AI lead scoring, keçmiş CRM məlumatlarındakı şirkət xüsusiyyətləri, saytınızdakı davranış və e-poçtlarla qarşılıqlı əlaqə kimi nümunələrə əsaslanaraq, potensial müştəriləri konversiya ehtimallarına görə sıralamaq üçün maşın öyrənməsindən istifadə edir. Siz onun dəyərini üç şeyi ölçməklə sübut edirsiniz: yüksək balların həqiqətən daha tez-tez konversiya olub-olmadığı, satış komandasının ballara uyğun hərəkət edib-etmədiyi və boru kəməri (pipeline) və gəlirin köhnə üsulla müqayisədə yaxşılaşıb-yaxşılaşmadığı.
AI lead scoring qaydalara əsaslanan ballardan nə ilə fərqlənir?
Ənənəvi lead scoring balları əllə təyin edir: qiymət səhifəsinə baxış üçün on xal, demo sorğusu üçün iyirmi, pulsuz e-poçt ünvanı üçün mənfi beş. Bu şəffafdır, lakin təxminlərə əsaslanır və nadir hallarda yenilənir.
AI və ya proqnozlaşdırıcı ballama, öz tarixçənizdən çəkiləri öyrənir. HubSpot-un proqnozlaşdırıcı lead scoring-i, Salesforce Einstein Lead Scoring, Microsoft Dynamics 365 Sales proqnozlaşdırıcı ballama və xüsusi platformalar kimi alətlər hansı atributların və hərəkətlərin qazanılmış sövdələşmələrdən əvvəl gəldiyini təhlil edir. Hər bir potensial müştəri daha sonra bir bal və ya ehtimal alır, çox vaxt ən yaxşı amillər siyahıya alınır.
Çətinlik ondadır ki, model yalnız öyrəndiyi məlumatlar qədər yaxşı ola bilər. Əgər CRM-inizdə az sayda bağlanmış sövdələşmə, qeyri-ardıcıl həyat dövrü mərhələləri və ya çatışmayan mənbə məlumatları varsa, ballar dəqiq görünəcək, lakin etibarsız olacaq. Əksər satıcılar bu səbəbdən minimum məlumat tələbləri qoyur, ona görə də platformanız üçün onları yoxlayın.
Hansı KPI-lar ballamanın işlədiyini sübut edir?
Ölçülərinizi dəqiqlik, mənimsənilmə və biznes təsiri üzrə qruplaşdırın. Hər biri satış rəhbərinin fərqli sualına cavab verir.
Dəqiqlik KPI-ları
- Bal diapazonuna görə konversiya dərəcəsi: ən yüksək diapazondakı potensial müştərilər imkanlara və müştərilərə daha aşağı diapazonlardan daha yüksək dərəcələrlə konversiya olunmalıdır.
- Artım: ən yüksək diapazonun konversiya dərəcəsinin orta konversiya dərəcəsinə bölünməsi.
- Ən yüksək iki diapazondan gələn qazanılmış sövdələşmələrin payı.
- Kalibrləmə: əgər model 30 faiz ehtimal deyirsə, zaman keçdikcə bu potensial müştərilərin təxminən 30 faizi konversiya olunmalıdır.
Mənimsənilmə KPI-ları
- Yüksək ballı potensial müştərilər üçün digərlərinə nisbətən ilk əlaqəyə qədər sürət.
- Xidmət səviyyəsi müqaviləniz daxilində əlaqə saxlanılan yüksək ballı potensial müştərilərin payı.
- CRM-inizin qeyd etdiyi yerlərdə satış nümayəndələrinin balı nə qədər tez-tez dəyişdirdiyi və ya görməzdən gəldiyi.
Biznes təsiri KPI-ları
- Əvvəl və sonra potensial müştəridən imkana və imkandan qazanmağa keçid dərəcəsi.
- Ballanmış potensial müştərilər üçün satış dövrünün uzunluğu.
- Nümayəndə saatı başına yaradılan boru kəməri (pipeline) dəyəri.
- Satış üçün uyğun potensial müştəri başına marketinq xərci.
Əvvəl və sonra ədalətli testi necə qurmaq olar?
Bu rübü sonuncu rüblə müqayisə etmək mövsümiliyi, kampaniya dəyişikliklərini və kadrları qarışdırır. Daha təmiz dizayn holdout-dur (nəzarət qrupu). Müəyyən bir müddət üçün, daxil olan potensial müştərilərin bir hissəsini AI balı göstərilmədən köhnə üsulla, qalanını isə balla yönləndirmək üçün təsadüfi təyin edin. İki qrup arasında konversiya və sürəti müqayisə edin.
Əgər holdout mümkün deyilsə, ən azı back test-dən istifadə edin. Keçən ilin potensial müştərilərini cari model ilə, nəticələri nəzərə almadan ballayın, sonra balların sonradan qazanılan və ya itirilən potensial müştəriləri necə sıraladığını yoxlayın. Bir çox platforma model keyfiyyəti göstəricisini göstərir, lakin məlum nəticələr üzərində öz back test-iniz satış komandası üçün daha inandırıcıdır.
İdarəetmə paneli nəyi göstərməlidir?
