线索响应时间统计：从 2007 到 2026 年每一项重要研究

线索响应时间的统计数字在互联网上被反复转引，却总把出处弄错。样本量被夸大。「5 分钟规则」被记到了一篇根本不包含它的论文头上。那些已经找不回一手来源的研究，被当作一手来源引用。结果就是同样的那一小撮数字在 B2B 营销幻灯片之间来回弹跳，底层的严谨却几乎所剩无几。

这个页面就是我们在为智能体时代的线索响应速度那篇文章审计底层研究时，希望能找到的那张表。从 Oldroyd 2007 年的 InsideSales 论文，一直到 2026 年的垂直行业基准，每一项重要的线索响应时间研究都在这里，附上真实的样本量、存在一手来源时的一手 URL，以及在一手来源已不可追溯的那些行上加的明确标记。哪个被广泛引用的数字站不住脚，我们就直接说出来。表格下方那些「出处张冠李戴」的提醒，是大部分引用这些统计的团队没意识到自己需要的那一部分。

2007 到 2026 年每一项重要的线索响应时间研究

研究	年份	样本量	关键发现	行业	来源
Oldroyd / InsideSales Lead Response Management Study [2]	2007	6 家公司 3 年内约 15,000 条网络线索	5 分钟内取得联系的概率是 30 分钟内的 100 倍；5 分钟内筛选合格的概率是其 21 倍	跨行业 B2B	Secondary (PDF on HubSpot CDN; original leadresponsemanagement.org retired)
HBR "The Short Life of Online Sales Leads" [1]	2011	42 家美国公司的 125 万条线索（29 家 B2C，13 家 B2B）	1 小时内筛选合格的概率是等待更长时间的 7 倍；是等待 24 小时的 60 倍	B2C 与 B2B 混合	Primary (paywalled but verifiable)
Drift State of Conversational Marketing [4]	2018	通过人工表单提交测试的 433 家 B2B 公司	平均首响：47 小时；只有 7% 在 5 分钟内回复	B2B SaaS	Secondary (original Drift report retired post-Salesloft acquisition)
Chili Piper Average Vendor Response Time Benchmark [3]	2022	通过人工表单提交测试的数百家 B2B 厂商	平均首响：4 小时 50 分钟；7% 在 60 秒以内；30% 从未回复	B2B SaaS	Primary
RevenueHero B2B Response Time Study [4]	2024	1,000 家 B2B 公司	平均首响（仅回复者）：1 天 5 小时 17 分钟；63.5% 从未回复	跨行业 B2B	Secondary (via Apten aggregation)
Hatch HVAC Speed-to-Lead Analysis [4]	2024	132,000 条家政服务营销活动	88% 超过 5 分钟才回复；只有 3% 在 60 秒以内；37% 的众数响应时间为 1 天	家政服务	Secondary (via Apten aggregation)
Hennessey Digital Legal-Vertical Speed Study [4]	2025	律师事务所（样本量未披露）	中位首响：13 分钟；26% 从未回复；25% 在 5 分钟以内	法律	Secondary (via Apten aggregation)
Apten / Blazeo 2026 Speed-to-Lead Benchmark Report [4]	2026	横跨 6 个垂直行业的 573 家服务业公司	AI 辅助团队有 62.5% 的时间达到 <15 分钟标准，人工团队为 39.1%；超过 1 小时则有 81.2% 的线索流失	服务业 B2B	Primary
Artificial Analysis frontier-LLM latency benchmark [5]	2026	跨多家供应商对 Claude Sonnet 4.6 的实时测试	首 token 时间：1.37 秒；输出速度：每秒 44.3 token；10 秒内完成 300 token 的回复可行	LLM 基础设施	Primary

最后一行不是一项线索响应研究。它设定的是一个智能体式 SDR 在同一条曲线上真正能够触及的技术地板，而这正是 2011 年那篇论文无法预料到的部分。

应该忽略的常见张冠李戴

下面这些数字流传很广。好几个 B2B 厂商页面和聚合博客把它们当作一手研究发布。它们站不住脚。

HBR 2011 年那项研究并没有调查「2,241 家公司」。 HBR 那项研究采样的是 42 家美国公司（29 家 B2C，13 家 B2B）的 125 万条线索。在几张近期对比表里出现的「2,241 家公司」这个数字，很可能来自一份独立的、更晚的 InsideSales 报告，而我们没能找到它的一手来源。这两项研究不应被混为一谈。

「5 分钟规则」不在 HBR 2011 年那篇里。 那个 5 分钟悬崖、100 倍的取得联系倍数、21 倍的筛选合格倍数，全都来自更早的 2007 年 Oldroyd / InsideSales Lead Response Management Study，不是来自 2011 年的 HBR 那篇。HBR 那篇锚定的是 1 小时和 24 小时这两个阈值。两项都是真实发现。它们来自两篇不同的论文，样本量也不同。

Oldroyd 2007 年那项研究并没有覆盖「100+ 家公司」。 2007 年那篇原始论文覆盖的是 6 家公司 3 年内约 15,000 条网络线索和 100,000 次呼叫尝试。在一些二手来源里被贴到 2007 年那篇上的「100+ 家公司」这个数字，属于一项独立的复现研究。大部分引用 2007 年那篇的文章都把这两者搞混了。

