线索自动化是否有效，不能用“抓到了多少条记录”或“发出了多少封邮件”判断。真正的标准是：自动化是否持续减少无效劳动，并把公开信息转化为可核验、可跟进、最终能产生合格对话的线索。判断时，应把流程拆成数据质量、匹配质量、触达质量和业务结果四层。

先看线索是否值得处理

可以用一个简单模型衡量前端质量：

有效线索数 = 抓取数量 × 数据有效率 × 目标客户匹配率 × 需求信号率

其中，数据有效率关注记录是否重复、缺失、过期或来源不明；匹配率关注行业、规模、业务场景和决策角色是否符合理想客户画像；需求信号率则要求存在招聘、扩张、发布新服务或页面流程缺口等可核验信息。若抓取数量增长，但有效线索数没有同步增加，自动化只是扩大了清洗负担。

评分也必须可解释。可以分别评估客户匹配度、需求信号强度、服务可交付性和联系理由清晰度，总分用于排序，证据摘要用于人工复核。模型若只能给出“高、中、低”，却无法指出对应页面或公开信息，就不具备可靠的决策价值。

再看触达是否产生业务结果

自动化邮件不应面向全部抓取记录，而应设置状态和审核节点。80—100 分可进入个性化邮件队列，60—79 分先人工复核或培育，低于 60 分暂不触达；存在来源不明、隐私风险或证据不足时，应停止自动发送。

复盘时，重点关注四个指标：数据有效率、有效回复率、合格对话率和单条合格线索成本。打开率只能说明邮件被查看，不能证明需求存在。若某来源带来较多回复，却几乎没有合格对话，说明匹配规则可能过宽，或者邮件观察与服务价值没有建立联系。

最可靠的验证方式是小批量测试。先固定一个客户群、一个数据来源和一个价值主张，再比较线索质量与后续对话结果。只有当每条线索都能追溯来源、解释评分、控制触达风险，并在复盘中持续改善，线索自动化才算真正有效。