Pila de puntuación de rúbricas principales

El problema

La mayoría de las herramientas de 'puntuación de clientes potenciales de IA' puntúan implícitamente (el modelo "hace vibrar" al cliente potencial), lo que deja a los equipos de ventas incapaces de auditar por qué un cliente potencial obtuvo 78 frente a 42 y bloquea la puntuación en la caja negra de un proveedor que no se puede transferir.

La solucion de Scavio

n8n + GPT/Claude + rúbrica ponderada de 12 líneas en el indicador del sistema + enriquecimiento con Scavio para campos de formulario faltantes. La rúbrica ES el producto; trátelo como código.

Para quien es

Equipos SaaS con gran actividad entrante y entre 50 y 500 clientes potenciales por semana; ingenieros de crecimiento cansados ​​de modelos de aprendizaje automático opacos; Agencias que producen puntuación de clientes potenciales.

Beneficios clave

• Auditable: cada puntuación tiene una razón basada en la rúbrica
• Costo por cliente potencial <$0,05
• Sin dependencia de proveedor (portaciones de rúbricas entre LLM)
• El enriquecimiento de Scavio llena los vacíos firmográficos que faltan en la forma
• La configuración tarda 1 día, no entre 2 y 4 semanas

Ejemplo en Python

import requests, os
H = {'x-api-key': os.environ['SCAVIO_API_KEY']}

RUBRIC = '''Score 0-100 using ONLY this rubric. Return {"score":int,"reason":"..."}.
Title fit:30  Industry:25  Company size:20  Intent:15  Fit notes:10'''

def enrich(company):
    r = requests.post('https://api.scavio.dev/api/v1/search', headers=H,
        json={'query': f'site:linkedin.com/company {company}'}).json()
    return r.get('organic_results', [])[:3]

def score(lead, llm_call):
    e = enrich(lead['company'])
    return llm_call(RUBRIC + f'\nLead: {lead}\nEnrichment: {e}')

Ejemplo en JavaScript

// Same shape in TS via fetch + LLM SDK. n8n is the deliverable.

Plataformas utilizadas