智能体时代的线索响应速度：HBR 那条曲线仍然成立，地板现在是「秒」。
2011 年 3 月，哈佛商业评论（HBR）发表《The Short Life of Online Sales Leads》时，那条头条结论在任何运转良好的销售层早就已经是民间智慧。1 小时之内联系到 inbound 线索的公司，把线索筛选合格的概率几乎是等待更长时间公司的 7 倍，是整整等了一天的公司的 60 多倍。[1] 2026 年真正新鲜的，不是这条曲线还成立，它当然成立。新鲜的是：这条曲线当年是在真人销售团队身上画出来的，行业的中位首响时间在论文发表之后反而变差了，而一个搭得好的 AI inbound SDR，现在正好坐在这条曲线的最底端，那是几乎没有任何真人团队曾经站过的位置。地板从「小时」搬到了「秒」。2011 年那项发现里那个复利效应，仍然原封不动地摆在桌上，等着任何不那么胆怯的厂商去拿。
本文是我们关于信号驱动型培育那篇的续篇。上一篇顺带提到了 HBR 2011 年的发现，把它列为「触发型响应胜过计划型响应」的几条证据之一。这篇专门深挖速度这个维度：曲线从哪儿来、它到底测了什么、之后发生了什么变化、对任何正在采购或自建 AI inbound SDR 的团队来说，含义是什么。
2011 年那篇论文到底测了什么
HBR 那篇由 James Oldroyd、Kristina McElheran 和 David Elkington 撰写的文章，分析了 42 家美国公司（29 家 B2C，13 家 B2B）共收到的 125 万条 inbound 销售线索。[1] 方法论很直接。对数据集里的每一条线索，作者测量了表单提交和公司首次接触尝试之间的时间间隔，然后追踪这条线索进入「合格对话」的频率。论文把「合格对话」定义为和决策者之间有实质交流，而不是一条留言或一封自动回复。
那个被反复引用的 7 倍和 60 倍数字，说的是「筛选合格」，不是「成交收入」。这个区分很重要。论文并没有声称更快的响应能带来 7 倍的收入增长，它声称的是 7 倍提升的是「inbound 线索甚至能进入一次真实对话」的概率。下游的所有东西，从 demo 到成交的转化率、平均订单金额、赢单率，都还得在这上面再发生一次。但因为「合格率」是决定漏斗能不能跑起来的那个杠杆点，漏斗顶端的 7 倍提升，会沿着下面那些转化率级联到漏斗底部，不管底下的转化率本身是多少。
那个 2012 年之后被贴到每一份线索响应速度幻灯片上的「5 分钟规则」，其实并不在 HBR 这篇文章里。那条精细到分钟的曲线，包括 5 分钟悬崖，来自更早的 2007 年 Lead Response Management Study，是 Oldroyd 在 Kellogg School 做博士后期间和 InsideSales.com 合作做的。[2] HBR 是基于一个更丰富的数据集做的第二轮分析。2007 年那篇画的是分钟级曲线，2011 年那篇做的是让 C 级管理层重视这件事。
这个区分在你去溯源任何一个数字时都很重要，因为你会在网上看到这两个数字到处流传，但出处张冠李戴。HBR 那篇锚定的是「小时」和「天」，Oldroyd 2007 年那篇锚定的是「分钟」和「秒」。两项都诚实，两项都站得住。
这条曲线为什么是这个形状
让响应时间曲线如此陡峭的机制，从 2011 年以来并没有变。值得把它说清楚，因为 AI SDR 的销售话术有时候把机制讲错了。
驱动这条曲线的有三件事。
第一，买家意图衰减得很快。一个在 9:17 填了你表单的客户，9:17 那一刻在想你的品类。到 11:17，他已经回到 Slack 里、孩子学校来了电话、一个会议开始了，最初把他带到你网站的那个问题，已经被清单上接下来 12 件事挤掉了。把他的注意力重新拽回你的产品上的成本不是零。等你在周三回复时，你是在为他付「重新加载上下文」的认知切换税，而那个上下文，他在 9:17 是免费组装好的。那个「重新加载税」就是转化率上的一道税。
