← 所有用例
线索评分
根据原始表单文本对一条进线销售线索进行资格判定。
Live toolRun this on your own data with the Lead Scorer →在线试用
这是真实的东西,不是模型演示。编辑输入、点击运行,Jev 会在一次往返中返回每一个类型化答案——免费、无需注册。现在想象同一次调用并行地跑在数千条数据上。
state — 软件传给 Jev 的输入133c
questions — 你想拿回的类型化决策
scorefit
对于一款面向技术的 B2B 基础设施产品,这条线索的匹配度有多高?
→ 0…4 · 5 个等级
choiceroute
这条线索应该被路由到哪里?
→ 其中之一: enterprise, smb, nurture, disqualify
noulbuying_now
这条线索目前是否正处于活跃的采购周期中?
→ 概率 0.0 … 1.0
真实 API · 免费 · 无需注册
类型化、已校准的输出将显示在这里。
选一个示例,调整输入,然后点击 运行 Jev.
选一个示例,调整输入,然后点击 运行 Jev.
Jev 做出的决策
在一次调用中，Jev 针对同一份输入并行评估以下每一项：
scorefit
对于一款面向技术的 B2B 基础设施产品,这条线索的匹配度有多高?
在一个有序量表上给它打分：
- 匹配度差 / 只是随便问问
- 匹配度弱
- 匹配度尚可
- 匹配度高
- 理想的高意向买家
choiceroute
这条线索应该被路由到哪里?
从这些选项中挑一个：
enterprise— 企业级客户经理smb— 自助 / 中小企业nurture— 市场培育流程disqualify— 不匹配,取消资格
noulbuying_now
这条线索目前是否正处于活跃的采购周期中?
返回一个已校准的是/否概率。
确切的请求
这就是实时演示背后真实的载荷——复制它，改一下 state，你就开始构建了：
{
"model": "jev-latest",
"state": "进线演示申请。姓名:Priya Nadkarni。公司:Northwind Robotics(约 450 名员工)。职位:工程副总裁。留言:‘我们正在替换一个自研的规则引擎,它每天为数百万个事件做路由,本季度正在评估供应商。需要能在 2 周内试点的方案。预算已批。’",
"questions": {
"fit": {
"type": "score",
"instructions": "对于一款面向技术的 B2B 基础设施产品,这条线索的匹配度有多高?",
"criteria": [
"匹配度差 / 只是随便问问",
"匹配度弱",
"匹配度尚可",
"匹配度高",
"理想的高意向买家"
]
},
"route": {
"type": "choice",
"instructions": "这条线索应该被路由到哪里?",
"criteria": {
"enterprise": "企业级客户经理",
"smb": "自助 / 中小企业",
"nurture": "市场培育流程",
"disqualify": "不匹配,取消资格"
}
},
"buying_now": {
"type": "noul",
"instructions": "这条线索目前是否正处于活跃的采购周期中?"
}
}
}把它接进你的代码
读取类型化的答案，用普通代码分支判断——无需解析。自动处理高置信度的情形，把不确定的路由给更大的模型或人工。这只是一次 API 调用，而且输出免费，所以把你需要的每个问题一次都问了吧。