Co to jest lead scoring i jak oceniać jakość leadów?

Firma uruchamia kampanię, publikuje wartościowe treści i przygotowuje lead magnet. Formularze zaczynają napływać. W CRM pojawia się 300 nowych kontaktów.

Na pierwszy rzut oka wygląda to jak sukces.

Problem pojawia się po stronie sprzedaży. Handlowiec kontaktuje się kolejno ze wszystkimi osobami, ale część z nich chciała jedynie pobrać materiał. Inni reprezentują firmy, które nie pasują do oferty. Kolejna grupa jest zainteresowana tematem, ale zakup planuje dopiero za kilka miesięcy.

Wśród tych 300 kontaktów może jednak znajdować się kilka firm, które:

• idealnie odpowiadają profilowi klienta,
• odwiedziły stronę oferty,
• sprawdziły cennik,
• pobrały materiał techniczny,
• wróciły na stronę kilka razy,
• i właśnie szukają wykonawcy.

Jeżeli wszystkie leady trafiają do jednej kolejki, najbardziej wartościowy kontakt może czekać tak samo długo jak osoba, która przypadkowo pobrała darmową checklistę.

Lead scoring pomaga uporządkować tę sytuację.

Zamiast traktować wszystkie kontakty identycznie, firma przypisuje im punkty na podstawie dopasowania do oferty oraz zachowania. Dzięki temu może określić, które leady wymagają natychmiastowego kontaktu sprzedażowego, które powinny pozostać w procesie marketingowym, a które w ogóle nie odpowiadają grupie docelowej.

Dobrze zaprojektowany scoring nie jest jednak prostą tabelą typu „otwarcie e-maila = 5 punktów”. Powinien wynikać z rzeczywistych danych sprzedażowych i odpowiadać na dwa osobne pytania:

Czy ten kontakt jest właściwym klientem?

oraz:

Czy ten kontakt jest gotowy na kolejny krok?

Co to jest lead scoring?

Lead scoring to metoda oceny i priorytetyzacji leadów poprzez przypisywanie im punktów na podstawie określonych cech oraz zachowań.

Punkty mogą wynikać między innymi z:

• profilu firmy,
• stanowiska osoby kontaktowej,
• branży,
• wielkości organizacji,
• źródła pozyskania,
• odwiedzanych stron,
• pobranych materiałów,
• aktywności w wiadomościach,
• wysłanych formularzy,
• deklarowanego terminu zakupu.

Po osiągnięciu określonego wyniku lead może zostać:

• przekazany do sprzedaży,
• przypisany do konkretnego segmentu,
• objęty inną sekwencją komunikacji,
• oznaczony jako priorytetowy,
• przekazany do dalszej kwalifikacji.

Lead scoring jest więc mechanizmem pomagającym zarządzać ograniczonym czasem marketingu i sprzedaży.

Nie odpowiada samodzielnie na pytanie, czy klient kupi. Pozwala jednak ustalić, które kontakty są statystycznie bardziej interesujące od pozostałych.

Po co stosować lead scoring?

Scoring staje się szczególnie przydatny, gdy liczba leadów przekracza możliwości ręcznej analizy każdego kontaktu.

Pomaga między innymi:

• ustalać kolejność kontaktu,
• ograniczać pracę nad przypadkowymi leadami,
• szybciej reagować na wartościowe szanse,
• rozróżniać zainteresowanie od gotowości zakupowej,
• lepiej dopasowywać komunikację,
• automatycznie segmentować bazę,
• łączyć marketing ze sprzedażą.

Bez scoringu często występują dwa skrajne scenariusze.

Pierwszy:

sprzedaż otrzymuje każdy kontakt i szybko przestaje ufać leadom przekazywanym przez marketing.

Drugi:

marketing długo utrzymuje wszystkie kontakty w automatycznych kampaniach i zbyt późno przekazuje osoby faktycznie gotowe do rozmowy.

Lead scoring może stworzyć pomiędzy tymi obszarami jasno określoną granicę.

Lead scoring a kwalifikacja leada

Lead scoring i kwalifikacja są powiązane, ale nie są tym samym.

Lead scoring automatycznie lub półautomatycznie przypisuje wynik na podstawie wcześniej przygotowanych reguł.

Kwalifikacja leada jest szerszym procesem oceny, czy kontakt posiada rzeczywistą potrzebę, możliwość zakupu i dopasowanie do oferty.

