangan model penilaian. Mereka kekurangan separuh lagi daripada persamaan itu. Skor memberitahu setakat mana seseorang terlibat. Ia tidak memberitahu sama ada individu itu, atau syarikatnya, boleh menjadi pelanggan sebenar. Gred menjawab soalan kedua itu. Jika ia diabaikan, senarai prospek "paling panas" anda akan terus mencampurkan pelajar, pesaing dan pencari kerja bersama pembeli sebenar.

Panduan ini merangkumi apa itu penggredan prospek, cara membina model A-D daripada data closed-won anda sendiri dan bukan pendapat, cara kriteria negatif menghalang prospek yang tidak sesuai daripada memasuki pipeline anda, dan cara gred serta skor digabungkan menjadi satu keputusan keutamaan. Jika anda belum membaca artikel pendamping kami tentang sistem penilaian prospek, mulakan di sana untuk bahagian penglibatan dalam persamaan ini. Artikel ini ialah bahagian padanan, dan keduanya dimaksudkan untuk dibaca bersama.

Fakta Utama: Penggredan Prospek

• Wakil jualan hanya menggunakan 40% masa mereka untuk benar-benar menjual, manakala selebihnya hilang kepada kerja pentadbiran, kemasukan data dan mengejar bakal pelanggan yang sejak awal memang tidak sesuai, menurut laporan State of Sales Salesforce (Seventh Edition). Sumber
• Hanya 27% prospek B2B sedia untuk jualan pada saat mereka mula berinteraksi dengan sesebuah syarikat; 73% lagi belum bersedia untuk perbualan jualan, menurut MarketingSherpa 2012 B2B Benchmark Report. Sumber
• Wakil jualan membazirkan dianggarkan 27% daripada masa menjual yang berpotensi mengejar data kenalan yang buruk atau tidak lengkap dan bukan mengusahakan peluang sebenar, menurut penyelidikan ZoomInfo/Validity. Sumber
• Hanya 44% syarikat B2B menggunakan sebarang sistem penilaian atau penggredan prospek yang formal untuk memisahkan bakal pelanggan yang sesuai daripada yang tidak, menurut penyelidikan Landbase 2025. Sumber

Apa itu penggredan prospek?

Penggredan prospek ialah amalan memberikan gred huruf, biasanya A hingga D, kepada seorang prospek berdasarkan sejauh mana ia sepadan dengan profil pelanggan ideal anda. Ia menjawab satu soalan: jika individu atau syarikat ini bersedia membeli hari ini, adakah kita benar-benar mahu mereka sebagai pelanggan?

Itu soalan yang sama sekali berbeza daripada "setakat mana minat mereka sekarang", iaitu apa yang diukur oleh penilaian prospek. Penggredan melihat data firmografik (saiz syarikat, hasil, industri), data demografik (jawatan, kekananan, jabatan), data teknografik (alat yang sudah mereka gunakan) dan padanan geografi (adakah anda benar-benar melayani rantau mereka). Tiada satu pun daripada ini berubah kerana seseorang membuka tiga e-mel minggu ini. Sebuah syarikat fintech 200 orang tetap sebuah syarikat fintech 200 orang sama ada VP Jualannya sedang aktif menyemak halaman harga anda atau sudah enam bulan tidak melihat laman anda.

Penilaian pula dibina sepenuhnya daripada tingkah laku: lawatan halaman, muat turun, klik e-mel, permintaan demo. Ia sentiasa bergerak dan lazimnya merosot dengan masa. Penggredan lebih hampir dengan semakan kredit berbanding cincin perasaan. Ia perlahan berubah, berdasarkan siapa seseorang dan bukan apa yang mereka lakukan minggu ini, dan jarang perlu dikira semula melainkan syarikat itu sendiri berubah: pusingan pembiayaan baharu, pemerolehan, peralihan ke pasaran baharu.

