B2B的SEM，从广告数据走到业务数据

在复盘SEM（或者其他广告，以下以SEM代替B2B所有广告形态）带来的线索时，经常会被问到一个问题：

这批线索质量到底怎么样？

销售说有些客户没预算，有些没有明确采购计划，还有一些根本不是决策相关人员。于是市场开始回头检查SEM广告渠道的链路数据：是不是关键词不够精准？是不是渠道质量下降了？是不是投放策略出了问题？

别着急复盘，要明确一件事。

广告能够影响的是“什么样的流量进入网站”，但很难决定一个搜索用户此刻有没有预算、是不是最终决策人、今年到底有没有采购计划。

B2B的SEM获客，要拆成一条完整链路来看：

流量获取 → 页面承接与筛选 → 数据进入CRM → MQL/SQL判断 → 商机结果反哺前端。

我们要做的不是要求用一个环节解决所有问题，而是先搞清楚每一个阶段能控制什么，然后把能控制的事情做到位。

我们的经验是，可以通过下面5个阶段，优化SEM对线索质量的影响，分享给你。

第一阶段：先检查SEM有没有把有效流量做大

在付费广告这一层，我们直接能够控制的，有两件事：

第一，什么样的搜索需求可以进入账户。

第二，同样的预算可以买到多少有效点击。

比如一个月预算10万元。平均CPC（Cost Per Click）是20元，只能获得5000次点击；如果通过优化账户结构、关键词质量度、广告相关性和出价，把平均CPC做到15元，同样10万元就可以获得约6667次点击。

预算没增加，进入漏斗的人增加了约33%。所以检查广告账户时，不要一上来只看“这个月有多少条线索”。先把过去3—6个月的数据拉出来，看四件事。

1. 看有效点击有没有增长

不要只看总点击。把明显无关的搜索词、误点击等剔除以后，看真正跟业务有关的点击规模有没有扩大。

如果账户消费一直差不多，但有效点击越来越少，后面的线索自然越来越难做。

2. 看CPC为什么上涨

把CPC上涨拆开看：是行业竞争变贵了，还是关键词质量度下降了？是核心词排名竞争加剧，还是预算越来越集中在高价词？能够通过质量度、广告相关性、账户结构解决的问题，就不应该简单通过加预算解决。

3. 把产生过MQL和SQL的关键词单独拉出来

过去90天，哪些关键词带来过MQL？哪些产生过SQL？这些词现在每天获得多少点击？排名怎么样？预算有没有损失？如果一个关键词已经被后端证明能够产生SQL，却因为出价、预算或者排名长期拿不到流量，那就是非常明确的优化机会。

4. 把“高消费、低后端产出”的词单独列出来

例如某个关键词一个月花了5000元，产生20条表单，看起来CPL只有250元。但20条里面只有1条MQL，没有SQL。

另外一个关键词花了3000元，只产生5条表单，CPL高达600元，但其中4条是MQL，2条进入SQL。如果只看CPL（Cost Per Leads），第一个词更漂亮；如果看后端结果，预算应该更倾向第二个词。所以广告账户的优化表，最好不要只放消费、点击、CPC、线索、CPL，后面还要继续增加MQL、MQL率、SQL、SQL率、商机数。

这样账户才开始从“广告数据”进入“业务数据”。

这一阶段企业可以先检查一个问题：你们现在优化关键词，是按照CPC和CPL，还是已经知道哪些关键词真正产生过SQL？如果还不知道，第一步不是继续调价，而是先把后端数据接回来。

