Punktacja ołowiu
Punktacja leadów to metodologia stosowana do oceniania potencjalnych klientów według skali, która reprezentuje postrzeganą wartość, jaką każdy lead reprezentuje dla organizacji. Otrzymany wynik jest używany do określenia, którzy liderzy zostaną zaangażowani przez funkcję przyjmującą (np. sprzedaż, partnerzy, teleposzukiwanie) w kolejności według priorytetu.
Modele scoringowe leadów zawierają zarówno jawne, jak i ukryte dane. Jawne dane są dostarczane przez potencjalnego klienta lub na jego temat, na przykład wielkość firmy, segment branży, stanowisko lub położenie geograficzne. Ukryte wyniki pochodzą z monitorowania zachowania potencjalnego klienta; przykłady obejmują wizyty w witrynach internetowych, pobieranie oficjalnych dokumentów lub otwieranie i klikanie wiadomości e-mail. Ponadto wyniki społecznościowe analizują obecność i działania danej osoby w sieciach społecznościowych.
Lead Scoring pozwala firmie dostosować doświadczenie potencjalnego klienta w oparciu o jego etap zakupu i poziom zainteresowania oraz znacznie poprawia jakość i „gotowość” potencjalnych klientów, które są dostarczane do organizacji sprzedaży w celu dalszych działań.
Kluczowe korzyści
Gdy model scoringu leadów jest skuteczny, kluczowe korzyści to:
- Zwiększona wydajność i skuteczność sprzedaży : Punktacja leadów skupia uwagę sprzedażową na leadach, które organizacja uważa za najbardziej wartościowe, zapewniając, że leady, które są niewykwalifikowane lub mają niską postrzeganą wartość, nie są wysyłane do działu sprzedaży w celu zaangażowania.
- Zwiększona skuteczność marketingu : Model punktacji leadów określa ilościowo dla marketerów, jakie typy leadów lub ich cechy mają największe znaczenie, co pomaga marketingowi skuteczniej ukierunkować swoje programy przychodzące i wychodzące oraz dostarczać więcej wysokiej jakości leadów do sprzedaży.
- Ściślejsze dopasowanie marketingu i sprzedaży : Punktacja leadów pomaga wzmocnić relacje między marketingiem a sprzedażą poprzez ustanowienie wspólnego języka, w którym liderzy marketingu i sprzedaży mogą omawiać jakość i ilość generowanych leadów.
- Zwiększenie przychodów: punktacja leadów zapewnia również, że sprzedaż idzie w pierwszej kolejności w przypadku leadów, które zostały zakwalifikowane na podstawie ich wyników. Prawdopodobieństwo zamknięcia leadu z wyższymi wynikami jest większe niż leada z niższym wynikiem. Pośrednio przyczynia się to również do wzrostu przychodów.
Metodologie oceny leadów
Stosowane są różne metody punktacji leadów:
- Profil idealnego klienta (ICP): wykorzystuje atrybuty znanych kontaktów do oceny (np. stanowisko, wielkość firmy) i pozwala organizacji skoncentrować swoje wysiłki na potencjalnych klientach, którzy reprezentują ich idealnego klienta. Przykładem może być system punktacji leadów Hubspot, który opiera punktację leadów na wartościach różnych pól w CRM.
- Lamb or Spam: najczęściej stosowany przez małe firmy, które nie mają jasnego idealnego profilu klienta (ICP), model lamb lub spam polega na odfiltrowywaniu leadów niskiej jakości i odkrywaniu leadów o wysokim potencjale. Niskiej jakości leady są identyfikowane przez firmy internetowe na podstawie domen osobistych adresów e-mail (gmail, hotmail, yahoo) lub tymczasowych generatorów e-mail używanych do wysyłania spamu e-mail lub rejestracji anonimowej. Wysokiej jakości leady są identyfikowane na podstawie ich firmowych domen e-mail, a także firmograficznych punktów danych, takich jak stanowisko i wielkość firmy.
- Oparte na regułach: te modele punktacji leadów przypisują wartości punktowe atrybutom firmograficznym i behawioralnym leada. Progi punktowe są ustalane dla potencjalnego klienta, który ma być uznany za dobrze lub źle dopasowany. Istnieją rozwiązania punktowe oparte na regułach wbudowane w większe platformy automatyzacji marketingu, a także dodatki, które działają jako uzupełnienie CRM, takie jak rozwiązania punktacji leadów dla Salesforce CRM.
- Predictive Lead Scoring: predykcyjne modele oceniania leadów wykorzystują uczenie maszynowe do generowania modelu predykcyjnego na podstawie historycznych danych klientów, powiększonych o zewnętrzne źródła danych. Podejście to polega na analizie zachowań potencjalnych klientów w przeszłości lub przeszłych interakcji między firmą a potencjalnymi klientami i znalezieniu pozytywnych korelacji takich danych z pozytywnym wynikiem biznesowym (na przykład zamkniętą transakcją).
Firmy iterują na istniejących metodologiach i zmieniają metodologie, starając się lepiej nadać priorytet zaangażowaniu w sprzedaż. W miarę wzrostu liczby pracowników i liczby sprzedawanych przez firmy firm, predykcyjne metody oceny potencjalnych klientów są generalnie preferowane ze względu na ich zdolność do rutynowego przyjmowania nowych danych klientów i rozwijania ich prognoz.
Predykcyjne ocenianie leadów
Dzięki uczeniu maszynowemu modele oceniania leadów ewoluowały, obejmując komponenty analizy predykcyjnej , generując modele Predictive Lead Scoring. Predictive Lead Scoring wykorzystuje dane własne – takie jak wewnętrzne dane marketingowe, sprzedażowe i produktowe – oraz dane stron trzecich – takie jak wzbogacanie danych i dane intencji – w celu zbudowania modelu uczenia maszynowego idealnego profilu klienta. Modele Predictive Lead Scoring mogą być również wykorzystywane do identyfikowania, kwalifikowania i angażowania potencjalnych klientów zakwalifikowanych do produktu w oparciu o identyfikowanie statystycznie różnicujących elementów w historycznych zachowaniach użytkowników, które najlepiej przewidują, czy użytkownik wyda pieniądze powyżej określonego progu.
Predictive Lead Scoring jest szczególnie korzystny dla firm SaaS , które mają wysoką wartość życiową klienta i mnóstwo danych o klientach. Predykcyjne modele oceniania potencjalnych klientów umożliwiają firmom identyfikowanie potencjalnych klientów o dużej wartości na wczesnym etapie ścieżki zakupowej, tworząc doświadczenie FastLane dla potencjalnych klientów, którzy zgodnie z przewidywaniami będą dobrze pasować pod względem firmograficznym i behawioralnym.
Sukces modeli Predictive Lead Scoring mierzy się ich zdolnością do zidentyfikowania podzbioru potencjalnych nabywców, którzy będą odpowiadać za znaczną część szans sprzedaży. Wyraża się to w następujący sposób:
X% potencjalnych klientów to Y% konwersji
Optymalna wydajność predykcyjnego modelu oceniania potencjalnych klientów oznacza, że X zbliża się do 0, Y zbliża się do 100, a konwersje definiuje się jako dane na dole ścieżki, takie jak stworzona lub wykorzystana szansa.