Penggredan prospek vs penilaian prospek: perbezaan teras

Kekeliruan antara dua istilah ini boleh difahami. Kedua-duanya menghasilkan nombor atau huruf yang dilampirkan pada rekod prospek, kedua-duanya menyuap keputusan penghalaan, dan kedua-duanya dicampur di bawah "kelayakan prospek" dalam perbualan biasa. Namun keduanya mengukur perkara yang ortogon, dan menggabungkannya menjadi satu nombor ialah tempat kebanyakan sistem kelayakan tersilap.

Perhatikan bahawa tiada satu pun lajur ialah "skor kelayakan". Kedua-duanya ialah input kepada kelayakan, dan kelayakan hanya menjadi tepat apabila anda melihat kedua-duanya bersama, perkara yang akan kami ulas semula dalam matriks keutamaan di bawah. Jika anda masih menentukan kedudukan penggredan dan penilaian berbanding rangka kerja kelayakan prospek yang lebih luas, anggaplah penggredan dan penilaian sebagai dua input mentah yang menjadi asas rangka kerja tersebut (seperti takrifan MQL/SQL).

Model penggredan A-D

Kebanyakan pasukan B2B yang menggredkan prospek menggunakan skala huruf empat peringkat, A hingga D, kerana ia cukup ringkas untuk dipercayai jualan sepintas lalu dan cukup terperinci untuk berguna bagi penghalaan.

Prospek Gred A ialah padanan ICP buku teks anda. Saiz syarikat yang betul, industri yang betul, jawatan yang betul, rantau yang betul, idealnya dengan isyarat teknografik atau pertumbuhan di atasnya. Ini akaun yang akan dipilih dahulu oleh wakil terbaik anda jika mereka boleh memilih wilayah sendiri.

Prospek Gred B ialah padanan kukuh dengan satu atau dua jurang. Mungkin syarikat itu sedikit lebih kecil daripada titik optimum anda, atau kenalannya seorang Director dan bukan VP. Masih berbaloi dikejar, cuma dengan sedikit lebih kerja kelayakan di awal.

Prospek Gred C mempunyai padanan separa dengan jurang yang nyata. Mereka mungkin berada dalam industri bersebelahan, atau memegang jawatan yang berperanan sebagai pempengaruh dan bukan pembuat keputusan. Mereka biasanya lebih sesuai dilayan melalui pemupukan yang diterajui pemasaran berbanding panggilan jualan segera, dan calon yang baik untuk diperhalusi melalui kerja persona pembeli.

Prospek Gred D ialah padanan yang lemah, atau terus terkena penyingkiran. Geografi yang salah, alamat e-mel peribadi, domain pesaing, syarikat yang jauh di luar julat saiz yang boleh anda layani. Gred D tidak bermakna "abaikan mereka selama-lamanya". Ia bermakna jangan biarkan masa jualan menghampiri mereka sehingga sesuatu yang material tentang akaun itu berubah.

Ambang mata yang tepat untuk melukis garis antara A, B, C dan D hendaklah datang daripada data anda sendiri, bukan templat. Inilah cara membinanya.

Membina kriteria penggredan daripada data closed-won, bukan pendapat

Kesilapan terbesar dalam penggredan prospek ialah mereka bentuk model berdasarkan apa yang diandaikan jualan penting dan bukan apa yang sebenarnya ditunjukkan data. Wakil jualan mempunyai pendapat yang kuat dan dipegang dengan yakin tentang rupa "prospek yang baik", dan pendapat itu sering salah, atau sekurang-kurangnya tidak lengkap.

Mulakan dengan menarik setiap tawaran closed-won daripada 12 hingga 24 bulan lalu. Bagi setiap satu, tangkap atribut firmografik dan demografik pada masa prospek mula-mula memasuki pipeline anda: saiz syarikat, industri, jawatan, rantau, tech stack, peringkat pembiayaan. Kemudian tarik atribut yang sama untuk sampel prospek closed-lost dan yang tidak layak, dan cari perbezaan antara kedua-dua kumpulan.

