Ledarpoäng

Lead scoring är en metod som används för att rangordna prospekt mot en skala som representerar det upplevda värdet varje lead representerar för organisationen. Resultatet används för att bestämma vilka leads en mottagande funktion (t.ex. försäljning, partners, teleprospektering) kommer att engagera, i prioritetsordning.

Lead scoring modeller inkluderar både explicita och implicita data. Explicita uppgifter tillhandahålls av eller om potentiella kunder, till exempel - företagsstorlek, branschsegment, befattning eller geografisk plats. Implicita poäng härleds från övervakning av prospektbeteende; exempel på dessa inkluderar besök på webbplatser, nedladdningar av whitepaper eller öppningar och klickningar av e-post. Dessutom analyserar sociala poäng en persons närvaro och aktiviteter på sociala nätverk.

Lead Scoring tillåter ett företag att anpassa en prospekts upplevelse baserat på hans eller hennes köpstadium och intressenivå och förbättrar avsevärt kvaliteten och "beredskapen" på leads som levereras till försäljningsorganisationer för uppföljning.

Viktigaste fördelarna

När en leadscoringsmodell är effektiv är de viktigaste fördelarna:

Ökad försäljningseffektivitet och effektivitet : Leadpoäng fokuserar försäljningsuppmärksamheten på leads som organisationen anser vara mest värdefulla, vilket säkerställer att leads som är okvalificerade eller har lågt upplevt värde inte skickas till försäljning för engagemang.
Ökad marknadsföringseffektivitet : En leadscore-modell kvantifierar för marknadsförare vilka typer av leads eller leadsegenskaper som betyder mest, vilket hjälper marknadsföringen att mer effektivt rikta in sina inkommande och utgående program och leverera fler högkvalitativa leads till försäljning.
Striktare marknadsföring och försäljningsanpassning : Leadpoäng hjälper till att stärka relationen mellan marknadsföring och försäljning genom att etablera ett gemensamt språk med vilket marknadsförings- och försäljningsledare kan diskutera kvaliteten och kvantiteten på genererade potentiella kunder.
Ökning av intäkter: Poängsättning för potentiella kunder säkerställer också att försäljningen går först för potentiella kunder som är kvalificerade enligt deras poäng. Sannolikheten för att en lead med högre poäng sluter är högre än en med lägre poäng. Detta bidrar också indirekt till en ökning av intäkterna.

Lead Scoring Metoder

Olika lead scoring metoder används:

Ideal Customer Profile (ICP): använder attribut för kända kontakter för att besluta om poäng (t.ex. befattning, företagsstorlek) och låter en organisation fokusera sina ansträngningar på leads som representerar deras idealkund. Ett exempel skulle inkludera Hubspots lead-poängsystem som baserar lead-poäng på värdena för olika fält inom CRM.
Lamm eller skräppost: oftast anställd av små företag som inte har en tydlig idealisk kundprofil (ICP), lamm- eller spammodellen består av att filtrera bort potentiella potentiella kunder och hitta potentiella potentiella kunder. Leder av låg kvalitet identifieras av onlineföretag genom personliga e-postadressdomäner (gmail, hotmail, yahoo) eller tillfälliga e-postgeneratorer som används för att skicka e-postspam eller registrera dig anonymt. Leder av hög kvalitet identifieras av deras företags e-postdomäner såväl som firmografiska datapunkter som jobbtitel och företagsstorlek.
Regelbaserad: dessa leadscoremodeller tilldelar poängvärden till en leads firmografiska och beteendemässiga attribut. Poängtrösklar är satta för att en lead ska anses vara en bra eller dålig passform. Det finns regelbaserade poänglösningar inbyggda i större plattformar för marknadsföringsautomatisering, såväl som tillägg som fungerar som komplement till CRM, såsom leadscoringslösningar för Salesforce CRM.
Predictive Lead Scoring: prediktiva lead scoring-modeller använder maskininlärning för att generera en prediktiv modell baserad på historisk kunddata utökad med datakällor från tredje part. Tillvägagångssättet är att analysera tidigare leadsbeteende, eller tidigare interaktioner mellan ett företag och leads, och hitta positiva korrelationer av sådan data till ett positivt affärsresultat (till exempel en avslutad affär).

Företag itererar på befintliga metoder och ändrar metoder i ett försök att bättre prioritera försäljningsengagemang. När företag växer i antal anställda och antalet produkter de säljer, gynnas prediktiva lead-poängmetoder i allmänhet för deras förmåga att rutinmässigt ta in ny kunddata och utveckla sina förutsägelser.

Förutsägande leadscore

Med maskininlärning har modeller för leadscoring utvecklats till att inkludera komponenter av prediktiv analys , vilket skapar modeller för förutsägande leadscoring. Predictive Lead Scoring utnyttjar förstapartsdata - såsom intern marknadsföring, försäljning och produktdata - såväl som tredjepartsdata - såsom databerikning och avsiktsdata - för att bygga en maskininlärningsmodell av den ideala kundprofilen. Förutsägande Lead Scoring-modeller kan också användas för att identifiera, kvalificera och engagera produktkvalificerade leads baserade på att identifiera statistiskt differentierande element i historiskt användarbeteende som bäst förutsäger om en användare kommer att spendera över en viss tröskel.

Predictive Lead Scoring är särskilt fördelaktigt för SaaS -företag, som har ett högt kundlivstidsvärde och en uppsjö av kunddata. Förutsägande leadscoringsmodeller gör det möjligt för företag att identifiera högt värdefulla prospekt tidigt på köparresan, vilket skapar en FastLane-upplevelse för prospekt som förutspås vara en bra firmografisk och beteendemässig passform.

Framgången med modeller för förutsägande potentiella kunder mäts genom deras förmåga att identifiera en undergrupp av potentiella köpare som kommer att stå för en betydande del av försäljningsmöjligheterna. Detta uttrycks på följande sätt:

X % av potentiella kunder representerar Y % av omvandlingarna

Optimalt resultat för en modell för förutsägande leadscore ser att X närmar sig 0, Y närmar sig 100 och omvandlingar definieras som ett mätvärde längst ner i tratten, till exempel skapad möjlighet eller vunnen möjlighet.

Se även