不要用“每通电话成本”做核心单位

冷电话最容易制造的数字就是拨号次数，因此也最容易被误当成经济指标。真正值得核算的是一条完整链路：研究过的账户→可用号码→尝试联系→真人接通→相关对话→销售接受的下一步→合格商机→收入或毛利。

这样一拆，两个问题会立刻暴露。第一，最便宜的输入可能制造最贵的返工；第二，拨号更少的团队，如果每个销售接受的对话质量更高，经济性反而可能更好。

把成本拆成可行动的几层

至少分开数据采购、研究、验证、电话费用、拨号/销售互动软件、业务员人工、管理与辅导、CRM维护、合规操作、以及下游销售时间。再加一项常被漏掉的返工：错号码、重复联系人、交接不清、无效会议都要消耗人力。

不同成本的计价逻辑也不同。有的按席位、有的按分钟、有的按记录、有的按项目。只有把它们拆开，才能看清“省了2000美元数据费，却多浪费几十小时销售时间”这种假节约。

用阶段转化，而不是一个神奇转化率

不要只算“打了多少→约了多少”。假设1000个研究账户里有850条达到呼叫标准，产生1400次尝试、160次真人接通、90次相关对话、28个下一步、22个销售接受、8个合格商机。这里的数字只是示意，不是行业基准。

价值在于诊断：可用号码率差，先修数据；接通差，检查号码类型、时段和拨号方式；真人接通多但相关对话少，先看角色与联系理由；会议多而销售不接受，问题在资格定义和交接。

人工成本要算完整

业务员成本不只是说话的分钟数，还包括研究、拨号、语音信箱、备注、回拨、跟进和内部会议。名单筛选、抑制名单和质量复盘看起来不直接创造会议，但删掉这些动作并不会让它们免费。

管理时间也要单列。十个业务员用十种“合格客户”定义，最终会把仪表盘做得很热闹，却让下游销售疲惫。持续校准会花时间，但通常比大量无效商机更便宜。

真正值得看的四个成本

早期最有用的是“每次相关真人对话成本”；流程稳定后可以看“每个销售接受的下一步成本”；再往后看“每个合格商机成本”，最终成熟时可用“每单位毛利贡献成本”。

为什么不是只看收入？因为不同业务的交付成本差异很大。一个高客单项目如果需要大量定制与售后，收入漂亮不代表利润漂亮。经济模型必须和公司真正赚钱的方式一致。

做区间模型，别装作精确

建立保守、基准、强势三种情景，调整真正不确定的参数：可用号码率、接通率、相关对话率、销售接受率、商机率与赢单率。固定成本保持固定。

如果只有所有参数都达到乐观值时项目才赚钱，这不是稳健模型。如果接通比预期差一些仍然成立，则有学习空间。敏感性分析还可以帮助判断新工具到底值不值钱：如果商业结果最敏感的是“相关对话率”，单纯提升拨号量的产品意义就有限。

与下一种最佳资源用法比较

真正的经济问题，不是冷电话单独看能不能赚钱，而是同一笔预算和管理注意力放到别的渠道会不会产生更好的结果，例如定向邮件、合作伙伴开发、活动、付费获客、老客扩展，或者创始人亲自销售。

冷电话有一个很独特的优势：它能快速获得定性反馈。业务员可以实时听到异议、角色错位和时机不对，这种学习在新市场尤其有价值。但如果某个细分市场很难通过电话触达，却明显更愿意在另一个渠道回应，为了遵守既定打法而硬打电话，只是在浪费钱。

跨渠道比较时，要使用同一套漏斗定义。比较被接受的有效对话和合格商机，而不是拿拨号次数、发送量之类的活动数字互相炫耀。

长销售周期怎么核算

长周期B2B不能等半年后才判断渠道健康，也不能把会议直接当收入。早期可以用销售接受与合格商机作为领先指标，同时给每批客户打上cohort日期，后续收入再回挂到最初来源。

历史数据积累后，要比较“早期看起来值钱的商机”与真实成交。如果某渠道总能制造大量商机，却在后续阶段反复死亡，就要折价看待它的早期表现。

把合规与控制成本纳入模型

跨国冷电话需要名单筛查、内部DNC、记录、供应商管理等控制，这些都是真实运营成本。FTC在2024年扩展了B2B电话营销中重大虚假陈述的限制并更新记录要求；加拿大和英国又有各自的B2B规则。

不要给法律风险随便编一个金额，而是把实际必须做的控制计入预算。尤其当技术从真人呼叫变成预录或AI人声时，规则性质可能改变，必须单独复核。

别让平均数吃掉好细分

把结果按市场、名单来源、角色、地区与业务员拆开。某个细分可能接通贵，但商机质量极高；另一个细分接通便宜，却几乎没有商业深度。混在一起看“平均每通成本”，会误杀好市场，也会纵容差市场。

模型应该细到可以行动，但不要细到每格只有三条数据。目标是找到可以改变的环节。

每周经济复盘

每周只回答几个问题：研究成本是否变化？可用号码质量是否变化？相关对话率是否变化？销售接受是否变化？下游商机值不值得消耗这些时间？然后只选一个主要变量去修。

冷电话一旦被当成一个可追溯的小型运营系统，而不是“谁打得多”，经济性就会清楚很多。

Sources

Related Reading