İdarəetmə panelini satış menecerinin həftəlik oxuyacağı qədər qısa saxlayın. HubSpot, Salesforce hesabatları, Looker Studio və ya Power BI-da işləyən tərtibat:
- Birinci sıra: bu həftə bal diapazonuna görə potensial müştərilər və son 90 gündə diapazon üzrə konversiya dərəcəsi.
- İkinci sıra: diapazon üzrə ilk əlaqəyə qədər orta vaxt və SLA daxilindəki faiz.
- Üçüncü sıra: diapazon üzrə boru kəməri (pipeline) və qazanılmış gəlir, üstəgəl orta göstəriciyə nisbətən artım.
- Qeydlər: modelin son yenidən təlimi, aşkar edilmiş məlumat problemləri, potensial müştəri mənbələrindəki dəyişikliklər.
Xam balları deyil, diapazonları göstərin. İnsanlar “73-ə qarşı 68”-dən daha çox “A, B, C”-yə uyğun hərəkət edirlər.
Lead scoring praktikada niyə uğursuz olur?
Adətən alqoritmə görə deyil. Ümumi səbəblərə satış komandalarının qara qutu balına etibar etməməsi, marketinqin modeli aşağı çəkən aşağı keyfiyyətli potensial müştərilər göndərməsi, həyat dövrü mərhələlərinin qeyri-ardıcıl yenilənməsi nəticəsində modelin səs-küydən öyrənməsi və modelin heç vaxt görmədiyi yeni potensial müştəri mənbələri daxildir. Heç kimin baxmadığı bal, nə qədər dəqiq olsa da, uğursuz olur.
Düzəlişlər texniki olduğu qədər də təşkilatidir. Nümayəndələrə hər balın arxasındakı ən yaxşı amilləri göstərin, hər ay bir neçə uğursuzluğu birlikdə nəzərdən keçirin və marketinq üçün uyğun və satış üçün uyğun potensial müştərilərin tərifləri barədə yazılı şəkildə razılaşın.
Alien Road CRM layihələrində AI lead scoring-i necə tətbiq edir
Tipik bir işdə, kəşf CRM məlumat auditi ilə başlayır: neçə qazanılmış və itirilmiş sövdələşmə var, həyat dövrü mərhələləri və mənbələri nə qədər ardıcıl qeyd olunur və hansı sahələr etibarlı şəkildə doldurulur. Biz həmçinin satış nümayəndələri ilə hazırda hansı potensial müştərilərə ilk zəng edəcəklərini necə seçdikləri barədə müsahibə aparırıq.
Quraşdırma əsas sahələri təmizləyir və standartlaşdırır, müştərinin CRM-ində və ya xüsusi alətdə mövcud olan proqnozlaşdırıcı ballamanı konfiqurasiya edir, balları diapazonlara çevirir və yüksək diapazonlu potensial müştərilərin nümayəndələrə tez çatması üçün yönləndirmə qaydaları və görünüşlər qurur. Mümkün olduqda, əvvəldən bir holdout qrupu yaradırıq.
Ölçmə yuxarıdakı KPI qruplarını izləyir, diapazon üzrə konversiyanın və bal ilə nəticənin uyğun gəlmədiyi potensial müştərilərin aylıq icmalı ilə. Müştəriyə hesabat, idarəetmə paneli və həmin icmalın qısa qeydidir, beləliklə marketinq və satış eyni rəqəmləri görür.
Model nə qədər tez-tez yenidən təlim keçməli və ya nəzərdən keçirilməlidir?
Alış davranışı dəyişir. Yeni məhsul xətti, qiymət dəyişikliyi, yeni reklam kanalı və ya hədəf bazarda dəyişiklik keçən ilin nümunələrini çaşdırıcı edə bilər. Bir çox CRM aləti proqnozlaşdırıcı modellərini avtomatik olaraq cədvəl üzrə yenidən təlim edir, lakin siz hələ də nəticələri nəzərdən keçirməlisiniz, çünki pis son məlumatlar üzərində avtomatik yenidən təlim pis məlumatları daha sürətlə öyrənir.
Rüblük icmal əksər B2B komandaları üçün işləyir. Diapazon üzrə konversiyanı yoxlayın, modelin indi istifadə etdiyi ən yaxşı amillərə baxın və onların biznes məntiqinə uyğun olub-olmadığını soruşun. Əgər model qəflətən satışın mənasız olduğunu bildiyi müəyyən bir forma sahəsi kimi bir amili mükafatlandırırsa, yeni ballara etibar etməzdən əvvəl araşdırın.
Bu həftə haradan başlamaq lazımdır
Keçən ilin potensial müştərilərini mənbələri, bir neçə əsas atributu və yekun nəticələri ilə ixrac edin. Neçəsinin müştəri olduğunu sayın; əgər rəqəm çox kiçikdirsə, ballama aləti almazdan əvvəl məlumat keyfiyyətinə diqqət yetirin.
Əgər ballama artıq aktivdirsə, bu gün bir hesabat qurun: son 90 gündə bal diapazonuna görə imkana konversiya dərəcəsi. Əgər ən yüksək diapazon digərlərindən açıq-aydın üstün deyilsə, siz həll etməli olduğunuz ilk problemi tapmısınız və bunu model haqqında mübahisə etməzdən əvvəl tapmısınız.
Oxumağa davam edin: CRM Sistemi · Crm Sistemi