购买意向信号,是在购买或咨询之前、统计上常见的访客行为:看定价页、几天内再次回来、打开聊天、看多个产品页、开始填表。它们的强弱因站点而异,所以要自己量:20,000 个访客的示例里,打开聊天或看了定价页的 15% 访客,贡献了 65% 的演示申请。下面是一张信号表,以及把它变成分数的办法。
读完你会知道
- 用基础比率衡量每个信号的转化,而不是照抄通用清单
- 每个访客取其强度最高的信号的分数,不求和,因为信号会重叠
- 记录信号发生的时间:最近 3 天内看定价页的转化率 14.0%,较早的是 7.6%
什么是网站上的购买意向信号?
购买意向信号,是访客在购买或咨询之前、统计上常见的行为:看了定价页、几天内再次回来、打开聊天、读了对比页或集成页、开始填表。它们之所以重要,是因为买家的大部分调研发生在你看不到的地方。Gartner 2026 年对 646 位 B2B 买家的调查(2025 年 8 至 9 月进行)发现,67% 更喜欢无销售代表的购买体验;其 2025 年的发布发现,73% 会回避发送无关推销的供应商。既然买家自己做功课,又会惩罚错误的时机,他们在你自己网站上留下的信号,就是判断谁准备好了的办法。
这一页讲的是第一方信号,也就是你自己的分析工具记录下来的。第三方意向数据(在网络其他地方的主题调研)是另一类产品,见 销售用的意向数据。这里的目标是一张可以用你自己的数字建出来的「信号对应分数」表,而不是一份泛泛的清单。产生的线索怎么追踪,见 线索追踪。
哪些网站信号显示购买意向?
| 信号 | 访客做了什么 | 为什么暗示意向 | 注意事项 |
|---|---|---|---|
| 看定价页 | 打开了定价或套餐页 | 价格是后期才问的问题 | 竞争对手和学生也会看 |
| 重复访问 | 7 天内回来过 | 第一次访问后仍在评估 | 包括客服用户和员工 |
| 打开聊天 | 发起了对话 | 问了页面没回答的问题 | 愿意聊天的人是自我选择的 |
| 产品或集成页 | 看了 3 个或以上 | 在核对是否匹配 | 研究者读得和买家一样多 |
| 对比页 | 读了你们的区别 | 在几个选项之间选择 | 往往偏早,且往往匿名 |
| 开始填表 | 开始了注册或演示表单 | 目前为止付出最多 | 放弃的表单也是意向,不是失败 |
| 来自活动 | 从你发的邮件来 | 你本来就认识 | 来源告诉你是谁,不告诉你是不是时候 |
| 登录后的活动 | 使用了产品(试用或免费版) | 对价值的直接证据 | 只有已识别的用户 |
这张表的诚实限度就在「注意事项」一列。每个信号都是概率,不是判决,而且每个信号的强弱因站点而异。所以下一节用你自己的数据来算强度。
| 信号 | 分数(比率,四舍五入) | 建议的动作 |
|---|---|---|
| 打开聊天 | 25 | 几分钟内回复;价格问题转给销售 |
| 看了定价页 | 10 | 在页面上提供帮助;已识别就跟进 |
| 7 天内重复访问 | 4 | 展示相关的下一步;加入培育 |
| 3 个以上产品页 | 2 | 继续教育;不做销售联系 |
| 以上都没有 | 0 | 不要花力气 |
分数取自示例转化率;每个访客取强度最高的信号,每季度重算。
每个信号有多强?一个算例
示例数据:一个月 20,000 个访客,其中 600 人申请了演示,基础比率是 600 ÷ 20,000 = 3.0%。因为信号会重叠,把每个访客归到他表现出的最高意向信号(聊天,然后定价,然后重复访问,然后产品页),这样各组就不会重复计算:
| 最高信号 | 访客数 | 演示申请 | 比率 | 相对 3.0% 的提升 | 95% 区间 |
|---|---|---|---|---|---|