Scoring może pomóc zdecydować, które leady należy zakwalifikować w pierwszej kolejności.

Nie powinien jednak zastępować rozmowy w sprzedaży wymagającej zrozumienia:

• problemu,
• budżetu,
• procesu decyzyjnego,
• terminu,
• ograniczeń technicznych,
• zakresu projektu.

Lead z wynikiem 95 punktów nadal może nie być właściwym klientem, jeżeli model scoringowy został źle zaprojektowany.

Lead scoring a MQL

MQL oznacza Marketing Qualified Lead, czyli lead zakwalifikowany marketingowo.

Jest to kontakt, który według ustalonych kryteriów:

• pasuje do określonego profilu,
• wykazał odpowiedni poziom zainteresowania,
• osiągnął ustalony próg gotowości.

Lead scoring jest często wykorzystywany właśnie do określenia, kiedy zwykły lead staje się MQL.

Przykład:

Firma ustala, że po osiągnięciu 60 punktów kontakt otrzymuje status MQL i przechodzi do kolejnego etapu.

Sam próg nie ma jednak znaczenia bez poprawnego modelu. Jeżeli punkty można zdobyć głównie przez otwieranie newsletterów, najbardziej aktywny czytelnik może zostać MQL mimo braku jakiegokolwiek zamiaru zakupu.

Lead scoring a SQL

SQL oznacza Sales Qualified Lead, czyli lead zakwalifikowany sprzedażowo.

Zwykle jest to kontakt, który został dodatkowo zweryfikowany i spełnia warunki uzasadniające bezpośrednią pracę sprzedaży.

Przykładowy proces może wyglądać tak:

1. użytkownik zostawia kontakt,
2. otrzymuje status lead,
3. scoring osiąga wymagany poziom,
4. kontakt staje się MQL,
5. sprzedaż dokonuje kwalifikacji,
6. kontakt zostaje SQL,
7. powstaje szansa sprzedażowa.

Nie każda firma potrzebuje dokładnie takiej struktury. Ważniejsze od nazw jest jednoznaczne określenie, co oznacza każdy etap.

Dwa główne wymiary lead scoringu

Najlepsze modele oddzielają dwa rodzaje informacji:

• dopasowanie do idealnego klienta,
• aktualny poziom zainteresowania.

Kontakt może być idealnie dopasowany, ale jeszcze niegotowy do zakupu.

Może również wykazywać ogromną aktywność, lecz kompletnie nie odpowiadać grupie docelowej.

Połączenie obu wymiarów jest znacznie bardziej użyteczne niż jeden wspólny licznik punktów.

Scoring demograficzny i firmograficzny

Ten rodzaj scoringu ocenia, czy kontakt odpowiada profilowi klienta firmy.

W B2C mogą mieć znaczenie informacje takie jak:

• lokalizacja,
• wybrana kategoria,
• potrzeba,
• preferowany zakres produktu.

W B2B szczególnie ważne są dane firmograficzne:

• branża,
• wielkość firmy,
• liczba pracowników,
• rynek,
• lokalizacja,
• obrót,
• rodzaj działalności,
• wykorzystywane technologie.

Można również uwzględniać stanowisko osoby kontaktowej.

Osoba odpowiedzialna za dany obszar może mieć większą wagę niż przypadkowy kontakt niezwiązany z decyzją.

Scoring behawioralny

Scoring behawioralny ocenia działania wykonywane przez użytkownika.

Punkty mogą być przyznawane za:

• odwiedzenie strony usługi,
• sprawdzenie cennika,
• pobranie materiału,
• użycie kalkulatora,
• uczestnictwo w webinarze,
• powrót na stronę,
• wysłanie formularza,
• kliknięcie określonego CTA.

Nie wszystkie działania mają taką samą wartość.

Odwiedzenie artykułu edukacyjnego może wskazywać ogólne zainteresowanie.

Sprawdzenie podstrony z konkretną usługą i późniejsze wejście na stronę kontaktową jest znacznie silniejszym sygnałem intencji.

Scoring pozytywny i negatywny

Scoring nie powinien polegać wyłącznie na dodawaniu punktów.

Niektóre informacje powinny wartość obniżać.

Przykłady negatywnych sygnałów:

• firma spoza obsługiwanego rynku,
• branża wykluczona z oferty,
• bardzo mała skala przy rozwiązaniu przeznaczonym dla dużych organizacji,
• student pobierający materiały edukacyjne,
• konkurent,
• wielokrotne odwiedzanie strony kariery,
• brak aktywności przez długi okres,
• wypisanie z komunikacji.