第二，竞争对手的并发性。同一个填了你表单的客户，多半也填了另外两三家的。他在比价、比功能、或者比厂商。第一个回复的厂商不止是赢在了注意力上，他还定义了对比的形状。如果第一家厂商把框架定成「实施周期」，而你是第三个回复的、带着功能型话术过来，你已经不是在回答买家当下在问的那个问题。回复顺序改变了问题本身。
第三，被感知的认真程度。买家会从「公司对待他作为线索的方式」推断「这家公司将来会怎么对待他作为客户」。销售那边等了 24 小时才回复，告诉买家「客服响应时间大概会是什么样子」。这一部分在 2011 年那篇里只是隐含的，没有直接测量。当团队在争论到底是 5 分钟回还是 30 分钟回时，这一部分往往是被低估得最厉害的。你在 30 分钟那一刻回过去，买家给你的那个回应，是被前面那 25 分钟「他以为你其实并不特别想做他生意」的认知所塑造的。
这些都不是新闻。新闻是行业的中位时间并没有改善。
行业变得更慢了，不是更快
这部分应该让任何「研究线索响应速度十年」的团队感到尴尬。
Chili Piper 2022 年的基准测试，人工向数百家 B2B 厂商提交 demo 请求并计时，得到的所有回复者的平均首响时间是 4 小时 50 分钟。只有 7% 的公司在 60 秒以内回复。大约 30% 的公司根本没回。[3] 那不是 2011 年的中位数，那是十一年之后的数字。
RevenueHero 2024 年对一千家 B2B 公司的跟进研究，回复者的平均响应时间是 1 天 5 小时 17 分钟，63.5% 没有回复。[4] Apten 2026 年对垂直行业基准的汇总在行业粒度上确认了同样的模式。据 Hatch 2024 年对 13.2 万条营销活动的数据集，家政服务厂商有 88% 的时间超过 5 分钟才回复，只有 3% 的公司能做到 60 秒以内回复。据 Hennessey Digital 2025 年的研究，法律垂直的提供商中位数是 13 分钟，26% 从未回复。[4]
离散度很高，方向却是一致的。横跨行业、样本量、年份和方法论，同样的发现一再出现：60% 到 90% 的公司过不了 2011 年那篇论文设的「第一小时」门槛。原研究的话是「这样做，你的合格率将提高 7 倍」，15 年之后，大部分公司还是没这样做。
这就是一个智能体式 SDR 走进来的那个空档。
一个 AI inbound SDR 在延迟上到底能做到什么
技术问题很直接：地板在哪里？
2026 年的一个前沿大型语言模型，在非推理配置下首 token 延迟大约 1.4 秒，输出吞吐约 44 tokens/秒。[5] 一条 300 token 的回复，差不多就是给一条 Meta lead-ads 咨询的完整首条消息长度，包括问候、贴上下文的开场、两个资格问题和落款，如果模型边生成边流式输出，端到端约 8.5 秒。再加 3 到 5 秒，跑一次知识库检索，把消息基于租户实际的产品和定价文案锚定住。再加 2 到 3 秒，过一次发送前的安全和品牌口吻闸门。Webhook 摄入、去重、persona 解析、同意校验，这些都不被 LLM 卡住。系统搭得对的话，每一项都在亚秒级。
一个完整自主的智能体式 SDR 搭在这个栈上，端到端能在 30 秒内跑完，还有余量。技术地板更接近 10 秒，而不是 30 秒。30 秒是实用的服务级目标，因为它要容纳 webhook 投递的波动、重试窗口和偶尔模型那头的慢请求。它不是「能做到什么」的地板，它是「能稳定做到什么」的地板。
