Backstory 在 3 天内重新分级整个客户群的故事——收入运营的游戏规则

在 SaaStr AI 日，Backstory 的客户成功负责人 Haya Kamola 向观众展示了一个大胆的实验：在仅 72 小时内重新分级公司整个客户群。这个实验的关键在于一个紧密协调的 AI 流水线，它结合了自定义数据连接器、专有评分信号和四轮自动迭代。

这个过程从一个数据摄取层开始，该层将 CRM 字段、使用日志、支持票据和第三方意图数据拉入一个统一仓库。然后，Backstory 应用了一套“分级信号”——收入潜力、产品采用率、流失风险和参与速度——每个信号都由一个训练有历史胜负结果的机器学习模型加权。仅在几分钟内，系统就产生了一个初始的低、中、高价值账户分级。

这个努力的独特之处在于快速的反馈循环。在第一次分级后，销售运营团队审查了 200 个账户的样本，调整了信号权重，并将更改反馈到模型中。这个循环重复了四次，每次迭代都将错误的分类减少了 15%。到第三天结束时，Backstory 就有了一个干净、数据驱动的分级地图，它将 100% 的账户与最合适的外联频率对齐。

投资回报率是立即的。高级账户在第一个月内看到销售额增加了 23%，而低级账户被引入自动培养轨道，减少了 40% 的手动外联工作。整个操作的成本不到 25,000 美元的云计算和咨询费用——远低于季度分级项目的 250,000 美元预算。

对于更广泛的 AI 生态系统，Backstory 的冲刺说明了两个新兴趋势。首先，低代码数据流水线和特定领域的机器学习模型的融合使得复杂的分级对于中型企业来说是可行的，将价值实现的时间从几周缩短到几天。其次，迭代、人工在循环中的方法证明了 AI 不是销售运营的黑盒替代品；它是当反馈循环紧密时放大人工判断的加速器。

收入负责人应该注意：建立高影响力分级引擎的障碍现在是数据准备和纪律迭代的问题，而不是大量的 AI 预算。销售自动化的下一波可能是建立在可重复的、为期三天的冲刺框架上，就像 Backstory 的那样，将原本需要季度的冲刺变成每周的频率。

图片：Mario Gogh / Unsplash (https://unsplash.com/@mariogogh)