Lead score

Lead scoring tildeler en numerisk værdi til hver potentiel kunde baseret på, hvor tæt de matcher profilen for en god kunde, og hvor stærkt de har engageret sig, så salgsindsatsen kan rettes mod de leads, der mest sandsynligt vil konvertere. Scorer kombinerer typisk demografiske og firmografiske attributter, såsom rolle, virksomhedsstørrelse, branche og placering, med adfærdssignaler såsom viste sider, downloadet indhold, åbnede e-mails og påbegyndte produktforsøg.

Problemet, den adresserer, er kapacitetsallokering. Salgsteams kan kontakte et begrænset antal potentielle kunder korrekt, og at kontakte dem i ankomstrækkefølge spilder kræfter på folk, der aldrig vil købe, mens potentielle kundeemner bliver ubrugelige. En velfungerende scoringsmodel øger andelen af ​​salgstid, der bruges på salgsmuligheder, der kan vindes, hvilket forbedrer både konvertering og moralen i et team, der ellers arbejder sig igennem en liste af ukvalificerede forespørgsler.

De fleste implementeringer er bygget på antagelser snarere end evidens, hvilket er grunden til, at så mange klarer sig dårligt. Point tildeles i en workshop i henhold til, hvad marketingafdelingen mener indikerer interesse, og den resulterende model afspejler interne meninger om købssignaler snarere end det faktiske forhold mellem adfærd og resultater. En model, der er bygget ved at analysere historiske data og sammenligne attributter og adfærd hos leads, der konverterede, med dem, der ikke gjorde det, modsiger ofte workshopversionen, og uenighederne er normalt de mest værdifulde resultater.

Især adfærdsscoring kræver omhu med, hvad et signal rent faktisk betyder. Gentagne besøg på en prisside indikerer evaluering; gentagne besøg i supportdokumentation kan indikere en eksisterende kunde, en konkurrent eller en jobansøger. Højt e-mailengagement kan indikere interesse eller blot en vanemæssig åbner af e-mails. Aktualitet betyder mere end akkumuleret aktivitet, da et lead, der var meget engageret for seks måneder siden og tavst siden, er et andet prospekt end et, der var engageret i denne uge, og modeller, der akkumulerer point på ubestemt tid, rangerer forældede leads over aktive.

Scoring mislykkes også, når den behandles som et statisk system. Købsadfærd ændrer sig, produkter ændrer sig, og profilen af ​​en god kunde ændrer sig, når en virksomhed bevæger sig opad i markedet eller ind i nye segmenter, så en model, der er bygget én gang og efterladt på plads, forringes støt. Det praktiske krav er periodisk revalidering i forhold til resultater, hvor det kontrolleres, om høje scorer stadig forudsiger konvertering, og om salget finder prioriteringen nyttig, hvor modellen justeres eller genopbygges, når de afviger.

Negativ scoring fortjener lige så meget opmærksomhed som positiv og udelades ofte helt. Signaler, der indikerer, at et lead ikke er en potentiel kunde, herunder konkurrentdomæner, studie- og jobsøgende mønstre, geografiske områder, som virksomheden ikke betjener, virksomhedsstørrelser uden for målområdet og engagementsmønstre, der er typiske for automatiseret scanning, er lige så informative som positive indikatorer og betydeligt billigere at handle på. Anvendelsen af ​​dem fjerner støj fra toppen af ​​salgskøen, hvilket forbedrer både teamets effektivitet og den opfattede kvalitet af marketingoutputtet. Uden dem vil en scoringsmodel, der belønner engagement, pålideligt fremme de mest aktive ikke-købere til toppen af ​​listen.

Den organisatoriske dimension bestemmer normalt succes mere end modellen. Scoring fungerer kun, hvis marketing og salg er enige om, hvad der kvalificerer et lead, hvis salg har nok tillid til scorerne til at arbejde dem i den rigtige rækkefølge, og hvis feedback om leadkvaliteten flyder tilbage til marketing i stedet for kun at blive udtrykt som en klage. At etablere disse definitioner og feedback-loopet er normalt en del af en vækststyring engagement, med modellen bygget og valideret af dataanalyse i forhold til reelle konverteringsresultater snarere end samlet ud fra antagelser om, hvilke adfærdsmønstre der indikerer hensigt.