Ən çox yayılmış AI lead scoring səhvləri modelləri çox az və ya qərəzli məlumatlar əsasında öyrətmək, satış komandalarının etibar etmədiyi balları işə salmaq, uyğunluq və niyyəti bir rəqəmdə qarışdırmaq və yüksək balların həqiqətən konvertasiya olub-olmadığını heç vaxt yoxlamaqdır. Agentliklər əvvəlcə CRM məlumatlarını təmizləməklə, satış şöbəsi ilə birlikdə keyfiyyətli lead-i müəyyən etməklə, uyğunluq və cəlb olunma ballarını ayırmaqla və hər ay bağlanmış sövdələşmələrə qarşı balın dəqiqliyini yoxlamaqla bunlardan qaçınırlar.
AI lead scoring, bir lead-in müştəriyə çevrilmə ehtimalını qiymətləndirmək üçün maşın öyrənməsindən istifadə edir. Marketoloqun əllə xal verməsi əvəzinə, model konvertasiya olunan və olmayan keçmiş lead-lərə baxır və hansı atributların və davranışların satışı proqnozlaşdırdığını öyrənir. HubSpot predictive lead scoring, Salesforce Einstein Lead Scoring, Microsoft Dynamics 365 predictive scoring və MadKudu və 6sense kimi alətlərin hamısı bunun versiyalarını təklif edir.
İdeya düzgündür və işlədikdə satış şöbəsinə vaxtlarını doğru insanlara sərf etməyə kömək edir. Uğursuzluqlar adətən alqoritmdən deyil, quraşdırmadan qaynaqlanır.
Səhv 1: Kifayət qədər tarixi məlumatın olmaması
Proqnozlaşdırıcı modellər nümunələrə ehtiyac duyur. Əgər bir şirkət keçən il otuz sövdələşmə bağlayıbsa, modelin öyrənməsi üçün otuz müsbət hal var ki, bu da etibarlı nümunələr tapmaq üçün çox azdır. Platformalar adətən proqnozlaşdırıcı ballar əlçatan olmazdan əvvəl minimum hədlər təyin edir və hətta bu minimumlardan yuxarı olduqda belə, kiçik məlumat dəstləri qeyri-sabit ballar yaradır.
Bundan necə qaçınmaq olar
Tam məlumatla konvertasiya olunan və olmayan neçə lead-in olduğunu yoxlayın. Əgər rəqəmlər azdırsa, satış şöbəsi ilə birlikdə qurulmuş qaydalara əsaslanan ballama ilə başlayın və kifayət qədər tarixçə toplandıqdan sonra proqnozlaşdırıcı ballamaya keçin. Uyğunluq üçün qaydalar və cəlb olunma üçün modeldən ibarət hibrid yanaşma çox vaxt yaxşı bir orta addımdır.
Səhv 2: Çirkli CRM məlumatları
Təkrar kontaktlar, çatışmayan şirkət ölçüləri, kontaktlarla əlaqələndirilmədən bağlanan sövdələşmələr və ardıcıl olmayan şəkildə yenilənən həyat dövrü mərhələləri modeli çaşdırır. Əgər satış nümayəndələri itirilmiş sövdələşmələri boru kəmərlərini təmizləmək üçün “bağlanmış qazanılmış” kimi qeyd edirlərsə və ya itirilmiş sövdələşmələri heç vaxt bağlamırlarsa, model yanlış nəticələrdən öyrənir.
Bundan necə qaçınmaq olar
- Təkrar kontaktları birləşdirin və yenilərinin yaranmasının qarşısını alan qaydalar təyin edin.
- Sektor, şirkət ölçüsü və mənbə kimi əsas sahələri məcburi və ya zənginləşdirilmiş edin.
- Həyat dövrü mərhələsinin tərifləri və hər birinin nə vaxt dəyişəcəyi barədə razılığa gəlin.
- Köhnəlmiş sövdələşmələri bağlayın və ya arxivləşdirin ki, tarixçə reallığı əks etdirsin.
Səhv 3: Yaxşı lead-in ortaq tərifinin olmaması
Marketinq vebinar qeydiyyatından sonra lead-i keyfiyyətli hesab edə bilər, satış şöbəsi isə yalnız büdcəsi və səlahiyyəti olan insanlarla maraqlanır. Əgər model marketinqin tərifinə əsasən öyrədilirsə, satış şöbəsi öz təcrübələrinə uyğun gəlməyən ballar alır və onlardan istifadəni dayandırır.
Bundan necə qaçınmaq olar
Satış rəhbərləri ilə işçi sessiya keçirin. Satış üçün keyfiyyətli lead-in necə göründüyü və modelin hansı nəticəni proqnozlaşdırmalı olduğu barədə razılığa gəlin: görüş təyin edilib, imkan yaradılıb və ya sövdələşmə qazanılıb. Bunu yazın və ardıcıl şəkildə istifadə edin.
Səhv 4: Hər şey üçün bir rəqəm
Şirkət uyğunluğunu son fəaliyyətlə qarışdıran tək bir bal çaşdırıcı ola bilər. Beş e-kitab yükləyən tələbə cəlb olunmuş görünür, lakin heç vaxt almayacaq. Qiymət səhifəsinə bir dəfə baxan ideal hesabdakı satınalma direktoru sakit görünür, lakin dəyərlidir.
