Search
Generic filters
Exact matches only
Filter by Custom Post Type
Zkuste vyhledat např.   Gramatika, Čeština, Pravopis

Lead scoring

Lead scoring je bodování potenciálních zákazníků podle toho, jak moc se podobají dobrému zákazníkovi a jak se chovají. Výsledkem je jedno číslo, třeba na škále 0 až 100 bodů, které říká, komu má obchodník zavolat dnes a koho ještě nechat marketingu.

Princip je jednoduchý a funguje. Každé vlastnosti kontaktu a každé jeho akci se přiřadí bodová hodnota, body se sečtou a kontakty se seřadí. Firma s 20 poptávkami denně a 3 obchodníky nemusí hádat, čím začít. Otázka nezní, jestli se leady třídí, ale jestli se třídí podle pravidel, nebo podle toho, kdo z obchodníků se první probudí.

Volat leady popořadě plýtvá časem obchodníka

Rychlost oslovení má na uzavření obchodu prokazatelný vliv, ale sama o sobě nestačí, pokud se spotřebuje na nekvalifikované kontakty. Typický příchozí seznam obsahuje studenta píšícího seminárku, konkurenta, který se dívá na ceník, člověka bez rozpočtu i firmu, která má schválené peníze a hledá dodavatele do konce kvartálu. Všechny 4 vypadají ve formuláři stejně.

Lead scoring tuto směs rozplete. Nemá ambici říct, kdo koupí. Má seřadit frontu tak, aby prvních 20 hovorů mělo výrazně vyšší úspěšnost než náhodných 20. To je celý přínos a je měřitelný.

Explicitní a implicitní body měří dvě různé věci

Rozumný model pracuje se dvěma nezávislými složkami.

Explicitní skóre hodnotí, kdo ten člověk je. Vychází z údajů, které kontakt sám poskytl nebo které si firma doplnila: obor, velikost firmy nad 50 zaměstnanců, pozice, region, zdroj kontaktu. Odpovídá na otázku, jestli je to náš typ zákazníka.

Implicitní skóre hodnotí, co ten člověk dělá. Návštěvy webu, stažené dokumenty, zhlédnuté ceníkové stránky, otevřené e-maily, účast na webináři. Odpovídá na otázku, jak moc ho to zajímá právě teď, ideálně za posledních 90 dnů.

Obě složky se musí posuzovat společně. Vysoká aktivita na webu nemá hodnotu, pokud je lead z nekompatibilní firmy nebo lokality. Platí to i naopak: ideální profil, který za půl roku neudělal nic, není příležitost, ale položka v databázi. Proto se skóre často zobrazuje jako matice A1 až D4, kde písmeno je profil a číslo aktivita. Kombinace A1 jde k obchodníkovi hned, D4 je horlivý student a A4 je firma, kterou stojí za to oslovit sama od sebe.

Jak vypadá bodová tabulka

Signál Typ Body
Pozice ředitel nebo jednatel explicitní +20
Firma nad 50 zaměstnanců explicitní +15
Obor mimo cílový trh explicitní -15
Vyplnění poptávkového formuláře implicitní +20
Návštěva stránky s ceníkem implicitní +15
Stažení případové studie implicitní +10
Otevření newsletteru implicitní +2
Návštěva úvodní stránky implicitní +1
Odhlášení z odběru negativní -20
Freemailová adresa u B2B nabídky negativní -10

Správně napsat slovo zúčastnit dělá problém mnohým z nás. Proto bych to tady rád vysvětlil na příkladech. Zúčastnit se znamená být součástí něčeho či podílet se na něčem. Pokud váháte, jaké u v tomto slově napsat, můžete se teď zúčastnit bleskového jazykového kurzu. Správně je zúčastnit seZúčastnit se je zvratné sloveso, což znamená, že se...

Konkrétní čísla nejsou důležitá, důležité jsou poměry mezi nimi. Návštěva ceníku musí vážit násobně víc než otevřený e-mail, protože o nákupním záměru vypovídá násobně víc. Když model postavíte tak, že se 12 otevřenými newslettery dá dohnat návštěva ceníku, dostane obchod frontu vedenou lidmi, kteří rádi čtou e-maily.

Záporné body a odpisování v čase

Model bez záporných bodů se přeplní. Skóre jen roste a po 12 měsících má polovina databáze hodnotu, která nic neznamená. Zápornými body se trestá odhlášení z odběru, zjevně nesmyslné údaje, adresa konkurenta nebo návštěva kariérní sekce, protože uchazeč o práci není poptávka.

Druhým nutným mechanismem je odpisování skóre v čase, takzvaný decay. Zájem má poločas rozpadu. Kdo si prohlížel ceník včera, je někde jinde než ten, kdo si ho prohlížel loni v březnu. Běžné řešení je odečítat procento skóre za každý měsíc nečinnosti, nebo počítat body jen z posledních 90 dnů. Bez toho model pouze měří, kdo je v databázi nejdéle.

