Лид-скоринг

Оценка лидов — это методология, используемая для ранжирования потенциальных клиентов по шкале, отражающей воспринимаемую ценность каждого лида для организации. ^[1] Полученная оценка используется для определения того, какие потенциальные клиенты будут привлекаться принимающей функцией (например, продажи, партнеры, телепоиск) в порядке приоритета.

Модели оценки потенциальных клиентов включают как явные, так и неявные данные. Явные данные предоставляются потенциальным клиентом или о нем, например, размер компании, отраслевой сегмент, должность или географическое положение. ^[2] Неявные оценки получаются в результате мониторинга поведения потенциальных клиентов; примеры этого включают посещение веб-сайтов, загрузку технических документов или открытие и клики по электронной почте. ^[3]^[4] Кроме того, социальные показатели анализируют присутствие и активность человека в социальных сетях. ^[5]

Оценка потенциальных клиентов позволяет компании настраивать опыт потенциального клиента в зависимости от его или ее стадии покупки и уровня интереса, а также значительно повышает качество и «готовность» потенциальных клиентов, которые доставляются в торговые организации для последующего наблюдения.

Ключевые преимущества

Когда модель оценки потенциальных клиентов эффективна, ее ключевые преимущества заключаются в следующем:

Повышение эффективности и результативности продаж . Оценка потенциальных клиентов фокусирует внимание продавцов на потенциальных клиентах, которые организация считает наиболее ценными, гарантируя, что неквалифицированные или имеющие низкую воспринимаемую ценность лиды не будут отправлены в отдел продаж для взаимодействия.
Повышение эффективности маркетинга . Модель оценки потенциальных клиентов дает маркетологам количественную оценку того, какие типы потенциальных клиентов или характеристики потенциальных клиентов имеют наибольшее значение, что помогает маркетингу более эффективно таргетировать свои входящие и исходящие программы и обеспечивать более качественные потенциальных клиентов для продаж.
Более тесное согласование маркетинга и продаж . Оценка потенциальных клиентов помогает укрепить взаимосвязь между маркетингом и продажами за счет установления общего языка, на котором руководители маркетинга и продаж могут обсуждать качество и количество привлеченных потенциальных клиентов. ^[6]
Увеличение дохода. Оценка потенциальных клиентов также гарантирует, что продажи будут идти в первую очередь для потенциальных клиентов, которые соответствуют их оценкам. Вероятность закрытия лида с более высоким баллом выше, чем у лида с более низким баллом. Это также косвенно способствует росту доходов.

Методики оценки потенциальных клиентов

Используются различные методологии оценки потенциальных клиентов:

Профиль идеального клиента (ICP): для принятия решения о оценке используются атрибуты известных контактов (например, должность, размер компании) и позволяет организации сосредоточить свои усилия на потенциальных клиентах, которые представляют ее идеального клиента. Примером может служить Hubspot ^[7] система оценки потенциальных клиентов, которая основывает оценку потенциальных клиентов на значениях различных полей в CRM.
Модель ягненка или спама: чаще всего используется малыми предприятиями, у которых нет четкого идеального профиля клиента (ICP). Модель ягненка или спама состоит из фильтрации некачественных лидов и выявления потенциальных лидов с высоким потенциалом. Интернет-компании выявляют потенциальных клиентов низкого качества по доменам личных адресов электронной почты (gmail, hotmail, Yahoo) или временным генераторам электронной почты, используемым для рассылки спама по электронной почте или анонимной регистрации. Высококачественные потенциальные клиенты идентифицируются по корпоративным доменам электронной почты, а также по фирменным данным, таким как должность и размер компании. ^[8]
На основе правил: эти модели оценки потенциальных клиентов присваивают баллы фирмографическим и поведенческим атрибутам потенциального клиента. Пороговые значения баллов устанавливаются для того, чтобы лид считался подходящим или плохим. ^[9] Существуют решения для оценки на основе правил, встроенные в более крупные платформы автоматизации маркетинга, а также надстройки, которые дополняют CRM, например решения для оценки потенциальных клиентов для Salesforce CRM. ^[10]
Прогнозируемая оценка потенциальных клиентов: модели прогнозной оценки потенциальных клиентов используют машинное обучение для создания прогнозной модели на основе исторических данных о клиентах, дополненных сторонними источниками данных. Подход заключается в том, чтобы проанализировать прошлое поведение потенциальных клиентов или прошлые взаимодействия между компанией и потенциальными клиентами и найти положительную корреляцию таких данных с положительным результатом бизнеса (например, закрытой сделкой).