| 打开聊天 | 600 | 150 | 25.0% | 8.3 倍 | 21.7% 到 28.6% |
| 看了定价页 | 2,400 | 240 | 10.0% | 3.3 倍 | 8.9% 到 11.3% |
| 7 天内重复访问 | 3,000 | 120 | 4.0% | 1.3 倍 | 3.4% 到 4.8% |
| 3 个以上产品页 | 4,000 | 60 | 1.5% | 0.5 倍 | 1.2% 到 1.9% |
| 以上都没有 | 10,000 | 30 | 0.3% | 0.1 倍 | 0.2% 到 0.4% |
| 合计 | 20,000 | 600 | 3.0% | 无 | 无 |
各组加起来是 20,000 个访客和 600 个申请。前两组是 3,000 ÷ 20,000 = 15% 的访客,却贡献了 (150 + 240) ÷ 600 = 65% 的演示申请。这就是要打分的原因:它告诉销售该先联系哪 15%。
提升是比率 ÷ 基础比率。聊天的 8.3 倍最大,也是被自我选择夸大最多的:打开聊天的人本来就更接近申请演示。把它当作聊天带来多少增量的上限,同时把它当作谁已经准备好的非常强的信号。
按最高信号分组的演示申请率
示例,20,000 访客怎么把这张表变成分数?
用观察到的比率四舍五入作为分数,一个访客的得分取其强度最高的信号的分数,而不是求和,否则重叠的信号会把同一个意向算两次:
| 信号 | 分数(比率,四舍五入) | 建议的动作 |
|---|---|---|
| 打开聊天 | 25 | 几分钟内回复;如果问的是价格或条款,转给销售 |
| 看了定价页 | 10 | 在定价页上提供帮助;如果已识别,就跟进 |
| 7 天内重复访问 | 4 | 展示相关的下一步;加入培育序列 |
| 3 个以上产品页 | 2 | 继续教育;不做销售联系 |
| 以上都没有 | 0 | 不要花力气 |
一个既打开聊天又看了定价页的访客是 25 分,不是 35 分。用留出的对照调整阈值:一个月后,检查得分 10 或以上的访客,转化率是否确实约为 10% 或更高,并且每季度重算比率,因为它们会漂移。
在上线评分之前,为每一档约定响应时间,比如在工作时间内 5 分钟内回复已打开的聊天,一个工作日内跟进看过定价页的人,并把重复访问的人放进每周的培育周期。一个分数如果一两天内没人处理,大部分价值就丢了,本页后面的新鲜度表会说明这一点;没有负责人的一档,只是一份报表。
要多少访客才能信这个比率?
要足够多,使区间窄于相邻档位之间的差距。示例里,聊天的区间 21.7% 到 28.6% 明显高于定价的 8.9% 到 11.3%,所以排名站得住。如果聊天组只有 40 个访客、10 个申请,同样的 25.0% 区间大约是 14% 到 40%,宽到与定价的范围重叠。不到约 100 个访客,把比率当线索。合并两周的数据,不要把一个月拆成天。
信号有多快过期?
信号会随时间贬值,所以要记录它发生的时间,而不只是发生过。把示例里 2,400 个看了定价页的访客,按他们在月底前多久看的定价页拆开:
| 看定价页的时间 | 访客数 | 演示申请 | 比率 |
|---|---|---|---|
| 最近 3 天内 | 900 | 126 | 14.0% |
| 4 到 14 天前 | 1,500 | 114 | 7.6% |
| 全部看过定价页的人 | 2,400 | 240 | 10.0% |
各行加起来是 2,400 个访客和 240 个申请。新鲜的定价页浏览,价值大约是较早那种的两倍(14.0% 对 7.6%),所以合理的规则是:短窗口内给满分,之后给得少,比如 3 天内 10 分,14 天内 5 分。截止天数要根据你自己的销售周期来选:一次会话就能买的产品需要几小时,有采购流程的需要几周。
哪些信号会误导人?