第二阶段：页面不只是负责转化，还应该帮助企业筛选客户

流量进来以后，下一步不是马上讨论“这条线索好不好”，而是先看页面有没有完成自己的任务。

我们通常会把页面拆成两部分来看。一部分叫承接，解决“用户愿不愿意继续看”；另一部分叫筛选，解决“我们能不能在用户留资时，多了解一点这个人”。

先看页面承接有没有问题

最简单的办法，是把漏斗拆开。假设一个月广告带来1000次访问，其中500个人继续浏览核心内容，150个人点击CTA，80个人打开表单，30个人提交。

不要直接看30条线索好不好，而是逐段看转化。如果1000个人进来，700个人马上走，先检查广告和页面是不是说了两件不同的事。比如广告投的是“工业机器人”，页面第一屏却花大量篇幅介绍公司历史，这时候流量可能没问题，真正的问题是页面没有快速承接搜索需求。如果用户愿意看页面，但很少点击咨询，就检查产品价值、客户案例、解决方案和CTA。如果CTA点击很多，表单打开也很多，但提交率很低，那就应该进入表单测试。

再检查表单收集的信息有没有实际用途

很多B2B企业的表单基本都是姓名、电话、公司名称。为什么收这三个字段？很多时候答案是：“以前就是这么设置的。”这就需要重新检查。表单里的每一个字段，都应该能够回答一个问题：

拿到这个信息以后，我们准备拿它干什么？

比如“职位”。增加职位，不是为了让CRM资料看起来更完整。它真正可以帮助销售判断联系人处在什么角色。负责人、技术、采购、市场、财务，后续关注的问题完全可能不同。技术人员可能更关注产品能力和实施方式，采购更关注供应商比较和价格，负责人可能更关注整体价值。

虽然职位不能直接代表采购阶段，但它可以帮助销售在第一次联系之前，准备更合适的沟通方式。再比如“公司名称”。公司名称也不应该只是CRM里的一个必填项。拿到公司名称以后，销售或者AI可以进一步补充公司成立时间、行业、规模、主营业务、官网、融资阶段等公开信息。

一家成立10年的公司采购一套企业软件，可能是替换旧系统；一家成立1年的公司，则可能是首次采购。两种需求背后的关注点完全不同。所以每增加一个字段，都应该问一句：这个字段未来会不会影响销售判断和跟进动作？如果不会，就要考虑它有没有必要增加用户填写负担。

用SQL反过来设计表单

这一步更值得做。把过去半年所有SQL拉出来，看看有没有明显共同特征。假设最终进入SQL的企业，大量集中在成立3—5年的公司。不要马上得出“3—5年的公司就是好客户”，先把它当成一个假设。

下一轮可以测试在表单增加：您的公司成立年限？1年以内 / 1—3年 / 3—5年 / 5—10年 / 10年以上。

运行一段时间以后，再比较不同区间的MQL率、SQL率。如果这个规律持续成立，就可以进一步进入线索评分规则。以后100条线索进来，不一定还是销售从第一条开始挨个联系，可以优先跟进：目标行业 + 关键职位 + 高SQL企业阶段 + 明确需求，这就是表单从“收电话号码”，逐渐变成“帮助销售提高效率”。

第三阶段：检查表单数据进入CRM之后，还能不能用

很多企业已经实现了自动传线索。基木鱼、橙子建站或者官网有人提交表单以后，通过API进入CRM，看起来已经数字化了。但建议检查一次：传进去的这些字段，半年以后到底能不能拿出来做分析？

1、做一张字段映射表

这张表不用复杂，至少包含：

CRM字段映射表示例已作为文章配图附在正文前。

这张表真正解决的是：前端、广告、CRM以后说的是不是同一种语言。比如前端职位写“负责人”，CRM写“管理层”，另外一个表单又写“决策者”。半年以后想分析“负责人SQL率”，先花两天清洗数据。这种问题完全可以在最开始通过字段规则避免。

2、来源不要只记录到“百度”

如果CRM里的来源只有百度、Bing、Google，颗粒度是不够的。至少应该尽可能保留：渠道 → Campaign → 单元 → 关键词 → 落地页。

这样一条SQL产生以后，可以真正向前追到：它是哪个计划带来的？哪个关键词？落到了哪个页面？如果后面连续出现10条低质量线索，也可以反向查是不是集中在某一个关键词或者某一个页面。这是后端能够指导广告优化的前提。