Przykładowo lead może otrzymać:

• plus 20 punktów za odpowiednią branżę,
• plus 15 za właściwą wielkość firmy,
• plus 10 za odwiedzenie oferty,
• minus 30 za lokalizację poza obsługiwanym rynkiem.

Scoring negatywny pomaga ograniczyć fałszywie wysokie wyniki.

Fit score i engagement score

Zamiast jednego wyniku warto rozważyć dwa niezależne wskaźniki.

Fit score ocenia dopasowanie klienta.

Engagement score ocenia jego aktywność i zainteresowanie.

Może powstać wtedy macierz:

Wysokie dopasowanie i wysokie zainteresowanie

To najważniejsze leady. Powinny szybko trafić do sprzedaży.

Wysokie dopasowanie i niskie zainteresowanie

Firma pasuje do oferty, ale nie jest jeszcze gotowa. Warto prowadzić dalszy nurturing.

Niskie dopasowanie i wysokie zainteresowanie

Kontakt jest aktywny, ale może nie odpowiadać grupie docelowej. Nie należy automatycznie przekazywać go do sprzedaży tylko ze względu na liczbę działań.

Niskie dopasowanie i niskie zainteresowanie

Lead posiada niski priorytet.

Taki model jest często bardziej czytelny niż jeden wynik typu 73 punkty.

Jak ustalić punkty w lead scoringu?

Najgorszym sposobem jest wybór wartości wyłącznie intuicyjnie.

Przykład przypadkowego systemu:

• otwarcie wiadomości: 5 punktów,
• kliknięcie: 10 punktów,
• wejście na stronę: 3 punkty,
• pobranie PDF: 20 punktów.

Dlaczego właśnie 5, 10, 3 i 20?

Jeżeli nie istnieje biznesowe uzasadnienie, liczby tworzą jedynie pozorną precyzję.

Lepiej rozpocząć od analizy historycznych klientów.

Warto sprawdzić:

• jakie cechy miały firmy, które najczęściej kupowały,
• jakie działania wykonywały przed kontaktem,
• które materiały pobierały,
• które strony odwiedzały,
• ile czasu mijało do zakupu.

Na tej podstawie można przypisać większą wagę sygnałom, które faktycznie korelują ze sprzedażą.

Przykładowy prosty model scoringowy B2B

Załóżmy, że firma wdraża systemy dla średnich i dużych sklepów internetowych.

Punkty za dopasowanie:

• e-commerce: plus 20,
• firma zatrudniająca ponad 20 osób: plus 15,
• sprzedaż na kilku rynkach: plus 10,
• wykorzystanie WooCommerce: plus 10,
• mikrofirma bez sprzedaży online: minus 30.

Punkty za zachowanie:

• pobranie checklisty: plus 5,
• odwiedzenie strony integracji: plus 10,
• odwiedzenie strony oferty: plus 15,
• powrót w ciągu siedmiu dni: plus 10,
• użycie kalkulatora: plus 20,
• wysłanie formularza wyceny: plus 40.

Model jest tylko przykładem. W rzeczywistej firmie wartości powinny wynikać z danych i być regularnie weryfikowane.

Czy otwarcie e-maila powinno dawać punkty?

Może, ale zwykle niewiele.

Otwarcie wiadomości jest słabszym sygnałem niż:

• kliknięcie konkretnego linku,
• odwiedzenie strony cenowej,
• użycie kalkulatora,
• wysłanie formularza.

Dodatkowo dane o otwarciach mogą być technicznie niedokładne ze względu na mechanizmy prywatności i automatyczne pobieranie elementów wiadomości.

Nie warto więc budować całego modelu scoringowego na otwarciach.

Czy wejście na stronę powinno zwiększać scoring?

Tak, ale znaczenie zależy od podstrony.

Nie każde wejście ma równą wartość.

Można rozróżnić:

• artykuł edukacyjny,
• case study,
• stronę produktu,
• cennik,
• formularz kontaktowy,
• dokumentację techniczną.

Odwiedzenie pięciu przypadkowych artykułów nie musi oznaczać większej gotowości niż jedno bardzo konkretne wejście na ofertę.

Scoring za źródło pozyskania

Źródło może mieć znaczenie, jeżeli dane historyczne pokazują różnice jakościowe.