Компании повторяют существующие методологии и меняют их, чтобы лучше расставить приоритеты в продажах. По мере роста численности персонала и количества продуктов, которые они продают, обычно отдают предпочтение методологиям прогнозного подсчета потенциальных клиентов из-за их способности регулярно получать новые данные о клиентах и совершенствовать свои прогнозы. ^[11]

Прогнозируемая оценка потенциальных клиентов

Благодаря машинному обучению модели оценки потенциальных клиентов стали включать в себя компоненты прогнозной аналитики , создавая модели прогнозной оценки потенциальных клиентов. Predictive Lead Scoring использует собственные данные, такие как данные внутреннего маркетинга, продаж и продуктов, а также данные третьих сторон, такие как обогащенные данные и данные о намерениях, для построения модели машинного обучения идеального профиля клиента. Модели прогнозируемой оценки потенциальных клиентов также можно использовать для выявления, квалификации и привлечения потенциальных клиентов, соответствующих требованиям продукта, на основе выявления статистически дифференцирующих элементов в историческом поведении пользователей, которые лучше всего предсказывают, будет ли пользователь тратить больше определенного порога. ^[12]

Прогнозируемая оценка потенциальных клиентов особенно полезна для SaaS- компаний, которые имеют высокую пожизненную ценность клиентов и множество данных о клиентах. Модели прогнозной оценки потенциальных клиентов позволяют компаниям выявлять ценных потенциальных клиентов на ранних этапах пути к покупателю, создавая опыт FastLane для потенциальных клиентов, которые, по прогнозам, будут хорошо подходить по фирменному и поведенческому принципу.

Успех моделей Predictive Lead Scoring измеряется их способностью идентифицировать подгруппу потенциальных покупателей, на которых будет приходиться значительная часть возможностей продаж. Это выражается следующим образом:

X% of leads represent Y% of conversions

Оптимальная эффективность модели прогнозирования потенциальных клиентов предполагает, что X приближается к 0, Y приближается к 100, а конверсии определяются как показатель нижней части воронки, например созданная или выигранная возможность.

См. также

Ссылки

^ «Что такое лид-скоринг?» . ТехТаржет.
^ «Введение в лид-скоринг» . действие.
^ DM News, «Подсчет лидеров в цифрах»
^ «10-шаговая система для получения точных оценок потенциальных клиентов» . CRM-поиск. 30 марта 2023 г.
^ «Краткое руководство по оценке потенциальных клиентов в социальных сетях» . ТаргетМаркетинг.
^ «Основная идея подсчета очков» . Инсайдер по автоматизации маркетинга. 22 июня 2015 г.
^ «Взлом системы оценки потенциальных клиентов Hubspot» . Мэтью Дил . 09.12.2020 . Проверено 1 марта 2019 г.
^ Бугар, Лиам (29 января 2019 г.). «Три этапа подсчета очков: ягнята, утки и кудус» . Все остальные приносят данные . Проверено 1 марта 2019 г.
^ «Прогностический подсчет потенциальных клиентов: почему, как и где» . ДигиТех-Медиа . 01.12.2023 . Проверено 1 декабря 2023 г.
^ «Решение для оценки потенциальных клиентов для Salesforce Sales Cloud» . ПродажиКрылья . 10.10.2019 . Проверено 11 октября 2019 г.
^ Бугар, Лиам (29 января 2019 г.). «Три этапа подсчета очков: ягнята, утки и кудус» . Все остальные приносят данные . Проверено 1 марта 2019 г.
^ Бреро, Фрэнсис. «За пределами MQL и SQL: как использовать ваш продукт для отбора потенциальных клиентов» . www.appcues.com . Проверено 1 марта 2019 г.

[1] «Что такое лид-скоринг?» . ТехТаржет.

[2] «Введение в лид-скоринг» . действие.

[3] DM News, «Подсчет лидеров в цифрах»

[4] «10-шаговая система для получения точных оценок потенциальных клиентов» . CRM-поиск. 30 марта 2023 г.

[5] «Краткое руководство по оценке потенциальных клиентов в социальных сетях» . ТаргетМаркетинг.

[6] «Основная идея подсчета очков» . Инсайдер по автоматизации маркетинга. 22 июня 2015 г.

[7] «Взлом системы оценки потенциальных клиентов Hubspot» . Мэтью Дил . 09.12.2020 . Проверено 1 марта 2019 г.

[8] Бугар, Лиам (29 января 2019 г.). «Три этапа подсчета очков: ягнята, утки и кудус» . Все остальные приносят данные . Проверено 1 марта 2019 г.

[9] «Прогностический подсчет потенциальных клиентов: почему, как и где» . ДигиТех-Медиа . 01.12.2023 . Проверено 1 декабря 2023 г.

[10] «Решение для оценки потенциальных клиентов для Salesforce Sales Cloud» . ПродажиКрылья . 10.10.2019 . Проверено 11 октября 2019 г.

[11] Бугар, Лиам (29 января 2019 г.). «Три этапа подсчета очков: ягнята, утки и кудус» . Все остальные приносят данные . Проверено 1 марта 2019 г.

[12] Бреро, Фрэнсис. «За пределами MQL и SQL: как использовать ваш продукт для отбора потенциальных клиентов» . www.appcues.com . Проверено 1 марта 2019 г.

[1]

[2]

[3]

[4]

[5]

[6]

[7]

[8]

[9]

[10]

[11]

[12]