Подсчет очков - Lead scoring

Подсчет очков это методология используется для ранжирования потенциальных клиентов по шкале, представляющей воспринимаемую ценность каждого вести представляет для организации.[1] Полученная оценка используется для определения потенциальных клиентов, которые будут задействованы принимающей функцией (например, продажи, партнеры, дистанционная разведка), 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 выводятся из мониторинга поведения потенциальных клиентов; Примеры этого включают посещение веб-сайтов, загрузку технических документов или открытие и щелчки по электронной почте.[3][4] Кроме того, социальные рейтинги анализируют присутствие человека и его действия в социальных сетях.[5]

Скоринг потенциальных клиентов позволяет бизнесу настраивать опыт потенциального клиента на основе его или ее стадии покупки и уровня интереса, а также значительно улучшает качество и «готовность» потенциальных клиентов, которые доставляются в торговые организации для отслеживания.

Ключевые преимущества

Когда модель оценки потенциальных клиентов эффективна, основными преимуществами являются:

  • Повышение эффективности и результативности продаж: Оценка потенциальных клиентов фокусирует внимание продаж на потенциальных клиентах, которые организация считает наиболее ценными, гарантируя, что лиды, которые неквалифицированы или имеют низкую воспринимаемую ценность, не отправляются в отдел продаж для привлечения.
  • Повышение эффективности маркетинга: Модель оценки потенциальных клиентов определяет для маркетологов, какие типы потенциальных клиентов или характеристики потенциальных клиентов наиболее важны, что помогает маркетингу более эффективно нацеливать свои входящие и исходящие программы и обеспечивать более качественные продажи потенциальных клиентов.
  • Более жесткое согласование маркетинга и продаж: Оценка потенциальных клиентов помогает укрепить взаимосвязь между маркетингом и продажами, устанавливая общий язык, на котором руководители маркетинга и продаж могут обсуждать качество и количество потенциальных клиентов.[6]
  • Увеличение дохода: Оценка лидов также гарантирует, что продажи идут в первую очередь для лидов, которые квалифицируются по их баллам. Вероятность закрытия лида с более высокими баллами выше, чем у лидера с более низким баллом. Это также косвенно способствует росту выручки.

Ведущие методики оценки

Используются различные методологии оценки лидов:

  • Ягненок или спам: Чаще всего используется малыми предприятиями, у которых нет четкого идеального профиля клиента (ICP), модель ягненка или спама состоит из фильтрации некачественных потенциальных клиентов и выявления потенциальных клиентов. Низкокачественные лиды идентифицируются онлайн-компаниями по доменам личных адресов электронной почты (gmail, hotmail, yahoo) или по временным генераторам электронной почты, используемым для отправки электронный спам или зарегистрируйтесь анонимно. Высококачественные лиды определяются их корпоративными доменами электронной почты, а также фирмографический точки данных, такие как название должности и размер компании[7].
  • На основе правил: Эти модели оценки потенциальных клиентов присваивают баллы фирменным и поведенческим характеристикам лида. Пороговые значения баллов устанавливаются для признания лида подходящим или плохим.[8] Существуют решения для скоринга на основе правил, встроенные в более крупные платформы автоматизации маркетинга, а также надстройки, которые действуют как дополнения к CRM, такие как решения для оценки потенциальных клиентов для Salesforce CRM.[9]
  • Прогнозирующая оценка потенциальных клиентов: В прогнозных моделях оценки потенциальных клиентов машинное обучение используется для создания прогнозной модели на основе исторических данных о клиентах, дополненных сторонними источниками данных. Подход состоит в том, чтобы проанализировать прошлое поведение потенциальных клиентов или прошлые взаимодействия между компанией и потенциальными клиентами и найти положительную корреляцию таких данных с положительным бизнес-результатом (например, закрытой сделкой).

Компании повторяют существующие методологии и меняют методологии, чтобы лучше расставить приоритеты в продажах. По мере роста численности персонала и количества продаваемых продуктов в компаниях обычно отдается предпочтение методологиям прогнозной оценки потенциальных клиентов, поскольку они способны регулярно получать новые данные о клиентах и ​​развивать свои прогнозы.[10]

Прогнозная оценка потенциальных клиентов

С участием машинное обучение, модели оценки потенциальных клиентов были разработаны, чтобы включать компоненты прогнозная аналитика, создание моделей прогнозной оценки потенциальных клиентов. Прогнозный подсчет потенциальных клиентов использует собственные данные, такие как внутренний маркетинг, данные о продажах и продуктах, а также сторонние данные, такие как обогащение данных и данные о намерениях, для построения модели машинного обучения с идеальным профилем клиента. Модели прогнозного подсчета лидов также могут использоваться для выявления, квалификации и привлечения потенциальных клиентов, соответствующих требованиям продукта, на основе выявления статистически различающихся элементов в историческом поведении пользователей, которые наилучшим образом предсказывают, потратит ли пользователь больше определенного порога.[11]

Прогнозный подсчет потенциальных клиентов особенно полезен для SaaS предприятия, у которых высокий Значение жизни клиентов & множество данных о клиентах. Прогнозные модели оценки потенциальных клиентов позволяют предприятиям выявлять ценных потенциальных клиентов на ранних этапах пути к покупателю, создавая опыт FastLane для потенциальных клиентов, которые, по прогнозам, будут хорошо соответствовать фирмам и поведению.

Успех моделей прогнозной оценки потенциальных клиентов измеряется их способностью определять подмножество потенциальных покупателей, на которые будет приходиться значительная часть возможностей продаж. Это выражается следующим образом:

X% лидов представляют Y% конверсий

Оптимальная производительность модели прогнозной оценки потенциальных клиентов предполагает, что X приближается к 0, Y приближается к 100, а конверсии определяются как метрика нижней части последовательности, например созданная возможность или выигранная возможность.

Смотрите также

использованная литература

  1. ^ "Что такое оценка лидов?". TechTarget.
  2. ^ «Введение в оценку потенциальных клиентов». действовать.
  3. ^ DM Новости, «Подведение итогов по цифрам»
  4. ^ «10 шагов для получения точных оценок потенциальных клиентов». CRM поиск.
  5. ^ «Краткое руководство по оценке потенциальных клиентов в социальных сетях». Целевой маркетинг.
  6. ^ «Основная идея оценки лидов». Маркетинговая автоматизация Insider.
  7. ^ Бугар, автор Лиам (29.01.2019). «Три этапа подсчета очков: ягнята, утки и куду». Все остальные приносят данные. Получено 2019-03-01.
  8. ^ «Прогнозирующая оценка потенциальных клиентов: почему, как и где». Входящая мантра. 2018-04-02. Получено 2019-03-01.
  9. ^ «Ведущее скоринговое решение для Salesforce Sales Cloud». SalesWings. 2019-10-10. Получено 2019-10-11.
  10. ^ Бугар, автор Лиам (29.01.2019). «Три этапа подсчета очков: ягнята, утки и куду». Все остальные приносят данные. Получено 2019-03-01.
  11. ^ Бреро, Фрэнсис. «За пределами MQL и SQL: как использовать ваш продукт для привлечения потенциальных клиентов». www.appcues.com. Получено 2019-03-01.