Przykładowo leady z:

• poleceń,
• konkretnej kampanii,
• webinaru branżowego,
• organicznego wyszukiwania określonych fraz

mogą częściej kończyć się sprzedażą niż kontakty z szerokiej kampanii lead magnetu.

Nie należy jednak przypisywać wysokiej punktacji kanałowi wyłącznie dlatego, że jest postrzegany jako wartościowy.

Decyzja powinna wynikać z danych.

Scoring za deklarowaną potrzebę

Formularz może zawierać pytanie dotyczące problemu klienta.

Przykładowe odpowiedzi:

• potrzebuję nowego systemu,
• chcę zintegrować istniejące narzędzia,
• szukam informacji,
• porównuję możliwości.

Odpowiedzi mogą być użyte w scoringu, ale nie powinny automatycznie przesądzać o jakości.

Użytkownik może błędnie interpretować własny problem. Dlatego dane deklaratywne warto łączyć z zachowaniem i późniejszą kwalifikacją.

Scoring za budżet

W niektórych usługach budżet jest istotnym kryterium dopasowania.

Można przyznawać punkty za przedział odpowiadający typowym realizacjom firmy.

Trzeba jednak uważać na kilka problemów:

• klient może nie znać jeszcze realnego kosztu,
• wartość projektu może się zmienić po analizie,
• zbyt wczesne pytanie o budżet może obniżyć konwersję formularza.

Budżet powinien być jednym z kryteriów, a nie jedynym filtrem.

Scoring za termin realizacji

Deklarowany termin może pomagać określić gotowość klienta.

Przykład:

• projekt potrzebny w ciągu miesiąca: wysoki priorytet,
• plan na najbliższy kwartał: średni priorytet,
• rozpoznanie na przyszły rok: niski priorytet sprzedażowy.

Lead planujący zakup za pół roku może nadal być bardzo wartościowy. Nie powinien zostać odrzucony. Powinien trafić do procesu odpowiadającego jego horyzontowi czasowemu.

Lead decay – spadek punktacji w czasie

Zainteresowanie nie trwa wiecznie.

Kontakt, który trzy miesiące temu intensywnie odwiedzał stronę, ale od tego czasu nie wykonał żadnego działania, nie powinien zachowywać identycznego wyniku.

Lead decay oznacza stopniowe zmniejszanie punktacji za brak aktywności.

Przykład:

• 30 dni bez aktywności: minus 10 punktów,
• 60 dni: kolejne minus 15,
• 90 dni: zmiana segmentu na nieaktywny.

Tempo spadku powinno odpowiadać długości procesu sprzedaży.

W prostym e-commerce trzy miesiące mogą być bardzo długim okresem. W B2B z rocznym cyklem zakupowym mogą oznaczać niewiele.

Lead scoring a lead nurturing

Nie każdy lead poniżej progu sprzedażowego powinien zostać odrzucony.

Może pozostać w procesie nurturingowym.

Przykładowo kontakt:

• dobrze pasuje do profilu,
• pobrał materiał,
• ale nie odwiedził jeszcze oferty.

Zamiast natychmiastowego telefonu można dostarczyć mu:

• case study,
• porównanie rozwiązań,
• materiał dotyczący kosztów,
• zaproszenie do webinaru.

Jeżeli jego aktywność wzrośnie, scoring automatycznie przesunie go do kolejnego etapu.

Lead scoring a marketing automation

Lead scoring jest jednym z najbardziej naturalnych zastosowań marketing automation.

System może automatycznie:

• dodawać punkty za zachowanie,
• odejmować je za brak aktywności,
• zmieniać segment,
• uruchamiać odpowiednią sekwencję,
• przekazywać lead do CRM,
• tworzyć zadanie dla sprzedaży.

Przykład:

1. kontakt pobiera poradnik i otrzymuje 5 punktów,
2. odwiedza case study i zdobywa kolejne 10,
3. wraca na stronę usługi i zdobywa 20,
4. jego profil firmowy daje dodatkowe 30,
5. przekracza próg 60 punktów,
6. system zmienia status na MQL,
7. CRM tworzy zadanie dla handlowca.

Dobrze zaprojektowany marketing automation pozwala prowadzić taki proces bez ręcznego sprawdzania każdego kontaktu. Warunkiem jest jednak poprawna logika scoringu oraz aktualne dane.

Lead scoring a CRM

CRM powinien przechowywać wynik scoringu razem z informacją, z czego on wynika.