作为对比，同样的工作流由一个真人 SDR 来跑，地板大约是 2 分钟，由真人接到通知、切换上下文、读线索、查产品、敲一段、校对、发送所花的时间决定。这个地板存在的前提是真人已经坐在桌前盯着队列。大部分时候，他没在盯。
智能体的地板比真人地板低 1 到 2 个数量级。HBR 曲线的杠杆点在 60 分钟那一格。智能体的地板也比那一格低 1 到 2 个数量级。我们现在不是在争论「要不要比 2011 年的基线快」，我们是在争论「怎么比 2011 年的基线快 100 倍」。
没有上下文的速度仍然是垃圾消息
值得在这个明显的反驳上停一下，因为半个 AI SDR 市场把这一点弄错了。
一条 10 秒的回复「您好，感谢您的咨询，需要安排同事联系您吗」，输给一条 90 秒的回复「看到您是从健身房管理那条广告进来的，我们的日程预约可以开箱即用地处理排课，要不要我用您当前的课程表带您走一次 5 分钟的演示」。速度和相关性是相乘的，不是替代关系。智能体时代的论点不是「最快就赢」，是「最快且有依据者赢」。一个只交付速度、不交付上下文的厂商，卖的不过是带 webhook 的自动补全。
这正是基于检索的、绑定 persona 的智能体式 SDR 所做的事，是 2011 年那篇论文的作者无法预见的。智能体读取线索的第一条入站消息，读取线索是从哪条广告创意进来的，拉出关于具体产品的相关知识库条目，套用租户的品牌口吻和签名行，跑对应营销活动的资格框架（我们默认用 FAINT 加 GPCT，理由在我们前面那篇文章里），用买家偏好的语言撰写首条消息。这一切花的时间，比一个真人 SDR 在 CRM 里找到那条线索还快。
本文的姊妹篇，关于信号驱动型培育，给「首次外发之后会发生什么」做了同样的论证。滴灌节奏没了。智能体监听行为信号，信号触发时再回应。线索响应速度和信号驱动型培育是同一架构转向的两个角度。智能体每一次都用完整上下文，对事件实时反应，而不是按钟表跑。
「AI 让人觉得诡异」这个反对意见值得一个诚实的回答。买家确实注意到即时回复，他们大多不在意。G2 2025 年的买家调查，被 SaaStr 在评述公开的 AI SDR 部署时引用，发现 17.2% 的买家信任他们和 AI 工具的互动，而信任和销售人员互动的只有 9.3%。[6] 这不是「买家爱 AI」，这是「买家对销售员的怀疑比对机器人更深」。礼貌、快速、贴上下文的 AI 回复，要对抗的是「默认不信任」的底色，不是「默认热情」的底色。一个 30 秒回过去、回答到了正确问题的消息，会赢过 4 小时回过去、大部分没答到点上的那条。
2011 年看不到的那个复利回路
2026 年线索响应速度讨论里被低估得最严重的部分，不在响应这一侧，而在优化这一侧。
Meta 的 Conversions API，以及每一个主流付费获客平台上的对应接口，把转化事件回传给广告平台，让平台把投放优化到真正会转化的人身上。[7] 平台需要近实时拿到事件信号。当一个 AI inbound SDR 在第一条入站消息时发出 Lead 事件、在资格通过时发出 CompleteRegistration、在 CTA 落地时发出 Schedule 或 Purchase，广告平台几分钟之内就学到了谁真的变成了客户。下一批广告投放就会向「长得像转化」的人偏移，而不是向「只是点了广告」的人偏移。
这里有一个 2011 年那篇论文不可能看到的反馈回路，因为当时还不存在。更快的响应推高合格率，更高的合格率把更丰富的转化信号回传给广告平台，更丰富的转化信号带来更好的投放和更低的客户获取成本，更低的 CAC 意味着同样的预算能买到更多合格线索，而智能体回应这些线索的速度，比任何真人团队都更快。这个回路是复利的。