- 把你自己的团队和客户也算进去。 排除内部流量和现有客户,否则重复访问和文档这两个信号会被夸大。
- 把一个信号当成一个买家。 一个匿名访客看一次定价页,示例里是 10%,这也意味着 90% 不会申请演示。
- 把重叠的信号相加。 用强度最高的那个,或者把组合当作单独的一组来测试。
- 把聊天当作聊天有效的证据。 自我选择会夸大差距;要和相似的访客比较。
- 忽略从不表现出信号的买家。 Gartner 2025 年的发布发现,69% 的买家注意到卖方网站和销售代表说法不一致,所以不一致可能在任何信号出现之前就终止了评估。
- 从不重算。 去年的评分表反映的是去年的定价页和流量。
在 TapCub 里怎么捕捉这些信号?
以上面的示例为例。在 TapCub 里:
- 衡量信号。 定价页和产品页的浏览来自 网站统计 › 页面;新访客和回访访客来自 网站统计 › 受众;打开的聊天来自 客服 › 客服工作台。在 网站统计 › 目标 里为演示申请设一个目标,这样就能算出每个信号的转化率。
- 比较聊过和没聊过。 客服 › 客服报表 › 转化归因 对比聊过和没聊过访客的目标转化,聊过的少于 30 人时提示样本太少,并列出对话从哪些页面开始。
- 知道他们是谁。 如果你的产品有登录,调用
tapcub.login;这个人就会出现在 全端分析 › 用户 › 用户 里,有按天排列的行为时间线,客服也知道对方是谁,不用再问邮箱。 - 定义分组。 在 全端分析 › 用户 › 分群与标签 里,建一个规则分群,比如「近 7 天做过定价页浏览,且没做过申请演示」;只限已识别的人,匿名访客不会进入分群。
- 打开访客。 在聊天里,侧栏显示来源、最近 2 天的页面和过去的对话,一键就能打开访客档案。
TapCub 不给线索打分,也不把线索推送到 CRM;它记录信号并显示每个信号的转化,让你自己来定分数。
FAQ
购买意向信号有哪些例子?
查看定价页、几天内再次回来、打开聊天、读三个或以上产品或集成页、开始填表、从你发的活动进来、使用免费版或试用。强弱因站点而异,所以要用你自己的转化来衡量每一个。
怎么在网站上识别购买意向?
记录转化之前的页面浏览和事件,算出每个信号相对基础比率的转化率,然后排序。示例里,打开聊天的转化率是 25.0%,看定价页是 10.0%,基础比率是 3.0%。
第一方和第三方意向数据有什么区别?
第一方数据是访客在你自己网站上做的事,由你的分析工具记录。第三方意向数据来自网络其他地方的行为,由数据供应商收集。这一页讲第一方信号;另一类在意向数据的文章里讨论。
购买意向信号对 B2C 有用吗?
有用。一个看了三次商品页、加入购物车、第二天又回来的购物者,同样显示意向;信号不同(购物车、心愿单、查价),但把每个信号对照基础比率来衡量的方法是一样的。
应该给几个信号打分?
三到五个。再多,信号就会重叠,表也很难维护。从聊天、定价和重复访问开始,只有当新增的信号能区分会转化和不会转化的访客时,才再加一个。
资料来源
- Gartner。Gartner 销售调查发现 67% 的 B2B 买家更喜欢无销售代表的体验:646 位买家,2025 年 8 至 9 月;2026 年 3 月 9 日发布。核对日期 2026-11-20,通过该发布的搜索结果条目核对(页面拦截自动抓取)。
- Gartner。Gartner 销售调查发现 61% 的 B2B 买家更喜欢无销售代表的购买体验:632 位买家;73% 回避无关的推销,69% 报告网站与销售说法不一致;2025 年 6 月 25 日发布。核对日期 2026-11-20,通过搜索结果条目核对。
这篇文章对你有帮助吗?
我们会根据反馈修改和补充这篇内容。
提交没有成功,请稍后再试。
谢谢你的反馈,我们会据此改进这篇内容。你已经反馈过这篇了,谢谢。