3、把First Touch和Last Touch分开

B2B客户很少第一次访问就提交表单。真实路径可能是：第一次通过百度广告认识公司，第二次在Bing搜品牌，第三次直接打开官网，第四次看案例，第五次才提交咨询。如果CRM最终只记录第五次访问，企业可能会认为：“这条线索来自官网直接访问。”

前面真正负责把客户带进来的百度广告就消失了。

所以如果有工具支持的企业，应该通过用户行为记录的方式，记录用户的首次，末次，过程的来源标记，至少保留两个字段：First Touch：第一次通过什么渠道进入。Last Touch：最终通过什么渠道完成本次转化。

不用一开始就上非常复杂的多触点归因模型。

对于多数B2B企业，先把第一次和最后一次来源记录准确，已经能够解决很多判断问题。比如每次提交表单，并不是仅覆盖用户数据，而是记录多次UTM参数，而且尽量让所有的着陆到官网的流量都可以有UTM参数。

4、规定重复线索怎么处理

这件事情很容易被忽略。同一个人三个月提交了两次表单，算1条还是2条？同一家企业三个员工分别咨询，算3个Lead还是1个Account下的3个Contact？用户第一次留手机号，第二次留企业邮箱，系统能不能识别这是同一个人？这些规则如果没有提前规定，最终“线索量”“MQL量”“SQL率”都会受到影响。

至少需要确定几个基本识别字段：手机号、邮箱、企业邮箱域名、公司名称、Contact ID、Account ID。

并且在公司内部明确规则，比如已经分配了的线索再次提交表单应归属于相应的SDR或者销售等类似于这样的规则。

5、每个月做一次表单和CRM对账

前端这个月收到253条表单，CRM是不是也收到253条？如果只有241条，少的12条在哪里？继续检查有没有字段丢失、API失败、重复数据被覆盖、字段格式错误。API打通不是一个一次性项目。

以后表单新增一个“成立年限”，CRM也要增加字段，API要重新映射，报表也要同步。

所以要明确一套规则：谁能新增字段？谁负责映射？谁负责测试？谁负责检查历史数据？

否则半年以后一定越来越乱。

第四阶段：不要让销售只给“好线索 / 差线索”两个答案

线索进入销售以后，又是一个非常容易断掉的地方。市场问销售：“这周线索怎么样？”销售回答：“还行。”或者：“质量一般。”这种反馈几乎无法用于投放优化。真正应该做的是，把后端反馈结构化。

先统一MQL的定义

市场和销售先一起定义：什么样的线索算MQL？例如可以包含：行业是否符合、企业规模是否匹配、所在地区是否能够服务、咨询产品是否属于核心业务、是否明显为学生、同行、供应商等非目标客户。

不同公司的标准不同，但一定要统一。否则市场认为是有效线索，销售认为是垃圾线索，双方永远都在争论数据。

再统一SQL

SQL不要只写“销售认为不错”。至少应该回答几个问题：客户现在有什么问题？当前使用什么方案？有没有明确采购计划？预计什么时候采购？联系人是什么角色？有没有下一步沟通动作？企业可以根据自己的业务进一步建立SQL判断标准。比如满足3项才进入SQL，或者由销售确认后进入SQL。具体规则可以不同，但一定不能只存在销售个人脑子里。

重点：无效线索也要分类

这是非常值得积累的数据。不要只写：“无效。”

至少分类成：同行、学生、供应商、非目标行业、没有采购计划、预算不匹配、产品需求不匹配、联系不上、重复线索。每个月统计一次无效原因。如果突然发现“非目标行业”大幅增加，就回头检查关键词和渠道。如果“产品需求不匹配”增加，就看广告和页面是不是表达有问题。如果大量“联系不上”，则检查表单信息真实性、销售响应速度和联系方式验证。

