शब्दावली · अपडेट किया गया 8 July 2026

AI लीड स्कोरिंग क्या है?

AI लीड स्कोरिंग एक AI Business Aide की वह क्षमता है जो हर संपर्क को कन्वर्ट होने की संभावना के आधार पर अपने आप रैंक करती है — एक स्कोर और एक hot/warm/cold बैंड निर्दिष्ट करती है, एक लिखित कारण के साथ, जो नए संकेत आने पर अपडेट होता रहता है। बात सीधी है: टीम सूची को ऊपर-से-नीचे काम करने के बजाय पहले सबसे अच्छे लीड पर काम करती है।

दो गुण AI लीड स्कोरिंग को पुराने तरीकों से अलग करते हैं। पहला, यह गतिशील है — जैसे-जैसे reply, कॉल के नतीजे, और गतिविधि बदलते हैं, स्कोर फिर से गणना होता है, न कि इम्पोर्ट के समय सूची में जो क्रम था उसे जमाकर रखता है। दूसरा, यह व्याख्या-योग्य है — हर स्कोर एक सरल-भाषा में कारण के साथ आता है (उदाहरण के लिए, “हाल ही में reply किया, decision-maker पद”), ताकि कोई rep रैंकिंग पर भरोसा कर सके और उस पर कार्य कर सके, न कि किसी ब्लैक-बॉक्स नंबर को घूरता रहे जिससे यह बताने का कोई तरीका न हो कि लीड वहाँ क्यों पहुँचा जहाँ वह पहुँचा।

AI लीड स्कोरिंग क्यों मौजूद है

ज़्यादातर संपर्क सूचियाँ एक ऐसे क्रम में आती हैं जिसका इससे कोई लेना-देना नहीं होता कि किसे कॉल करना उपयोगी है। वे इम्पोर्ट की तारीख, वर्णमाला के नाम, या जिस भी क्रम में CRM export होता है, उसके अनुसार क्रमबद्ध होती हैं। उस सूची को ऊपर-से-नीचे काम करने वाला rep एक ठंडे, गलत-फ़िट संपर्क पर उतनी ही मेहनत लगाता है जितनी किसी ऐसे व्यक्ति पर जिसने एक घंटे पहले reply किया और वह पद रखता है जो सौदा साइन करता है।

पुराना समाधान था मैनुअल ट्राएज — एक व्यक्ति सूची को नीचे तक पढ़ता, आशाजनक संपर्कों को टैग करता, और हाथ से फिर से क्रमबद्ध करता। यह दस लीड पर काम करता है और हज़ार पर ढह जाता है। अगला समाधान था नियम-आधारित स्कोरिंग: स्टैटिक नियमों द्वारा निर्दिष्ट निश्चित अंक (किसी job title के लिए अंक जोड़ें, free-email डोमेन के लिए घटाएँ)। नियम कुछ न होने से बेहतर हैं, लेकिन जब कोई लीड वास्तव में व्यवहार करता है तब वे अपडेट नहीं होते, और वे शायद ही कभी खुद की व्याख्या करते हैं।

AI लीड स्कोरिंग वह संस्करण है जो साथ बना रहता है। एक मॉडल उन संकेतों को देखता है जो वास्तव में किसी संपर्क पर मौजूद हैं — वे कौन हैं, उन्होंने क्या किया है, और कितनी हाल ही में — और जैसे ही वे संकेत बदलते हैं, एक रैंक किया हुआ क्रम तैयार करता है। चूँकि मॉडल स्कोर के साथ-साथ एक कारण भी लिखता है, इसलिए टीम से किसी नंबर पर आँख मूँदकर भरोसा करने को नहीं कहा जाता; वे पढ़ सकते हैं कि लीड hot क्यों है और खुद फ़ैसला कर सकते हैं।

यह यांत्रिक रूप से कैसे काम करता है

किसी AI Business Aide में AI लीड स्कोरिंग तीन एक-साथ काम करने वाले हिस्सों पर आकर टिकती है:

  1. 1.एक स्कोरिंग मॉडल जो हर संपर्क write पर चलता है — जब कोई संपर्क किसी कनेक्टेड स्रोत से sync होता है, इम्पोर्ट होता है, reply करता है, या कोई कॉल पूरी होती है, तो मॉडल किसी nightly batch की प्रतीक्षा करने के बजाय उस संपर्क का फिर से मूल्यांकन करता है।
  2. 2.एक स्कोर, बैंड, और कारण का संरचित आउटपुट — मॉडल एक संख्यात्मक स्कोर, एक hot/warm/cold बैंड, और एक छोटा लिखित कारण लौटाता है जो उन संकेतों का नाम लेता है जिन्हें उसने तौला (अंतिम reply की हालिया अवधि, संपर्क का पद, पिछले कॉल के नतीजे, गतिविधि)।
  3. 3.एक प्रस्तुतिकरण परत जो स्कोर, बैंड, और कारण को वहाँ रखती है जहाँ टीम पहले से काम करती है — लीड सूची पर, ताकि सूची स्वयं फिर से रैंक हो, और अलग-अलग lead 360 व्यू पर, ताकि तर्क पूरे संपर्क रिकॉर्ड के बगल में दिखाई दे।

सबसे मायने रखने वाला डिज़ाइन चुनाव है write पर स्कोरिंग। अगर स्कोर केवल एक शेड्यूल पर अपडेट होता है, तो जिस लीड ने आज सुबह reply किया वह batch चलने तक कल की स्थिति में बैठा रहता है — और टीम एक बासी क्रम पर काम करती है। जिस क्षण कोई संपर्क बदलता है उसी क्षण फिर से स्कोर करना ही रैंकिंग को ईमानदार बनाए रखता है।

AI लीड स्कोरिंग क्या नहीं है

“लीड स्कोरिंग” एक पुराना शब्द है, और कई पुराने तरीके अब भी यह नाम धारण करते हैं। नीचे दिए गए भेद ही AI लीड स्कोरिंग को उनसे अलग करते हैं:

तरीकालीड कैसे क्रमबद्ध होते हैंAI लीड स्कोरिंग से मुख्य अंतर
AI लीड स्कोरिंगपूर्वानुमानित कन्वर्ज़न संभावना के आधार पर रैंक, एक लिखित कारण के साथनए संकेत आने पर अपने आप फिर से रैंक होता है; हर स्कोर की सरल भाषा में व्याख्या करता है
मैनुअल सूची क्रमइम्पोर्ट की तारीख, वर्णमाला के अनुसार, या जैसे भी export आयाक्रम का कन्वर्ज़न संभावना से कोई संबंध नहीं होता और यह अपने आप कभी अपडेट नहीं होता
स्टैटिक नियम-आधारित स्कोरिंगनियमों द्वारा निर्दिष्ट निश्चित अंक (उदा. किसी title मिलान के लिए +10)जब कोई लीड व्यवहार करता है तब फिर से रैंक नहीं होता; अंक योग शायद ही कभी किसी सरल-भाषा कारण के साथ आता है
ब्लैक-बॉक्स ML स्कोरकिसी मॉडल द्वारा उत्पन्न एक नंबर जिसके साथ कोई व्याख्या नहीं होतीrep यह नहीं बता सकता कि लीड ऊँचा क्यों रैंक हुआ, इसलिए स्कोर पर आत्मविश्वास से भरोसा या कार्य नहीं कर सकता

आख़िरी पंक्ति वही है जिसे टीमें कम आँकती हैं। जो मॉडल केवल एक सादा नंबर देता है वह अक्सर अच्छी रैंकिंग करता है फिर भी अनदेखा रह जाता है, क्योंकि जो rep तर्क नहीं देख सकता वह सूची को अपने ही तरीके से काम करने पर लौट आता है। लिखित कारण कोई सजावट नहीं है — यही रैंकिंग को उपयोगी बनाता है।

AI लीड स्कोरिंग कब मायने रखती है

AI लीड स्कोरिंग तीन स्थितियों में अपनी जगह सबसे स्पष्ट रूप से कमाती है:

  • टीम जितनी पूरी तरह काम कर सके उससे बड़ी सूचियाँ — जब घंटों से ज़्यादा संपर्क होते हैं, तो आप उन्हें जिस क्रम में काम करते हैं वही तय करता है कि आप कितना मूल्य कभी हासिल कर पाते हैं। संभावना के आधार पर रैंकिंग जीते जा सकने वाले लीड को दिन की शुरुआत में रख देती है।
  • सीमित समय वाली छोटी टीमें — एक अकेला ऑपरेटर या दो-व्यक्ति की टीम हाथ से ट्राएज करने का खर्च नहीं उठा सकती। अपने आप स्कोरिंग सही दस कॉल पर काम करने और दस पर अंदाज़ा लगाने के बीच का फ़र्क है।
  • तेज़ी से बदलती सूचियाँ जहाँ संकेत रोज़ बदलते हैं — inbound फ़नल, सक्रिय campaigns, और ताज़ा sync हुए संपर्क सभी घंटे-दर-घंटे मूल्य में बदलते हैं। जो स्कोर write पर फिर से गणना होता है वह रैंकिंग को इससे कदम मिलाकर रखता है कि लीड ने अभी क्या किया।

