Lyijypisteytys

Liidien pisteytys antaa jokaiselle potentiaaliselle asiakkaalle numeerisen arvon sen perusteella, kuinka tarkasti he vastaavat hyvän asiakkaan profiilia ja kuinka vahvasti he ovat sitoutuneet, jotta myyntiponnistelut voidaan suunnata liideihin, jotka todennäköisimmin konvertoivat. Pisteytykset yhdistävät tyypillisesti demografisia ja firmografisia ominaisuuksia, kuten roolin, yrityksen koon, toimialan ja sijainnin, käyttäytymissignaaleihin, kuten katsottujen sivujen määrään, ladatun sisällön määrään, avattuihin sähköposteihin ja aloitettuihin tuotekokeiluihin.

Sen ratkaisema ongelma on kapasiteetin kohdentaminen. Myyntitiimit voivat ottaa yhteyttä rajoitettuun määrään potentiaalisia asiakkaita asianmukaisesti, ja heihin yhteyden ottaminen saapumisjärjestyksessä tuhlaa vaivaa niille, jotka eivät koskaan osta, kun taas korkean potentiaalin liidit jäävät ostamatta. Toimiva pisteytysmalli nostaa myyntiaikaa, joka käytetään voitettavissa oleviin mahdollisuuksiin, mikä parantaa sekä konversiota että tiimin moraalia, joka muuten työstää listaa epäpätevistä tiedusteluista.

Useimmat toteutukset perustuvat oletuksiin eikä näyttöön, minkä vuoksi niin monet toimivat heikosti. Työpajassa pisteitä annetaan sen mukaan, minkä markkinoinnin uskotaan osoittavan kiinnostusta, ja tuloksena oleva malli heijastaa sisäistä mielipidettä ostosignaaleista pikemminkin kuin todellista käyttäytymisen ja tulosten välistä suhdetta. Malli, joka on rakennettu analysoimalla historiallista dataa ja vertaamalla konvertoineiden liidien ominaisuuksia ja käyttäytymistä konvertoimattomiin liideihin, on usein ristiriidassa työpajan version kanssa, ja erimielisyydet ovat yleensä arvokkaimpia löydöksiä.

Erityisesti käyttäytymiseen perustuva pisteytys vaatii huolellisuutta sen suhteen, mitä signaali todellisuudessa tarkoittaa. Toistuvat vierailut hinnoittelusivulla viittaavat arviointiin; toistuvat vierailut tukidokumentaatiossa voivat viitata olemassa olevaan asiakkaaseen, kilpailijaan tai työnhakijaan. Korkea sähköpostiviestien käyttö voi viitata kiinnostukseen tai yksinkertaisesti toistuvaan avaamiseen. Tuoreus on tärkeämpää kuin kertynyt aktiivisuus, koska kuusi kuukautta sitten erittäin sitoutunut ja sen jälkeen hiljainen liidi on erilainen kuin tällä viikolla sitoutunut liidi, ja mallit, jotka keräävät pisteitä loputtomiin, sijoittavat vanhentuneet liidit aktiivisten edelle.

Pisteytys epäonnistuu myös silloin, kun sitä käsitellään staattisena järjestelmänä. Ostotottumukset muuttuvat, tuotteet muuttuvat ja hyvän asiakkaan profiili muuttuu yrityksen siirtyessä ylöspäin tai uusiin segmentteihin, joten kerran rakennettu ja paikoilleen jätetty malli heikkenee tasaisesti. Käytännön vaatimus on säännöllinen uudelleenvalidointi tuloksia vasten, tarkistamalla, ennustavatko korkeat pisteet edelleen konversiota ja pitävätkö myynti priorisointia hyödyllisenä, ja mallia mukautetaan tai rakennetaan uudelleen, kun tulokset poikkeavat toisistaan.

Negatiivinen pisteytys ansaitsee yhtä paljon huomiota kuin positiivinenkin, ja se jätetään usein kokonaan huomiotta. Signaalit, jotka osoittavat, ettei liidi ole potentiaalinen, kuten kilpailijoiden verkkotunnukset, opiskelijoiden ja työnhakijoiden käyttäytymismallit, maantieteelliset alueet, joilla yritys ei toimi, tavoitealueen ulkopuoliset yritysten koot ja automaattiselle skannaukselle tyypilliset sitoutumismallit, ovat yhtä informatiivisia kuin positiiviset indikaattorit ja huomattavasti halvempia toimia. Niiden soveltaminen poistaa kohinaa myyntijonon kärjestä, mikä parantaa sekä tiimin tehokkuutta että markkinoinnin tuotoksen havaittua laatua. Ilman niitä sitoutumista palkitseva pisteytysmalli nostaa luotettavasti aktiivisimmat ei-ostajat listan kärkeen.

Organisaatioulottuvuus määrää yleensä menestyksen enemmän kuin malli. Pisteytys toimii vain, jos markkinointi ja myynti ovat yhtä mieltä siitä, mikä liidin kelpuuttaa, jos myynti luottaa pisteytykseen tarpeeksi työstääkseen sitä järjestyksessä ja jos liidin laatua koskeva palaute palautuu markkinoinnille eikä ilmaista vain valituksena. Näiden määritelmien ja palautesilmukan luominen on yleensä osa… kasvun hallinta sitoutuminen, jonka malli on rakennettu ja validoitu data-analytiikka todellisia konversiotuloksia vasten sen sijaan, että ne koottaisiin oletusten perusteella siitä, mitkä käyttäytymismallit osoittavat aikomusta.