Tanya soalan yang khusus. Berapa peratus tawaran yang menang datang daripada syarikat dalam julat bilangan pekerja tertentu, berbanding keseluruhan kumpulan prospek anda? Jika 70% hasil anda datang daripada syarikat berkakitangan 100 hingga 1,000 orang tetapi julat itu hanya 25% daripada keseluruhan prospek anda, saiz syarikat ialah peramal yang kuat dan patut diberi pemberat sebenar. Jika industri hampir tidak menunjukkan perbezaan antara tawaran menang dan kalah, jangan bazirkan mata padanya hanya kerana ia terasa penting secara intuitif.

Ini disiplin yang sama di sebalik pembinaan profil pelanggan ideal yang boleh dipertahankan: biarkan corak dalam pangkalan pelanggan sebenar anda menentukan kriteria, kemudian terjemahkan corak itu kepada mata.

Contoh kriteria penggredan dan pemberat

Setelah diberi pemberat, petakan jumlah mata yang terhasil pada skala huruf anda, cukup ringkas supaya seorang wakil boleh melihat sesuatu rekod dan memahami mengapa ia berada di tempat itu.

Pemetaan mata ke gred

Kriteria penggredan negatif: penyingkiran anda

Atribut positif memberitahu anda siapa yang perlu dikejar. Atribut negatif, kadangkala dipanggil penyingkiran, memberitahu anda siapa yang perlu berhenti dikejar tanpa mengira betapa terlibatnya mereka kelihatan. Ini bahagian penggredan yang dilangkau kebanyakan model buatan sendiri, dan biasanya inilah sebab prospek "berskor tinggi" rupa-rupanya jalan buntu.

Penyingkiran lazim termasuk domain e-mel pesaing, alamat e-mel peribadi atau percuma pada borang yang hanya patut digunakan oleh pembeli perniagaan, saiz syarikat yang jauh di luar julat yang boleh dilayani, geografi yang tidak anda jual ke dalamnya, dan jawatan yang menunjukkan tiada kuasa pembelian (pelajar, pencari kerja, perekrut yang menyemak halaman kerjaya). Setiap satu patut menolak mata yang cukup untuk menjamin hasil Gred D, atau terus menetapkan gred kepada D tanpa mengira apa lagi yang ada pada rekod. Jangan biarkan skor positif yang kuat mengimbangi penyingkiran mutlak. Jika seseorang itu pesaing, tiada jumlah lawatan halaman harga yang mengubahnya.

Kriteria negatif juga melindungi kredibiliti model anda di mata jualan. Wakil berhenti mempercayai sistem penggredan sebaik sahaja ia menyerahkan prospek yang jelas salah, dan lapisan penyingkiran yang bersih membuang kesilapan yang memalukan itu sebelum manusia sempat melihatnya.

Menggabungkan gred dan skor: matriks keutamaan

Di sinilah penggredan membuktikan nilainya. Bersendirian, gred memberitahu siapa yang berbaloi dikejar akhirnya. Bersendirian, skor memberitahu siapa yang aktif sekarang. Tiada satu pun, bersendirian, memberitahu apa yang perlu dilakukan hari ini. Letakkan kedua-duanya pada dua paksi dan anda mendapat matriks yang berbuat demikian.

Plotkan gred (A hingga D) pada satu paksi dan tahap penglibatan pada paksi lain, bergerak dari panas (aktif terlibat sekarang) ke sejuk (tiada aktiviti terkini). Setiap prospek mendarat dalam tepat satu sel, dan sel itu patut dipetakan kepada tindakan khusus.

Dua sel dalam matriks ini lebih penting daripada yang lain, kerana di situlah kebanyakan sistem buatan sendiri gagal.

