Predictive Lead Scoring: Odkrywanie wysokiej jakości leadów za pomocą danych

Otrzymujesz dwa leady, każdy z innego źródła. Pierwszy z nich przeczytał wpis na blogu w Twojej witrynie. Druga przeszła przez wiele stron w Twojej witrynie i przystąpiła do wypełniania formularza internetowego.

Najwyraźniej ta ostatnia jest bardziej zainteresowana, więc skupiasz na nich więcej swoich wysiłków.

Ale co, jeśli obsługujesz CRM z tysiącami leadów?

Skąd wiesz, kto dotarł do Twojej witryny w bezpłatnych wynikach wyszukiwania? Skąd wiesz, kto spędził najwięcej czasu w Twojej witrynie? Skąd wiesz, które leady wykazują maksymalne zaangażowanie w stosunku do innych?

Odpowiedź tkwi w predykcyjnej punktacji leadów.

Co to jest predykcyjna ocena potencjalnych klientów?

Predykcyjne ocenianie potencjalnych klientów to proces oceniania potencjalnych klientów, który wykorzystuje algorytmy predykcyjnego uczenia maszynowego do analizy danych z historycznej i istniejącej bazy klientów w celu przewidywania najlepszych potencjalnych klientów w przyszłości.

Jak działa predykcyjny lead scoring?

Zasadniczo, predykcyjna metoda oceny potencjalnych klientów tworzy dla Ciebie idealny profil klienta (ICP) na podstawie Twoich poprzednich klientów. Ten ICP jest następnie wykorzystywany jako model do oceny nowych potencjalnych klientów, tak że im bliżej ICP znajduje się dany namiar, tym wyższy wynik namiaru i na odwrót.

Aby lepiej zrozumieć predykcyjne ocenianie potencjalnych klientów, porównajmy go z jego poprzednikiem, tradycyjnym modelem oceniania potencjalnych klientów.

Modele Lead Scoring: tradycyjny vs predykcyjny

Czym jest model scoringu leadów?

Model scoringowy leadów, jak sama nazwa wskazuje, jest modelem przeznaczonym do oceny leadów. Potencjalnemu klientowi przydzielane są punkty na podstawie kilku czynników, od branży, w której pracuje, po zaangażowanie w Twoją witrynę.

Zachowania klientów w przeszłości są kluczem do prowadzenia modeli scoringowych. Jeśli Twoi poprzedni klienci zawsze wykazywali wysoki poziom zaangażowania w Twoje treści, zakłada się, że nowi potencjalni klienci wykazujący podobny poziom zaangażowania mają większe szanse na konwersję w klientów. Tym leadom przypisuje się zatem więcej punktów niż leadom, które nie spełniają tego kryterium.

1. Tradycyjny model oceny leadów

W tradycyjnym modelu scoringu leadów marketerzy ręcznie wybierają kilka kluczowych działań w oparciu o własne wyobrażenie o tym, co spowodowało, że leady przekształciły się w klientów w przeszłości. Te działania są następnie wykorzystywane do oceny potencjału przyszłych leadów.

Jednak marketerzy polegają na własnej interpretacji i osądzie w tradycyjnym modelu scoringu leadów. A to może pozostawić miejsce na błąd ludzki, błędną interpretację i błędne obliczenia. W efekcie mogą przypisywać zbyt dużą wagę czynnościom, które mogą nie być istotne, lub przypisywać zbyt małą wagę czynnościom kluczowym.

Właśnie dlatego tradycyjny model scoringu potencjalnych klientów jest obecnie w większości zastępowany przez predykcyjny model scoringu potencjalnych klientów.

2. Predykcyjny model punktacji potencjalnych klientów

Predykcyjny model lead scoringu naprawia wady tradycyjnego modelu lead scoringu, nie pozostawiając miejsca na błąd ludzki i automatyzując cały proces.

Wykorzystuje algorytmy uczenia maszynowego i techniki modelowania predykcyjnego, aby przewidywać przyszłych klientów na podstawie zachowań byłych klientów.

Ale jak dokładnie to się dzieje? Właśnie to omówimy w następnej kolejności.

Jak zautomatyzować wyniki leadów?

Algorytmy uczenia maszynowego rozpoznają trendy z baz danych klientów, analizując historyczne i istniejące dane klientów. Może to obejmować różne punkty styku z klientami, takie jak odwiedzanie stron docelowych, wypełnianie formularzy internetowych, oglądanie webinarów, otwieranie wiadomości e-mail itp. Wykorzystuje te trendy do ustalania wzorców i tworzy ICP do oceny przyszłych potencjalnych klientów.