一个在 2026 年的广告平台上跑 2011 年流程的团队，是在用垃圾数据喂平台，因为团队的时延就是瓶颈。Meta 没法围绕「这条线索是表单提交后 3 天才转化的，然后弹出，又 4 天后通过人工跟进再次转化」来做优化，因为等那个信号回去时，竞价已经移走了，预算已经被重新分配了。信号需要在广告平台还在乎它的时候到达。这就要求响应回路按广告平台的节拍运转，那个节拍是分钟，不是天。
这是线索响应速度论证里能说服那些通常不在意 SDR 延迟的 CFO 的部分。框架不是「我们响应更快」，而是「智能体的响应速度，是决定下一条线索能买得多便宜的那个输入变量」。
WhatsApp 渠道让这个截止时间变成硬约束
在对东南亚 SMB inbound 最重要的那些渠道上，也就是通过 Click-to-WhatsApp 广告和 WhatsApp 直接首触进来的渠道，线索响应速度不只是营销层面的客气，它是合规和成本上的约束。
WhatsApp 的 Business Platform 运行的是一个 24 小时客服窗。[8] 当用户给企业发消息时，企业有 24 小时可以用自由格式回复。窗口之外，唯一的外发选项是预先审批过的模板消息，按每次投递计价。Click-to-WhatsApp 广告在同样的 24 小时计时器上打开一个 Free Entry Point 窗。一个真人团队在周一早上才回周六晚上进来的线索，已经烧掉了那个免费窗，付过了广告点击费，现在还得为模板发送再付一次。一个一直在线的智能体永远不会这样。合规窗和线索响应速度机会，是同一个约束。
24 小时窗是最极端的例子，但同样的逻辑以减弱的形式适用于每一个付费渠道。inbound 付费获客的经济学，会奖励那些和广告竞价同节拍运转的响应回路。回路按「分钟节拍」跑，平台就在做优化；回路按「天节拍」跑，平台就在抖动。
这在 StaffOS 内部是什么样子
Lisa，我们的 inbound SDR 智能体，是围绕这样一个假设搭起来的：2011 年那篇论文的「第一小时」门槛，应该在线索还没把手机放下之前就被打掉。
一次 Click-to-WhatsApp 广告点击或 WhatsApp 直接首触，作为入站消息落到租户的 WABA 线上，去重和已有客户记录比对，建好线索行，智能体回路启动。在第一条入站消息后 30 秒的中位时间内，Lisa 已经通过租户的 WhatsApp 账号、用租户的品牌口吻、针对线索进来的那条广告创意、基于租户的知识库、并路由到该营销活动的资格框架，发出了第一条回复。流水线在毫秒级别上有埋点。我们按每一次发送测量首次外发延迟，并在中位数漂移到 30 秒以上时告警。30 秒是 SLA，不是最佳情况。
有几个细节值得说。
第一条消息不是一个塞了几个变量的模板问候，而是每一次都新写的。智能体读营销活动、广告文案、线索的第一条入站、品牌档案和知识库，然后写一条专门针对这条线索、这条广告、这个时刻的消息。输出不是「您好，感谢您的咨询」，而是「如果你专门坐在桌前等这条线索，所有上下文都已经加载好了，你自己会写出来的那一条」。
资格判定就在同一段对话里跑。没有那种「合格线索移交给人类 SDR」的步骤，让智能体已经做过的工作还要再重新解释一遍。FAINT 信号（funds、authority、interest、need、timing）和 GPCT 探询（goals、plans、challenges、timeline）在对话展开时被捕获，写进线索记录上的结构化信号库，对流水线的其余部分可查询。当线索通过资格判定后，相应的 CTA 工具会触发（预约、报价、demo、回拨、上门、或资料包，看该营销活动配置的 CTA 类型），预约就在同一个 WhatsApp 会话里完成，Meta 的 CompleteRegistration 和 Schedule 事件接近实时地通过 Conversions API 回传。
