对于公海中的线索，循环智能将意向分数（0~100分）通过接口输出，展示在企业CRM系统里。销售运营/主管在将公海线索进行筛选分配给销售时，挑选意向分分数最高的线索；销售个人可以在公海中领取高意向分的线索进行跟进。

API对接

优化分配策略

公海线索评分：如何对接CRM系统？

循环智能开创了基于“对话数据”的线索评分模型，模型通过学习最终成单的对话数据（录音或文本记录）的特征，对TMK电话邀约中隐藏的意向高低进行预测，帮助企业优选TMK线索中的高质量线索，分配给优秀销售跟进，提升转化率。

独家功能

优选线索

TMK线索分层：如何找出高意向线索？

公海线索评分：如何衡量效果？

设置对照组。对照组采用企业自有的评分模型或原有人工筛选策略，实验组采用循环智能的评分模型， 经过一个拨打周期后，比较这两组的转化率情况。例如，对照组的转化率为5%，而实验组的转化率为15%，则转化率提升至 3 倍。

ABtest

转化率提升

公海线索评分：如何找出高意向线索？

循环智能开创了基于“对话数据”的线索评分模型，模型通过学习最终成单的对话数据（录音或文本记录）的特征，对未成单对话中隐藏的意向高低进行预测，帮助企业优选公海线索中的高质量线索，充分挖掘存量线索的价值。

独家功能

优选线索

对于一条线索，当其有新的TMK沟通数据时，实时更新分数（0~100分），表示其成单意向高低，并通过接口输出到CRM系统。销售运营/主管可通过意向分对TMK线索进行筛选、分级、排序，例如将线索根据分数分为高中低三组，分给水平不同的销售跟进。

TMK线索分层：如何对接CRM系统？

线索分层

实时更新

TMK线索分层：如何衡量效果？

设置对照组。对照组采用企业自有的评分模型或原有人工筛选策略，实验组采用循环智能的评分模型， 经过一个拨打周期后，比较这两组的转化率情况。例如，对照组的转化率为5%，而实验组的转化率为15%，则转化率提升至 3 倍。

ABtest

对照组