यह तब कम मायने रखती है जब सूची इतनी छोटी हो कि पूरी तरह काम की जा सके, या इतनी एकसमान हो कि हर संपर्क लगभग बराबर हो — ऐसी स्थितियों में क्रम नतीजे को शायद ही बदलता है।

अक्सर पूछे जाने वाले प्रश्न

AI लीड स्कोर में कौन-से संकेत जाते हैं?

वे संकेत जो वास्तव में संपर्क पर मौजूद हैं: उन्होंने कितनी हाल ही में reply किया, पिछले कॉल के नतीजे, सामान्य गतिविधि, और job title या भूमिका जैसे गुण। जैसे-जैसे वे संकेत बदलते हैं — कोई नया reply आता है, कोई कॉल पूरी होती है — स्कोर उन्हें दर्शाने के लिए फिर से गणना होता है। सटीक मिश्रण इस पर निर्भर करता है कि किसी दिए गए संपर्क के पास कौन-सा डेटा है; एक हालिया reply और decision-maker पद वाला लीड उससे अलग स्कोर पाता है जिसके पास इनमें से कोई नहीं है।

क्या मैं देख सकता हूँ कि किसी लीड को वैसा स्कोर क्यों मिला?

हाँ — यही इस तरीके का मकसद है। हर स्कोर एक छोटे लिखित कारण के साथ आता है जो उसके पीछे के संकेतों का नाम लेता है, जैसे “हाल ही में reply किया, decision-maker पद।” Veera में यह कारण सीधे लीड सूची पर और lead 360 व्यू पर मौजूद रहता है, इसलिए आपको कभी किसी सादे नंबर पर भरोसा नहीं करना पड़ता — आप तर्क पढ़ सकते हैं और खुद तय कर सकते हैं कि लीड पर काम करना है या नहीं।

क्या स्कोर समय के साथ अपडेट होता है?

हाँ। AI लीड स्कोरिंग गतिशील है, एक-बार की मुहर नहीं। Veera हर write पर किसी संपर्क को फिर से स्कोर करता है — जब वह sync होता है, इम्पोर्ट होता है, reply करता है, या कोई कॉल पूरी करता है — ताकि बैंड और कारण मौजूदा बने रहें और नई गतिविधि आने पर लीड सूची अपने आप फिर से रैंक हो। जो लीड शांत हो जाता है वह ठंडा पड़ जाता है; जिस लीड ने अभी reply किया वह गरम हो जाता है।

यह किसी स्टैटिक लीड स्कोर से कैसे अलग है?

एक स्टैटिक स्कोर एक बार निर्दिष्ट होता है — निश्चित नियमों या किसी एकल मॉडल पास द्वारा — और फिर तब तक अपरिवर्तित बैठा रहता है जब तक कोई उसे संपादित न करे या कोई batch job फिर से न चले। AI लीड स्कोरिंग उसी क्षण फिर से मूल्यांकन करती है जब कोई संपर्क बदलता है और सूची को उसी जगह फिर से क्रमबद्ध करती है, और यह किसी सादे अंक योग के बजाय एक सरल-भाषा कारण जोड़ती है। यह अंतर सबसे अधिक तब दिखता है जब सूची बनने के बाद किसी लीड का व्यवहार बदलता है।

क्या Veera AI लीड स्कोरिंग करता है?

हाँ। जैसे-जैसे संपर्क sync होते हैं या इम्पोर्ट होते हैं, Veera हर एक को एक लिखित कारण के साथ hot, warm, या cold स्कोर करता है, और नए संकेत आने पर लीड सूची को अपने आप फिर से रैंक करता है — मॉडल हर संपर्क write पर चलता है, और स्कोर, बैंड, और कारण दोनों — लीड सूची और lead 360 व्यू — पर दिखाए जाते हैं। Veera शुरू करने के लिए मुफ़्त है।

यह प्रविष्टि Veera शब्दावली का हिस्सा है, जो AI Business Aide और outbound voice AI शब्दावली के लिए एक संदर्भ है। यह भी देखें: AI Business Aide क्या है? और State of Outbound Business AI 2026।