销售反馈越结构化，前端越知道应该怎么改。

第五阶段：每个月做一次“从SQL往前倒推”的复盘

做到前面这些以后，最后一步其实很简单：不要再只从广告往后看，要开始从SQL和商机往前看。

我们可以直接拿一个实际例子。

某个项目里，百度一直是主要渠道，所以如果只看线索量和消费，预算大概率会继续集中在百度。

但是我们进一步比较后端数据后发现：Bing线索从108条增长到241条，MQL贡献占比从18%提升到25%，SQL贡献占比进一步从18%提升到30%。

这时候预算判断就应该发生变化。因为Bing不仅带来了更多表单，而且在整个SQL里的贡献越来越大。所以每个月至少做一次这样的倒推：先把本月所有SQL和商机列出来，看它们来自哪些渠道，再拆到Campaign，再拆到关键词，再看对应落地页，然后找共同特征。

比如最终可能发现：某几个关键词虽然CPC很贵，但SQL率明显更高；某个页面表单率一般，但线索质量特别好；某个行业的客户销售周期明显更短；某个职位提交的线索更容易进入SQL；某类成立阶段的企业更容易进入商机。

这些结果都可以形成下一轮的测试动作。

例如：提高某组高SQL关键词预算；减少高表单、低SQL关键词投入；针对高价值行业单独制作页面；在表单增加一个新的筛选字段；调整销售优先级。

这时候，每一个优化动作都不再只是“感觉可以试试”，而是来自后端数据。

AI应该放在哪里？

做到这里再谈AI，意义就非常清楚了。以前这些事情最麻烦的不是不会做，而是太耗人。广告平台一套数据，建站工具一套数据，CRM一套数据，销售又有自己的跟进记录。一个人要把它们拉到一起，再找规律，工作量非常大。

AI比较适合接手其中重复性很高的工作。

比如每周自动把关键词报告和CRM里的MQL、SQL合并，找出“高消费低SQL”和“低消费高SQL”关键词；把销售写的几十条跟进备注自动归类成无效原因；统计不同职位、行业、企业成立年限对应的SQL率；检查CRM字段有没有大量缺失；发现某一天前端表单30条，但CRM只进入了24条，自动提示检查API；根据最近4周的SQL数据，找出值得继续验证的客户特征；再把这些结果整理成周报初稿。

但是AI给出的仍然应该是：“发现了一个规律，建议验证。”而不是：“已经证明应该这么做。”比如AI发现过去三个月成立3—5年的企业SQL率最高。

正确的下一步，不是马上砍掉其他企业，而是把它变成一个假设，继续通过表单、投放和销售数据验证。AI负责把规律找得更快。人负责判断这个规律到底是不是生意里的真相。

用20分钟检查一次你们公司的获客流程

如果现在想检查自己的B2B付费获客哪里出了问题，我建议直接拿最近3个月的数据，做下面这件事。

先拉出所有SQL和商机。给每一条补齐：渠道、Campaign、关键词、落地页、公司、行业、职位、需求、MQL状态、SQL状态。

然后开始往前追。

如果SQL很少，先看是线索本身不匹配，还是MQL到SQL掉得厉害。如果MQL很少，看无效原因主要集中在哪里。如果线索很多但MQL差，看关键词、页面和表单。如果线索本身都不够，再回广告账户看有效点击和CPC。

最后再问5个问题：

• 我们知道哪些关键词真正产生过SQL吗？
• 表单里的每一个字段，销售真的会使用吗？
• 一条SQL可以追溯到具体渠道、关键词和页面吗？
• 销售淘汰一条线索时，我们知道具体原因吗？
• 最近一个月的SQL和商机结果，有没有真正改变下一轮广告、页面或者预算？

如果这5个问题里面，有3个以上答不上来，我认为就值得重新检查整条B2B获客链路了。因为这时候企业的问题往往已经不是“广告有没有投好”。而是前端获客、页面、CRM和销售之间，还没有真正形成闭环。

AI时代值得做的也不是单纯把广告优化自动化。而是让广告、页面、表单、CRM和销售的数据真正连接起来。这样企业每个月都会比上个月多知道一点：什么样的客户值得找，什么样的流量值得买，什么样的信息值得收集，以及下一笔预算应该花在哪里。