AI lead scoring, şirkət ölçüsü, vebsayt davranışı və e-poçt aktivliyi kimi keçmiş CRM məlumatlarındakı nümunələrə əsaslanaraq, hansı potensial müştərilərin (lead) müştəriyə çevrilmə ehtimalının daha yüksək olduğunu proqnozlaşdırmaq üçün maşın öyrənməsindən istifadə edir. Bu, əllə edilən xal əsaslı qaydaları əvəz edir və ya dəstəkləyir. Kifayət qədər tarixi sövdələşmə və təmiz məlumat olduqda yaxşı, bunlar olmadıqda isə zəif işləyir.
Vəd sadədir: satış komandası əvvəlcə doğru insanlara zəng edir. Praktik çətinlik isə satış komandasının məntiqini tam görə bilmədiyi bir rəqəmə etibar etməsini təmin etməkdir.
AI lead scoring qaydalara əsaslanan qiymətləndirmədən nə ilə fərqlənir?
Ənənəvi qiymətləndirmə xalları əllə təyin edir: qiymət səhifəsinə baxış üçün on xal, direktor vəzifəsi üçün iyirmi xal, pulsuz e-poçt ünvanı üçün mənfi beş xal. Bu şəffafdır, lakin təxminlərə əsaslanır və nadir hallarda yenilənir.
AI qiymətləndirməsi çevrilən və çevrilməyən keçmiş potensial müştərilərə baxır, hansı atributların və davranışların nəticəni proqnozlaşdırdığını müəyyən edir və yeni potensial müştərilərə ehtimallar təyin edir. O, insanın düşünə bilməyəcəyi kombinasiyaları seçə bilir və nümunələr dəyişdikcə yenidən təlim keçə bilir.
- Qaydalara əsaslanan: şəffaf, dəyişdirilməsi asan, lakin fərziyyələrə əsaslanır və çox vaxt köhnəlmişdir.
- AI əsaslı: məlumatlara əsaslanan və adaptiv, lakin həcm tələb edir və izah edilməsi daha çətindir.
- Hibrid: aydın diskvalifikasiya və uyğunluq meyarları üçün qaydalar, keyfiyyətli potensial müştərilər daxilində sıralama üçün AI.
Hansı alətlər AI lead scoring təklif edir?
Əksər böyük CRM-lər daha yüksək plan səviyyələrində proqnozlaşdırıcı qiymətləndirməni əhatə edir və mütəxəssis alətləri daha çox dərinlik əlavə edir.
- HubSpot: Marketing və Sales Hub səviyyələrində proqnozlaşdırıcı lead scoring və AI dəstəkli qiymətləndirmə funksiyaları.
- Salesforce: Sales Cloud və Account Engagement üzrə Einstein Lead Scoring və Einstein funksiyaları.
- Microsoft Dynamics 365: Sales-də proqnozlaşdırıcı lead scoring.
- Zoho CRM: Zia proqnozları.
- 6sense, Demandbase və MadKudu kimi mütəxəssis platformaları, çox vaxt niyyət məlumatlarını CRM tarixi ilə birləşdirir.
Plan tələbləri və funksiya adları dəyişir, buna görə də cari abunəliyinizin nələri əhatə etdiyini yoxlayın.
Hansı məlumatlara ehtiyac duyur?
Model nəticələrdən öyrənir, ona görə də ardıcıl məlumatlara malik mənalı sayda çevrilmiş və çevrilməmiş potensial müştərilərə ehtiyacı var. Satıcılar müxtəlif minimumlar təyin edir; ümumi qayda olaraq, bir neçə onlarla bağlanmış sövdələşmə üzərində təlim keçmiş model əsasən səs-küyü öyrənəcək.
İşə salmazdan əvvəl məlumat keyfiyyəti yoxlamaları
- Həyat dövrü mərhələləri və sövdələşmə nəticələri ardıcıl şəkildə qeyd olunur.
- Təkrar kontaktlar və şirkətlər birləşdirilir.
- Sənaye, şirkət ölçüsü və ölkə kimi əsas sahələr əksər qeydlər üçün doldurulur.
- Vebsayt izləmə və forma təqdimatları kontakt qeydlərinə qoşulur.
- İtirilmiş sövdələşmələrin qeydə alınmış səbəbi var, beləliklə model yanlış etiketlənmiş məlumatlardan öyrənmir.
AI lead scoring harada səhv edir?
Tarixçədən gələn qərəz əsas riskdir. Əgər satış komandası tarixən bir seqmenti nəzərə almayıbsa, həmin seqmentdən az sayda potensial müştəri çevrilib və model onları aşağı qiymətləndirməyi öyrənir. Proqnoz sonra köhnə vərdişi təsdiqləyir. Xalları seqment üzrə nəzərdən keçirmək bunu aşkar etməyə kömək edir.
Digər problemlər daha adi xarakter daşıyır. Davranış siqnalları botlar və ya formaları sınaqdan keçirən işçilər tərəfindən şişirdilə bilər. Təklifdə və ya bazarda baş verən əsas dəyişikliklər köhnə nümunələri daha az faydalı edir. Satış komandası bir potensial müştərinin niyə yüksək xal aldığını görə bilmədikdə, xala məhəl qoymur və sistem sakitcə ölür.
