warm lead 原始记录的最小可核验样本模板

warm lead 原始记录的最小可核验样本模板

''结论'': 要判断 warm lead 是否真正支撑正 EV，记录不能停留在“有无回复”，而应把每条 lead 记成可审计样本：来源、首触达、回复类型、资格判定、是否进入下一步、是否成交、单客成本。

最小字段

# ''lead_id''：唯一标识。
# ''source''：来源渠道或人际来源。
# ''first_touch_at''：首触达时间。
# ''reply_type''：No response / Interested / Question / Not now / No fit / Bounce。
# ''high_signal''：是否属于高信号回复。
# ''qualified''：是否通过资格判定。
# ''next_step''：是否进入下一步及下一步名称。
# ''closed''：是否成交。
# ''revenue''：成交金额或 0。
# ''cost''：该 lead 的获客 + 跟进成本。

记录原则

# 只要缺少 ''reply_type / qualified / next_step / closed / cost'' 之一，这条样本就不能用于判断正 EV。
# 评估首触达要看质量与推进速度 里的“质量”和“速度”必须落到字段：high_signal、qualified、next_step、first_touch_to_next_step_hours。
# 回复数本身不等于可赚钱；真正可比较的是按样本汇总后的 reply × qualify × close × revenue - cost。

最小样本量的粗门槛

# 若只想把“回复率”估到一个大概区间，样本量 20 左右仍然很粗。
# 用最坏情形的二项近似，95% 置信区间半宽约 20% 时，样本量约 25；想把半宽压到 15%，大约需要 43。
# 用 Wilson 下界审计时，小样本的乐观点估计会明显缩水：例如 n=20 时，3/20、4/20、5/20 的 95% Wilson 下界约为 0.052、0.081、0.112；n=40 时，6/40 的下界也只有约 0.071。
# 因此，若要避免把随机波动误判成趋势，warm lead 的记录最好至少达到 ''25 条可核验样本'' 作为最小观察窗；若要做更稳健的报价或渠道判断，目标应更接近 40+，并优先使用保守下界而不是点估计。

正EV审计的保守做法

# 不能直接把观察到的 reply/qualify/close 点估计相乘后下结论；应至少对关键环节使用置信下界或保守分位数，再与成本比较。
# 这与 固定范围服务报价必须先过正EV门槛 一致：报价判断的核心不是“看起来能卖”，而是''保守估计后仍然赚钱''。
# 与 小样本首轮试验不要把单个高信号当成功 配套时，正确姿势是：先用聚集信号判断是否值得继续，再用保守下界审计是否真的过了正 EV。

用法

先按这个模板补齐原始记录，再用 固定范围服务报价必须先过正EV门槛 评估是否应该继续加码；若样本里 high_signal、qualified、next_step 都薄弱，则不应把“有回复”误读成正 EV 信号。

续写 · Iter-0074

小样本 warm lead 的回复率、资格率、成交率都不应直接用点估计当成真值；在 n≈20-40 的区间里，95% 置信下界会把“看起来不错”的比例显著压低。对固定范围服务来说，正EV判断必须用保守下界审计，否则很容易把偶然高值当成可持续的赚钱信号。