这套架构并不奇异。它是一个 ReAct 循环 [9] 跑在一个工具注册表上，由检索增强的上下文做依据，状态和行为符合 Wang 等人 2024 年那篇 LLM 自主智能体综述里编录的样子。[10] 这个模式是公开研究。在操作层面真正有意思的是，端到端把 Meta CAPI 回路闭合、资格框架结构化、响应延迟控制在 SLA 之内的团队，还非常少。
我们看过的大部分「AI SDR」产品，响应时间停在分钟到小时之间，因为它们把每一次首次外发都路由到了一个人工审批队列。这个队列存在，是因为团队还不信任智能体写的首条消息。这是一个合理的起手姿势，但这也是线索响应速度的全部价值消失的地方。我们的答案不是「第一天就上自主」，而是按营销活动配置的自主性阶梯。智能体一开始在监督模式下跑，每一条草稿都路由到运营人员审批。系统测量运营人员原封不动接受草稿的比例。当这个接受率越过该营销活动的阈值，营销活动就升级到自主发送。快速、有依据的回复从第一天就落地，完整自主性在营销活动赢得它的时候落地。这两件事是解耦的。
合规重的垂直可以把营销活动永远锁在监督模式。高量的营销活动可以在几周内跑到自主模式。同一个智能体两个都能跑，自主姿势按营销活动配置。
这是 Gartner 2025 年那条「到 2026 年底 40% 的企业应用将集成特定任务 AI 智能体」的预测 [11] 没有完全捕捉到的部分。有意思的问题不是智能体是否会进入企业软件，它们正在进入。有意思的问题是，智能体跑在什么样的操作包络里，以及具体到 inbound SDR 这个面上，那个包络是否尊重 2011 年那篇论文画的线索响应速度曲线，以及付费获客平台现在奖励的那个复利回路。
2026 年评估任何 AI SDR 厂商时该问什么
2011 年那篇论文的发现已经老化成一种民间智慧。每一家 B2B 厂商都会说「是的，我们也同意，线索响应速度很重要」。但几乎没有一家拿得出一款产品，能把首响中位时间压在 1 分钟以内，更别提 30 秒以内、还带有上下文依据。
当你在 2026 年评估一款 inbound SDR 产品时，值得问的问题不是「智能体用不用 LLM」，它们都用。值得问的问题是，关于栈里真正约束响应回路的那些部分。
厂商所测量、并愿意作为 SLA 承诺的首响延迟中位数（不是最佳情况）是多少？如果他们没法用「秒」给出一个 P50，那这个智能体就不在线索响应速度这场比赛里。
首次外发是不是被卡在了人工审批上？如果是，人工队列就是地板，地板会按「运营人员读队列的时间」来量。这是一种完全可以接受的产品，它不是一个自主 SDR。
首条消息是不是基于「线索是从哪条广告创意进来的、租户的知识库、租户的品牌口吻」？如果回答是「我们有一个很好的 prompt 模板」，那答案就是「不是」。
转化信号是不是自动闭环回到广告平台，还是要手动导入？如果是手动的，那条关于「降低客户获取成本」的复利回路就没在跑。
智能体是不是 24/7 运转，用买家偏好的语言和渠道？如果智能体只在英语办公时间跑，线索响应速度的优势充其量只发挥了一部分。
这些都不是什么奇异的要求。它们就是 2011 年 HBR 那项发现在 2026 年条件下被认真对待后，应该具备的操作包络。2026 年的工作不是争论「线索响应速度重不重要」，2026 年的工作是把真正能交付它的系统搭出来。
HBR 论文的作者在 2011 年观察到，当今的网络买家活在一个「tomorrow is too late」的世界里。[1] 这句话在那时是对的，每一年都变得更对。2011 年用「小时」量的那个时钟，在 2026 年应该用「秒」来量。能做到这件事的那个智能体，带着上下文、用买家的口吻、把转化回路闭合，就是那个赢下 inbound 漏斗的智能体。其余的，都是带 webhook 的自动补全。