MQL, SQL a hranice, na které se musí obě strany shodnout

Body samy o sobě nic nespustí. Smysl dostanou až prahovou hodnotou. Kontakt, který ji překročí, mění stav z marketingově kvalifikovaného leadu (MQL) na obchodně kvalifikovaný (SQL) a předává se obchodu.

Tady modely nejčastěji umírají, a to z organizačních důvodů. Marketing si hranici nastaví nízko, aby vykázal objem. Obchod dostane frontu, ve které se nedá vyhrát, přestane ji brát vážně a vrátí se k vlastnímu odhadu. Sto MQL totiž není úspěch, pokud 90 procent z nich nikdy nekoupí. Prahovou hodnotu proto musí schválit obě strany, spolu s dohodou, do kdy se obchod ozve a co se s kontaktem stane, když ho vrátí.

BANT a příbuzné kvalifikační rámce

Vedle číselného scoringu existuje starší tradice kvalifikačních otázek. Nejznámější je BANT, který proslavila firma IBM a který posuzuje čtyři věci:

  • Budget – má zákazník na řešení peníze.
  • Authority – mluvíme s někým, kdo o nákupu rozhoduje.
  • Need – existuje skutečná potřeba, ne jen zvědavost.
  • Timing – je nákup na dohled, nebo někdy příště.

Kritika BANT míří na jeho rigiditu. V současném B2B rozhoduje více lidí najednou, rozpočet často vzniká až po tom, co zákazník uvěří v řešení, a striktní uplatňování všech čtyř kritérií odřízne příležitosti v rané fázi. Proto vznikly alternativy jako CHAMP, který staví výzvy před rozpočet, dále MEDDIC a MEDDPICC se zaměřením na metriky a rozhodovací proces, nebo GPCTBA/C&I. V praxi se rámce a scoring nevylučují: automatické skóre vytřídí frontu, kvalifikační otázky ověří, co ze skóre vyčíst nejde.

Prediktivní scoring nechá vzorce najít algoritmus

Ruční bodování má strop. Vyjadřuje, co si o svých zákaznících myslíte, ne co o nich říkají data. Prediktivní scoring obrátí postup: algoritmus dostane historii aspoň 100 uzavřených i ztracených obchodů a sám najde znaky, které s uzavřením korelují. Výstupem je pravděpodobnost konverze místo součtu bodů.

Podmínkou je dostatečný a čistý vzorek. Firma s 30 obchody za rok nemá modelu co dát a dostane přetrénovaný nesmysl. Druhým rizikem je neprůhlednost: obchodník, kterému systém sdělí číslo bez zdůvodnění, mu nebude věřit. Proto se prediktivní modely nasazují obvykle jako doplněk vedle srozumitelných pravidel, ne místo nich.

Jak model postavit za jedno odpoledne

  1. Vezměte posledních 50 uzavřených obchodů a 50 ztracených.
  2. Vypište, co uzavřené obchody spojovalo: obor, velikost firmy, kanál a konkrétní akce v posledních 90 dnech před poptávkou.
  3. Vyberte 5 až 10 nejsilnějších znaků. Víc na začátku nepotřebujete.
  4. Přiřaďte body podle poměru, ne podle citu. Znak, který se u vyhraných obchodů objevuje 2x častěji, má mít dvojnásobnou váhu.
  5. Nastavte práh tak, aby ho překročilo zhruba tolik kontaktů, kolik obchod stihne obvolat.
  6. Nechte to běžet měsíc bez zásahů a teprve pak porovnejte úspěšnost nad prahem a pod ním.

Šest až deset pravidel odvozených z reálných dat porazí čtyřicet pravidel vymyšlených na poradě. Model se ladí po měsících, ne po dnech, protože kratší okno u dlouhého prodejního cyklu neukáže nic.

Jak poznat, že model nefunguje

  • Úspěšnost kontaktů nad prahem se neliší od těch pod prahem, drží se třeba na 5 procentech u obou. Model nerozlišuje, jen přidává práci.
  • Skóre má polovina databáze v úzkém pásmu kolem prahu. Váhy jsou příliš vyrovnané.
  • Obchod frontu ignoruje a pracuje po svém. To je zpětná vazba, ne neposlušnost.
  • Nejvyšší skóre mají dlouhodobí odběratelé, kteří nikdy nic nekoupili. Chybí decay.
  • Model se od nasazení nezměnil. Trh, nabídka i kanály se mění, statický model stárne.

Lead scoring nedává smysl u malých a impulzních prodejů

Nemá cenu tam, kde je poptávek málo a obchodník je stihne všechny. Deset poptávek týdně se třídí telefonem, ne modelem. Nemá cenu ani u impulzního nákupu s okamžitým rozhodnutím, kde neexistuje fáze zvažování, kterou by šlo bodovat. A nemá cenu bez sběru dat. Pokud web neposílá události do CRM, implicitní složka nemá z čeho vzniknout a zbyde bodování podle údajů z formuláře, tedy o něco pracnější filtr.