W sprzedaży B2B każdy lead wymaga intensywnego pielęgnowania. Rozwiązanie musi być dostosowane do ich potrzeb. Mnóstwo czasu i energii marnuje się, jeśli cały ten wysiłek idzie na prowadzenie o słabym potencjale. Jednak uczenie maszynowe w predykcyjnym ocenianiu potencjalnych klientów zapewnia, że ​​te wysiłki są skierowane do potencjalnych klientów, którzy z największym prawdopodobieństwem dokonają konwersji.

W jaki sposób Slintel zapewnia ulepszone dane dla Twoich potrzeb w zakresie oceny potencjalnych klientów

Nieograniczone informacje o potencjalnych klientach

Slintel zapewnia świeże, zaktualizowane i dokładne informacje o potencjalnych klientach, które odpowiadają Twoim potrzebom w zakresie oceny potencjalnych klientów. W tym celu regularnie śledzimy ponad 286 milionów leadów z ponad 14,5 miliona firm.

Ponadto Slintel zapewnia odpowiednie informacje technologiczne, firmograficzne i demograficzne, których potrzebujesz, aby dokładnie ocenić potencjalnych klientów. Gdy uzyskasz dostęp do naszych dokładnych statystyk potencjalnych klientów, możesz swobodnie oceniać potencjalnych klientów zgodnie ze swoimi kryteriami i ustalać priorytety dla odpowiednich kont dla swojej firmy.

Źródło

„Ocena potencjalnych klientów może wydawać się prosta. Jeśli jednak chcesz, aby Twój zespół ds. rozwoju sprzedaży organizował więcej kwalifikowanych spotkań, potrzebujesz szczegółowej wiedzy na temat „Dopasowanie a zainteresowanie” i to właśnie otrzymujesz od Slintels Lead Insights!”

—Jason Dsouza, starszy współpracownik, Rev Ops at 6sense

Kupowanie punktów intencji dla potencjalnych klientów

Zamiar zakupowy osoby lub organizacji można zdefiniować jako prawdopodobieństwo zakupu produktu lub usługi. Zamiar zakupowy jednostki można wywnioskować, badając i oceniając zachowanie, takie jak wizyty na stronie internetowej, konsumpcja mediów, wezwania na prezentację lub spotkania, pobieranie materiałów dodatkowych, uczestnictwo w wydarzeniach i przesyłanie formularzy.

Źródło

Dla każdej organizacji, którą chcesz pozyskać, Slintel pokazuje wynik zamiaru zakupu. Ocena zamiaru zakupu Twoich klientów może być wykorzystana do określenia zachowania potencjalnego klienta. Twój predykcyjny model oceny potencjalnych klientów może następnie porównać to zachowanie z zachowaniem Twoich poprzednich lub obecnych klientów, a tym samym określić Twój wynik potencjalnego klienta.

Dokładne dane potencjalnych klientów i wzbogacanie potencjalnych klientów

Niedokładne dane o potencjalnych klientach w Twoim CRM mogą poważnie wykoleić Twoje wyniki. Może to spowodować, że Twoi przedstawiciele będą błędnie interpretować leady o ogromnym potencjale zakupowym jako bezsensowne leady, co prowadzi do kilku straconych okazji.

Aby zapobiec przegapieniu, Slintel ma najdokładniejsze, zaktualizowane informacje o potencjalnych klientach, aby wypełnić Twój CRM. Możesz nie tylko zaktualizować istniejące informacje o potencjalnym kliencie, dodając dokładniejsze informacje, ale także uzupełnić puste pola w brakujących polach danych poprawnymi informacjami.

Niewątpliwie dokładniejsze dane o potencjalnych klientach przekładają się na lepsze wyniki potencjalnych klientów i mniej straconych okazji.

Źródło

Alternatywne kontakty do potencjalnych klientów, aby zachować otwarte opcje

Czasami potencjalny klient może nie być dla Ciebie najlepszym wyborem, nawet jeśli pochodzi z organizacji o ogromnym potencjale zakupowym. Może to być spowodowane różnymi przyczynami, od braku uprawnień do podejmowania decyzji po brak reakcji pomimo twoich prób nawiązania kontaktu. W takich sytuacjach zawsze lepiej mieć alternatywne możliwości wyboru potencjalnych klientów z tego samego konta.

Jako użytkownik Slintel masz dostęp do kilku potencjalnych klientów z jednego konta, z których wszystkie zawierają wymagane dane kontaktowe. W ten sposób wiesz, że jesteś wyposażony we wszystko, czego potrzebujesz, aby skontaktować się z najlepiej ocenianymi potencjalnymi klientami.

Sprawdź Slintel już dziś!