Sam zapis:

Lead score: 82

ma ograniczoną wartość.

Handlowiec powinien móc zobaczyć przynajmniej najważniejsze sygnały:

• profil firmy,
• temat zainteresowania,
• źródło,
• ostatnią aktywność,
• kluczowe odwiedzone strony,
• pobrane materiały,
• deklarowany termin.

Dzięki temu kontakt nie rozpoczyna się od przypadkowego skryptu.

Sprzedaż rozumie, dlaczego lead został uznany za priorytetowy.

Lead scoring a automatyzacja procesów

Scoring może uruchamiać nie tylko e-maile.

Po osiągnięciu określonego wyniku automatyzacja procesu może:

• utworzyć szansę w CRM,
• przypisać opiekuna,
• utworzyć zadanie kontaktu,
• wysłać wewnętrzne powiadomienie,
• zmienić priorytet leada,
• wykluczyć kontakt z wcześniejszej kampanii,
• przekazać informację do innego systemu.

Dzięki temu scoring staje się częścią rzeczywistego workflow, a nie tylko dodatkową liczbą w bazie.

Lead scoring a formularze

Formularz może dostarczyć danych potrzebnych do pierwszej oceny kontaktu.

W zależności od procesu mogą to być:

• firma,
• branża,
• rodzaj potrzeby,
• wielkość organizacji,
• termin,
• budżet,
• wykorzystywany system.

Nie należy jednak dodawać kilkunastu pól tylko po to, aby scoring posiadał więcej danych.

Każde pole może obniżyć współczynnik konwersji.

Warto zebrać informacje naprawdę potrzebne na danym etapie, a pozostałe uzupełniać później.

Progressive profiling

Progressive profiling polega na stopniowym zbieraniu informacji o kontakcie podczas kolejnych interakcji.

Przy pierwszym formularzu użytkownik podaje:

• adres e-mail,
• firmę.

Przy kolejnym kontakcie system zna już te dane i pyta o:

• branżę,
• wielkość organizacji.

Później może poznać:

• termin,
• zakres projektu.

Dzięki temu profil staje się coraz bogatszy bez wymagania bardzo długiego formularza na pierwszym etapie.

Lead scoring a śledzenie zdarzeń

Scoring behawioralny wymaga wiarygodnego pomiaru zachowania.

Jeżeli firma chce przyznawać punkty za:

• wysłanie formularza,
• użycie kalkulatora,
• pobranie pliku,
• odwiedzenie strony usługi,

zdarzenia muszą być rejestrowane poprawnie.

Błąd analityczny może powodować naliczanie punktów za samo kliknięcie przycisku mimo niewysłania formularza.

W efekcie kontakt otrzymuje zawyżony score i trafia do sprzedaży.

Lead scoring jest więc tak wiarygodny, jak dane, na których się opiera.

Lead scoring a źródła danych

Dane mogą pochodzić z wielu systemów:

• strony internetowej,
• Google Analytics 4,
• CRM,
• systemu marketing automation,
• formularzy,
• webinarów,
• systemu sprzedaży.

Trzeba ustalić, który system odpowiada za poszczególne informacje oraz jak są identyfikowane kontakty.

Jeżeli jeden użytkownik istnieje jako trzy różne rekordy, jego aktywność zostanie podzielona i scoring będzie zaniżony.

Lead scoring a anonimowy użytkownik

Nie każde zachowanie na stronie można od razu przypisać do konkretnego kontaktu.

Użytkownik może przez kilka tygodni pozostawać anonimowy, a dopiero później wysłać formularz.

W zależności od technologii i warunków przetwarzania danych część wcześniejszej historii może zostać połączona z kontaktem.

Nie należy jednak zakładać, że zawsze jest to możliwe.

Scoring powinien działać również w sytuacji, w której dostępna jest tylko część ścieżki.

Lead scoring w B2B

W B2B scoring jest szczególnie przydatny ze względu na długi proces sprzedaży i duże różnice pomiędzy wartością leadów.

Można analizować:

• firmę,
• branżę,
• skalę,
• technologię,
• stanowisko,
• zachowanie,
• intencję,
• termin.

Trzeba również pamiętać, że jedna organizacja może posiadać kilka osób kontaktowych.

Jedna osoba pobiera raport, druga odwiedza stronę produktu, a trzecia wysyła formularz.