Související pojmy

  • Marketing automation – prostředí typu HubSpot nebo Mailchimp, ve kterém se skóre počítá a ve kterém spouští předání kontaktu obchodu.
  • Lead – samotný kontakt s potenciálním zájmem, tedy objekt, který se boduje.
  • CRM – systém pro řízení vztahů se zákazníky, třeba Salesforce nebo Raynet, kde skóre končí a kde se porovnává s reálným výsledkem obchodu.
  • Lead nurturing – péče o kontakty, které na práh zatím nedosáhly.
  • Segmentace – rozdělení databáze podle vlastností, ze kterých se v B2B odvozuje explicitní složka skóre.
  • Konverzní poměr – hlavní měřítko, na kterém se ověřuje, jestli model opravdu třídí.
  • B2B – prostředí dlouhých rozhodovacích cyklů, kde má bodování největší přínos.
  • Personalizace – úprava sdělení podle profilu a fáze, kterou skóre pomáhá určit.
  •  
  •  
  •  
  •  

Napsat komentář

Vaše e-mailová adresa nebude zveřejněna. Vyžadované informace jsou označeny *

*

Ostatní uživatelé také četli:

Když někdo poprvé navštíví váš web, rozhoduje se během pár vteřin. Zůstanu, nebo jdu dál? A právě těch prvních deset vteřin často rozhodne úplně o všem.  Pokud stránka nezaujme hned, promarnili jste šanci. Nejde přitom jen o design. Do hry vstupuje přehlednost, rychlost načítání, jazyk, atmosféra. První dojem je to nástroj, který buď spustí konverzi,...

Analogové vysílání už je minulostí. Jednalo se o způsob přenášení televizního obrazu, ale od roku 2011 přešly všechny televizní stanice na digitální vysílání, což pro analogové vysílání znamenalo konec. Co je to analogové vysílání Analogové vysílání je vůbec první technologie, která byla užívána k přenášení televizního obrazu. Obraz a zvuk byly přenášeny pomocí elektromagnetického vlnění....

Pravopis slovesa ztratit x stratit je jednou z nejčastějších gramatických chyb vůbec, na kterou můžete dnes narazit. Ačkoli nás může výslovnost tohoto slova trochu zmást, zůstává jedinou správnou variantou ztratit/ztrácet. To znamená, že píšeme ztratit/ztrácet s písmenem „z“, stejně tak v příbuzném substantivu ztráta či adjektivu ztracený se píše s předponu „z“ (zapomeňte tedy na varianty jako stráta,...

Je jich jako hub po dešti. Někteří ještě stále nabízejí registrace do stovek mrtvých katalogů. Mají stovky referencí od klientů typu tmave-ponozky-levne-skoro-zdarma.cz. Jiní pořádají školení. A většinou mají jedno společné. Nerozjeli žádný vlastní projekt (jako třeba Objevit.cz). Napadá mě, na čem se tedy tito SEO konzultanti učili? Na čem testovali, jak funguje získávání odkazů pro...

Píšete narouzloučenou dohromady? Tak už to více nedělejte! Je to pravopisná chyba, které se však dopouští mnoho lidí. Pravopisně správně je na rozloučenou! Jedná se totiž o spojení předložky „na“ a slova „shledaná“. Předložka „na“ je typická pro 4. pád, proto se píše na shledanou. Nejedná se tedy o spřežku, jak se lidé často mylně...

Muži často přemýšlí, jak si zajistit náklonnost pěkných slečen. Pravděpodobně však málokdy přemýšlí o tom, jak se vlastně slovo náklonnost správně píše. Správný tvar je pouze jeden. A to náklonnost. Náklonost je z pohledu pravopisu špatně. Proč tomu tak je? Slovo vzniklo ze základu náklon a přidané přípony –nost. Tím dojde ke zdvojení písmene n. Slovo náklonnost...

Mužské jméno Radoslav je slovanského původu. Ačkoliv se může zdát, že jméno pochází ze slova radovat se, ve skutečnosti pochází ze staroslovanského radět se, tedy starat se. Radoslav se tak vykládá jako starostlivý Kdy slaví Radoslav svátek?Radoslav slaví, podle českého občanského kalendáře, svátek 6. května (6.5.).Ženská podoba jména RadoslavŽenská podoba jména Radoslav je Radoslava.Domácké podoby...

Důležitým faktorem při výběru správného osvětlení je barva světla. Tato hodnota, nazvývaná také teplota chromatičnosti světla či korelovaná teplota světla (CCT – Correlated Colour Temperature) se udává v Kelvinech (K). Typické hodnoty LED osvětlení jsou 3000, 4000, 6000 a 6500 Kelvinů. Jiné zdroje světla a rozdílné podmínky mají samozřejmě odlišné hodnoty. Změnu barvy světla můžeme...

Můžete jako zveřejnit pracovní e-mailovou adresu nebo konverzaci se zaměstnancem, pokud jste zákazník? Můžete bez souhlasu zaměstnance zveřejnit jeho pracovní emailovou adresu na webových stránkách? Všechny tyto dotazy mohou znít jednoduše, ale v době, kdy pravidla ochrany soukromí jako je GDPR hrají velkou roli, je třeba být opatrný. GDPR chrání osobní údaje, a to platí jako...
Načíst dalších 10 článků