Padanan tinggi, penglibatan rendah (kanan atas baris A dan B) ialah zon pemupukan anda. Ini akaun yang benar-benar anda mahu sebagai pelanggan, tetapi belum menunjukkan isyarat pembelian yang aktif. Selalunya mereka sekadar masih awal dalam perjalanan pembeli, menyelidik masalah yang belum mereka putuskan untuk diselesaikan. Jangan serahkan ini kepada jualan untuk panggilan dingin; itu menghabiskan muhibah pada akaun yang akan anda mahu kemudian. Halakan mereka ke dalam laluan pemupukan kitaran lebih panjang dan semak semula apabila penglibatan meningkat melalui program pemupukan prospek anda.

Padanan rendah, penglibatan tinggi (kiri atas baris D) ialah perangkap klasik. Ini prospek yang kelihatan menakjubkan dalam skor satu dimensi, kerana mereka telah mengisi setiap borang dan mengklik setiap pautan, tetapi mereka pelajar, pesaing yang membuat penyelidikan, atau sekadar syarikat yang tidak dapat anda layani. Jika proses kelayakan anda hanya melihat penglibatan, prospek ini terus ke baris gilir wakil dan membazirkan masa jualan sebenar. Jika ia hanya melihat padanan, anda mungkin terlepas bahawa sel ini kadangkala mengandungi akaun sah yang melangkaui andaian anda, wajar dipandang sekilas secara manual dan bukan ditindas secara automatik. Itulah sebab "tandakan untuk semakan" mengatasi "halakan secara automatik" bagi sel ini: semakan manusia mengambil seminit, panggilan jualan yang dibazirkan menelan lebih banyak.

Penghalaan dan SLA mengikut gabungan gred-skor

Setelah setiap prospek mempunyai kedudukan dalam matriks, anda boleh menukar kedudukan itu menjadi peraturan operasi yang konkrit: masa respons dan pemilik. Di sinilah penggredan berhenti menjadi latihan analitik dan mula mengubah apa yang berlaku dalam lima minit pertama selepas prospek masuk, iaitu tepat saat masa respons prospek memberi kesan terbesar kepada penukaran.

Suapkan jadual ini terus ke dalam logik penghalaan prospek dan aliran kerja pengurusan status prospek anda supaya gred dan tahap penglibatan prospek menetapkan peringkat, pemilik dan jamnya secara automatik. Di situlah juga takrifan MQL vs SQL menjadi konkrit dan bukan boleh dipertikaikan: MQL, dalam praktiknya, biasanya prospek yang telah melepasi ambang gred dan penglibatan minimum, dan SQL ialah prospek yang telah disahkan sendiri oleh wakil di atas itu.

Penggredan manual vs berasaskan peraturan vs ramalan

Sama seperti penilaian prospek, penggredan boleh dibina dalam tiga cara berbeza, dan pilihan yang tepat bergantung pada jumlah data sejarah yang anda ada dan sejauh mana anda memerlukan model itu boleh dijelaskan.

Penggredan berasaskan peraturan ialah titik permulaan yang tepat untuk hampir setiap pasukan di sini. Ia telus, cepat dibina setelah anda melakukan analisis closed-won di atas, dan wakil dapat melihat dengan tepat mengapa prospek berada di tempatnya, yang penting untuk penerimaan. Penggredan ramalan berbaloi dilaburkan apabila anda mempunyai volum yang cukup untuk model menemui corak yang tidak dapat ditemui hamparan, tetapi ia patut dilapiskan di atas asas berasaskan peraturan, bukan menggantikannya pada hari pertama.

Menentukur semula apabila ICP anda beralih

Model penggredan yang dibina hari ini ialah gambaran ringkas tentang siapa pelanggan terbaik anda sepanjang setahun atau dua tahun lalu. Gambaran itu menjadi lapuk sebaik sahaja produk, pasaran atau gerakan go-to-market anda berubah, dan kebanyakan pasukan tidak sedar sehingga jualan mula merungut bahawa prospek "gred A" telah berhenti menukar.