Velocify 那个「1 分钟以内转化提升 391%」没有可追溯的一手来源。 Velocify 在 2016 年的一份白皮书里发布过这个数字，但 Velocify 被收购后并入了 ICE Mortgage Technology，原始文档已不再托管。今天每一条引用都追溯回同一张图表，没有一手 URL。把这个数字当作被广泛重复的行业传说，而不是一手研究。Apten 2026 年的流失数据和 Chili Piper 2022 年的基准，用可追溯的来源覆盖了同一个转化提升维度。

「78% 的买家会向第一个回复的厂商购买」（Lead Connect，2020 年） 出现在好几份幻灯片里，但它是一个单一来源、厂商自行发布、且没有公开方法论的统计。利益冲突标记：Lead Connect 卖的正是这个统计所论证的那款响应时间产品。谨慎使用，且永远不要把它当作承重的论据。

「85% 的来电者在未接来电后不会再回拨」（Ringba / CallRail）。 被广泛重复，尤其是在呼叫追踪类营销里，但我们找不到它的一手方法论或样本量。当作传说对待。

当你在竞争对手的对比表里看到这些数字中的任何一个，你看到的就是一篇没有审计过自己来源的内容。

这些研究真正达成共识的部分

横跨那些经久耐用、来源扎实的研究（表中第 1、2、3、4、6、7、8 行），有四个发现从 2007 年到 2026 年一致成立：

1. 响应时间的衰减很陡，并且在第一个小时之内就开始。 Oldroyd 2007 年（分钟级）和 HBR 2011 年（小时到天级）都画出了这条曲线。Apten 2026 年确认，超过 1 小时则有 81.2% 的线索流失。
2. 「取得联系率」和「筛选合格率」之间的差距很关键。 更快的响应不成比例地提升触达决策者的概率，而不只是留下一条语音留言。HBR 那个 7 倍数字说的是筛选合格，不是单纯取得联系。
3. 大部分公司仍然过不了那道门槛。 自原始研究以来，行业中位响应时间每一年都被测在小时到天的区间。门槛一直没变，厂商在门槛面前的表现也一直没变。
4. 首响优势是真实的，而且在经济上有意义。 据 Chili Piper 2022 年和 Apten 2026 年的流失数据，那些持续赢下首次触达竞赛的厂商，转化率明显更高。

那些在多项研究之间复现得不好的发现（Velocify 那个 391% 的数字、Lead Connect 那个 78% 的数字、Ringba 那个 85% 的数字），恰恰就是那些来自单一厂商、没有公开方法论的数字。这个规律是一致的。单一厂商的统计会夸大，多来源的学术 / 基准统计则站得住。

2007 到 2026 年之间发生了什么变化

三件事，而其中只有一件朝着早期研究者会预测的方向走。

行业中位响应时间变差了，不是变好了。 2011 年那项发现本应促使团队压缩自己的首响窗口。横跨来源扎实的 2018、2022、2024 和 2026 年基准，中位数一直停在多小时的区间，而从不回复的公司占比其实还涨了（Drift 2018 年：约 38% 不回复；RevenueHero 2024 年：63.5% 不回复）。

对那一小部分把首次触达自动化的厂商来说，行业最佳响应时间大幅变好了。 Apten 2026 年显示，AI 辅助团队有 62.5% 的时间能跨过 15 分钟以内的标准，而人工团队只有 39.1%。这就是那个分叉：一小撮领先者把曲线压到了秒级，而一大条长尾没有动。

技术地板从「分钟」搬到了「秒」。 据 Artificial Analysis 的基准 [5]，2026 年的一个前沿 LLM 首 token 延迟约 1.4 秒，输出速度约每秒 44 token。一个端到端的智能体式 SDR（webhook 摄入、去重、KB 检索、品牌口吻撰写、发送）能带着余量跑进 30 秒。30 秒是实用的 SLA，不是「能做到什么」的地板。

这对智能体时代的 inbound 响应意味着什么

2011 年那篇论文把它的论点锚在 1 小时这一格，因为那是当时一个运转良好的真人销售团队现实中的边界情况。到 2026 年，一个搭得好的 AI inbound SDR 的相关边界情况是 30 秒这一格，而底层曲线并没有变。更快的响应，加上有上下文依据，仍然能让筛选合格率获得相乘式的提升。杠杆点移动了，杠杆本身没有。

我们在智能体时代的线索响应速度里讲过这个论点的更长版本，包括那个闭环归因的论证，而 2011 年那篇论文不可能看到它，因为当时广告平台的 Conversions API 还不存在。

两篇姊妹篇覆盖了智能体式 inbound SDR 论点的其余部分。信号驱动型培育论证了首次触达之后会发生什么，以及为什么滴灌节奏现在是一种反模式。FAINT 加 GPCT 对比 BANT 覆盖了那个适配「拥有无限耐心的智能体」的资格框架。

延伸阅读

• 智能体时代的线索响应速度，关于 2011 年那条曲线为何会和闭环归因复利的完整论点
• 信号驱动型培育对比滴灌节奏，关于首次触达之后会发生什么
• FAINT 加 GPCT，AI 时代的资格框架，关于一个 AI inbound SDR 应该跑的那些资格问题

如果上表里的任何数字结果有比我们找到的更好的一手来源，或者有一项 2026 年的研究取代了某一旧行，请告诉我们，我们会更新这个页面。这张表的意义，就在于让严谨本身可被审计。