Satış komandasının xala etibarını necə qorumaq olar?
- Hər bir xalın arxasındakı əsas amilləri göstərin; əksər CRM-lər qısa izahat verir.
- Hər bir xal diapazonunun praktikada nə demək olduğu barədə razılaşın: bir gün ərzində zəng edin, yetişdirin, diskvalifikasiya edin.
- Yüksək və aşağı xallı potensial müştərilərin nümunəsini satış komandası ilə aylıq olaraq nəzərdən keçirin.
- Xal diapazonu üzrə çevrilmə dərəcəsini izləyin ki, hər kəs yüksək xalların həqiqətən daha yaxşı çevrilib-çevrilmədiyini görsün.
- Satış nümayəndələrinin yanlış xalları qeyd etməsi üçün sadə bir rəy sahəsi saxlayın.
Alien Road CRM layihələrində AI lead scoring-i necə tətbiq edir
Tipik bir əməkdaşlıqda, kəşfiyyat auditi CRM-i yoxlayır: neçə bağlanmış sövdələşmə var, əsas sahələr nə dərəcədə tamdır və vebsayt və reklam məlumatları kontaktlarla necə əlaqələnir. Məlumat hazır deyilsə, ilk mərhələ qiymətləndirmədən çox təmizləmə və izləmədir.
Quraşdırma, hədəf ölkələr və şirkət ölçüləri kimi aydın uyğunluq qaydalarını, sıralama üçün CRM-in proqnozlaşdırıcı xalı ilə birləşdirir. Xal diapazonları satış komandası ilə müəyyən edilir və iş axınları yüksək xallı potensial müştəriləri tez bir zamanda doğru nümayəndəyə yönləndirir. Reklam platformaları keyfiyyətli potensial müştərilər üçün oflayn çevrilmə məlumatlarını alır, beləliklə Google Ads və Meta forma həcmindən çox keyfiyyətə doğru optimallaşdırılır. Ölçmə, xal diapazonu üzrə çevrilmə dərəcəsini və ilk əlaqəyə qədər olan vaxtı müqayisə edir, hesabat isə qərəzi aşkar etmək üçün seqment səviyyəsində nəticələri nəzərdən keçirir.
Xalların reklamla əlaqələndirilməsi
Reklam platformaları onları görə bildikdə lead xalları daha dəyərli olur. Google Ads oflayn çevrilmə idxalı və Meta-nın Conversions API-si CRM-dən marketinq tərəfindən təsdiqlənmiş potensial müştəri və ya yaradılmış imkan kimi hadisələri qəbul edir. Bu hadisələri göndərmək, təklif sistemlərinə hansı kliklərin hər hansı forma təqdimatından çox dəyərli potensial müştərilər yaratdığını öyrənməyə imkan verir.
Hər həftə aydın tərifə və kifayət qədər həcmə malik bir hadisə ilə başlayın ki, platformaların öyrənəcəyi bir şey olsun. Bir anda bir neçə nadir hadisə əlavə etmək adətən təklif alqoritmlərinə hərəkət etmək üçün çox az məlumat verir və kampaniyalar daha səmərəli olmaq əvəzinə daha az sabit olur.
Modelin zamanla nəzərdən keçirilməsi
Bazarlar dəyişir və təkliflər dəyişir, buna görə də keçən il işləyən qiymətləndirmə modeli sürüşə bilər. Hər rüb xal diapazonu üzrə çevrilmə dərəcəsini nəzərdən keçirin. Əgər yüksək xallı potensial müştərilər orta xallılardan daha yaxşı çevrilməyi dayandırarsa, satış komandası fərq edib xaldan istifadəni dayandırmazdan əvvəl modeli yenidən təlim edin və ya uyğunluq qaydalarını yenidən nəzərdən keçirin.
Həmçinin yeni məhsul xətti, yeni ölkə və ya qiymət dəyişikliyi kimi əsas dəyişikliklərdən sonra nəzərdən keçirin. Bu anlar təlim tarixçəsindəki heç nəyə bənzəməyən potensial müştərilər yaradır və kifayət qədər nəticə qeyd olunana qədər model onların necə davranacağını bilmir.
Hər bir yenidən təlim tarixini və səbəbini sənədləşdirin ki, sonradan xallardakı dəyişikliklər izah edilə bilsin.
Bu həftə haradan başlamaq lazımdır
Son on iki ayın potensial müştərilərini nəticələri və əsas sahələri ilə birlikdə ixrac edin. Neçəsinin çevrildiyini və hər bir sahənin nə dərəcədə tam olduğunu sayın.
Əgər çevrilmələr yüzlərlədirsə və əsas sahələr əsasən doldurulubsa, CRM-inizin proqnozlaşdırıcı qiymətləndirməsini test rejimində yandırın və bir ay ərzində cari qaydalarınızla müqayisə edin. Əgər deyilsə, əvvəlcə izləmə və məlumat daxiletməni düzəldin; bu iş sonrakı hər bir addımı yaxşılaşdırır.
Oxumağa davam edin: CRM Sistemi · Crm Sistemi