Tetapkan semakan suku tahunan sebagai kadensi lalai, dan layan perkara berikut sebagai pencetus untuk semakan lebih awal: barisan produk baharu yang membuka pembeli berbeza, perubahan harga yang menggeser titik optimum saiz syarikat anda, peralihan dalam gerakan go-to-market (bergerak ke pasaran atasan, melancarkan layan diri), atau dua tiga suku berturut-turut apabila prospek Gred A menukar pada kadar yang jelas lebih rendah.

Proses penentukuran semula ialah analisis closed-won yang sama seperti kali pertama anda lakukan, cuma dijalankan semula pada kohort tawaran terkini. Jika saiz syarikat berhenti meramal hasil tetapi kekananan jawatan menjadi lebih meramal, anjakkan mata dengan sewajarnya. Jangan takut menggerakkan ambang gred juga. Jika tiba-tiba 90% prospek anda mendarat dalam Gred A kerana pasaran beralih ke arah ICP anda, ambang anda sudah terlalu longgar untuk berguna dalam pengutamaan.

Kesilapan penggredan prospek yang lazim untuk dielakkan

Menggred berdasarkan agakan dan bukan data. "Kami tahu prospek yang baik apabila nampak" ialah andaian yang tepat yang mahu diuji oleh analisis closed-won, dan ia salah lebih kerap daripada yang dijangka pasukan jualan. Gred berdasarkan agakan juga tidak boleh diaudit, dijelaskan kepada pekerja baharu atau dipertingkat secara sistematik.

Tidak pernah menyemak semula ambang. Model penggredan bukan projek sekali sahaja. Pasaran beralih, produk berkembang, dan model yang tidak disentuh sesiapa selama lapan belas bulan hampir pasti tersalah mengelaskan prospek yang akan digredkan dengan betul setahun lalu.

Membiarkan penglibatan mengatasi padanan. Ini perangkap padanan rendah, penglibatan tinggi daripada matriks keutamaan, dan ia cara paling lazim prospek yang tidak sesuai membazirkan masa jualan. Skor tinggi tidak sepatutnya cukup, dengan sendirinya, untuk memintas penyingkiran mutlak.

Menggred berdasarkan data yang tidak anda kumpulkan dengan boleh dipercayai. Jika borang anda hanya menangkap e-mel dan nama syarikat, jangan bina model penggredan yang bergantung pada jawatan dan bilangan pekerja yang tepat untuk separuh pemberatnya. Sama ada laburkan dalam pengayaan data prospek untuk mengisi jurang itu dengan boleh dipercayai, atau bina model di sekitar atribut yang anda ada data bersih dan konsisten. Model yang dibina atas data yang bertompok menghasilkan gred yang bertompok, dan gred bertompok lebih buruk daripada tiada gred kerana ia mewujudkan keyakinan palsu.

Ke mana selepas ini

Penggredan dan penilaian ialah dua separuh daripada sistem kelayakan yang sama, bukan kaedah yang bersaing. Setelah kedua-duanya ada, selebihnya timbunan pengurusan prospek anda menjadi lebih tajam: keputusan penghalaan tidak lagi bergantung pada satu nombor yang kabur, jenis-jenis prospek menjadi lebih mudah ditakrif dengan padanan dan niat sebagai pemboleh ubah berasingan, dan gerakan dipacu produk pun mendapat manfaat, kerana prospek layak produk tetap memerlukan semakan padanan sebelum diserahkan kepada wakil, bukan sekadar data penggunaan.

Mulakan dengan analisis closed-won, bina gred berasaskan peraturan yang ringkas, lapiskannya pada skor penglibatan sedia ada anda, dan halakan daripada matriks dan bukan satu nombor gabungan. Model itu tidak akan sempurna pada hari pertama. Ia hanya perlu lebih baik daripada agakan wakil, dan gred A-D yang dibina daripada data hampir selalu begitu.