Bundan necə qaçınmaq olar
Balı iki ölçüyə bölün: firmografik və demoqrafik məlumatlara əsaslanan uyğunluq və davranışa əsaslanan cəlb olunma və ya niyyət. Bir çox platforma çoxsaylı balları dəstəkləyir. Satış şöbəsi daha sonra yüksək uyğunluqlu, yüksək cəlb olunmalı lead-lərə üstünlük verə və yüksək uyğunluqlu, aşağı cəlb olunmalı olanları yetişdirə bilər.
Səhv 5: Satışın etibar etmədiyi qara qutu
Satış nümayəndəsi heç bir izahat olmadan 87 bal gördükdə, buna məhəl qoymur. İnsanlar bir lead-in niyə yüksək bal aldığını gördükdə etibar artır.
Bundan necə qaçınmaq olar
Salesforce Einstein-in ən yaxşı müsbət və mənfi amilləri kimi töhfə verən amilləri göstərən platformalardan istifadə edin. Balı nəyin idarə etdiyinə dair satış şöbəsi ilə sadə xülasə paylaşın. Balın yanlış hiss olunduğu lead-lər haqqında nümayəndələrdən rəy toplayın və bu hallara birlikdə baxın.
Səhv 6: Dəqiqliyi heç vaxt yoxlamamaq
Bal bir proqnozdur. Əgər heç kim proqnozları nəticələrlə müqayisə etmirsə, xarab model aylarla işləyə bilər. Bazar dəyişiklikləri, yeni məhsul xətti və ya kampaniyalardakı dəyişikliklər kimin konvertasiya olunduğunu dəyişə bilər.
Bundan necə qaçınmaq olar
Hər ay lead-ləri bal diapazonuna görə qruplaşdırın və konvertasiya dərəcələrini müqayisə edin. Yüksək diapazonlar aşağı diapazonlardan daha yaxşı konvertasiya olunmalıdır. Əgər belə deyilsə, məlumat dəyişikliklərini araşdırın, modeli yenidən öyrədin və ya uğur tərifini yenidən nəzərdən keçirin.
Səhv 7: Qərəz və məxfilikə məhəl qoymamaq
Modellər tarixçədən, o cümlədən onun qərəzlərindən öyrənir. Əgər keçmiş satışlar müəyyən regionlara və ya şirkət növlərinə yönəlibsə, model indi yaxşı hədəf olsalar belə, digərlərini qiymətləndirməyəcək. Lead scoring həmçinin şəxsi məlumatları emal edir, buna görə də GDPR, KVKK və oxşar qaydalar tətbiq olunur.
Bundan necə qaçınmaq olar
Modelin hansı atributlardan istifadə etdiyini nəzərdən keçirin və ədalətsiz və ya əlaqəsiz qərəz yaradanları silin. Emal üçün hüquqi əsasları sənədləşdirin və profilləşdirmə haqqında məxfilik bildirişinizdə şəffaf olun.
Alien Road AI lead scoring-i necə tətbiq edir
Tipik bir əməkdaşlıqda lead scoring müstəqil bir xüsusiyyət deyil, CRM işinin bir hissəsidir. Kəşfiyyat CRM-in məlumat keyfiyyətini, lead həcmini və konvertasiya tarixçəsini nəzərdən keçirir və lead-lərin hazırda marketinqdən satışa necə keçdiyini xəritələndirir. Biz satış rəhbərləri ilə bir lead-i zəng etməyə dəyər edən şey haqqında müsahibə aparırıq.
Quraşdırma məlumatların təmizlənməsi və ortaq uğur tərifi ilə başlayır. Məlumat həcmindən asılı olaraq, biz HubSpot, Salesforce və ya Dynamics-də qaydalara əsaslanan uyğunluq ballamasını, proqnozlaşdırıcı ballamanı və ya hər ikisinin kombinasiyasını konfiqurasiya edirik. Uyğunluq və cəlb olunma platformanın icazə verdiyi yerlərdə ayrı-ayrılıqda izlənilir və ballar marşrutlaşdırma qaydalarını və satış görünüşlərini qidalandırır.
Ölçmə hər ay konvertasiya dərəcələrini bal diapazonuna görə müqayisə edir və yüksək ballı lead-lərin nə qədər tez əlaqə saxladığını izləyir. Hesabatlar bu cədvəlləri həm marketinq, həm də satış şöbəsi ilə paylaşır və bal ilə nəticənin uyğun gəlmədiyi lead-ləri sadalayır, beləliklə model və proses birlikdə yaxşılaşır.
Bu həftə haradan başlamaq lazımdır
Keçən ilin lead-lərini nəticələri ilə birlikdə ixrac edin və neçəsinin konvertasiya olunduğunu sayın. Sonra satış rəhbəri ilə otuz dəqiqə oturun və keyfiyyətli lead-in bir yazılı tərifi barədə razılığa gəlin.
Bu iki şey əlinizdə olduqda, proqnozlaşdırıcı ballamanın hələ real olub-olmadığını və nəyi proqnozlaşdırmalı olduğunu bilirsiniz. Əgər məlumat azdırsa, indi sadə qaydalara əsaslanan uyğunluq balı ilə başlayın və keçidi sonraya planlaşdırın.
Oxumağa davam edin: CRM Sistemi · Crm Sistemi