Jeżeli system analizuje wyłącznie osoby niezależnie, może nie zauważyć, że cała firma wykazuje rosnące zainteresowanie.

Account scoring

Account scoring przenosi ocenę z pojedynczego kontaktu na całą organizację.

Może łączyć:

• dopasowanie firmy,
• liczbę aktywnych osób,
• łączną aktywność,
• etap szansy,
• historię wcześniejszych kontaktów.

Przykład:

Trzy osoby z jednej firmy odwiedzają stronę w ciągu tygodnia. Jedna pobiera case study, druga analizuje dokumentację, a trzecia sprawdza ofertę.

Każda z osobna może mieć umiarkowany score. Łącznie organizacja wysyła jednak bardzo silny sygnał zakupowy.

Account scoring jest szczególnie przydatny w sprzedaży B2B o większej wartości.

Lead scoring w e-commerce

W klasycznym sklepie internetowym lead scoring jest stosowany rzadziej niż w B2B, ale nadal może mieć zastosowanie.

Można oceniać między innymi:

• zapisanych użytkowników,
• klientów zainteresowanych produktami premium,
• osoby wielokrotnie wracające do określonej kategorii,
• użytkowników kalkulatora lub konfiguratora,
• klientów B2B sklepu.

W e-commerce częściej stosuje się jednak modele rekomendacyjne, segmentację RFM i predykcję zakupu.

Lead scoring ma największy sens wtedy, gdy istnieje rzeczywisty proces przed sprzedażą, a nie przy większości prostych zakupów samoobsługowych.

Lead scoring a RFM

RFM analizuje istniejących klientów według:

• czasu od ostatniego zakupu,
• częstotliwości zakupów,
• wartości sprzedaży.

Lead scoring dotyczy głównie potencjalnych klientów przed sprzedażą.

Oba mechanizmy mogą działać w jednym systemie:

• przed zakupem działa lead scoring,
• po zakupie klient trafia do segmentacji RFM lub modelu CLV.

Dzięki temu firma nie kończy analizy w momencie pierwszej sprzedaży.

Lead scoring a intencja zakupowa

Nie każde zachowanie oznacza jednakową intencję.

Przykłady słabej intencji:

• przeczytanie ogólnego artykułu,
• obserwowanie profilu,
• pobranie szerokiego poradnika.

Przykłady silniejszej intencji:

• wejście na cennik,
• porównanie pakietów,
• sprawdzenie procesu wdrożenia,
• powrót do strony oferty,
• wysłanie zapytania.

Model powinien przypisywać większą wagę zachowaniom bliższym realnej decyzji.

Intent scoring

Intent scoring koncentruje się właśnie na sygnałach sugerujących aktualną intencję zakupową.

Może uwzględniać:

• częstotliwość wizyt,
• rodzaj odwiedzanych stron,
• tempo aktywności,
• powrót do kluczowych treści,
• konkretne zapytania.

Istotny jest nie tylko fakt działania, ale jego kontekst.

Pięć wejść na stronę oferty w ciągu dwóch dni może być silniejszym sygnałem niż pięć wejść rozłożonych na rok.

Lead scoring a szybkość reakcji sprzedaży

Sam scoring nie poprawi sprzedaży, jeżeli firma nie reaguje na jego wynik.

Jeżeli wartościowy lead osiąga próg dziś, ale handlowiec dzwoni tydzień później, przewaga wynikająca z analizy zostaje utracona.

Warto więc ustalić SLA, czyli oczekiwany czas reakcji.

Przykład:

• lead priorytetowy: kontakt w ciągu godziny,
• MQL: kontakt w dniu roboczym,
• lead nurturingowy: dalsza automatyczna komunikacja.

Konkretny czas powinien odpowiadać charakterowi sprzedaży.

Co zrobić po przekroczeniu progu scoringowego?

Przekroczenie progu powinno uruchamiać jednoznaczny proces.

Może obejmować:

1. zmianę statusu,
2. utworzenie zadania,
3. przypisanie handlowca,
4. wewnętrzne powiadomienie,
5. zatrzymanie części automatycznych wiadomości,
6. rozpoczęcie kwalifikacji.

Nie powinno powstawać kilkanaście powiadomień z różnych systemów.

Sprzedaż potrzebuje jednego jasnego sygnału i kontekstu potrzebnego do działania.

Co zrobić z leadem poniżej progu?

Brak kwalifikacji do sprzedaży nie oznacza, że kontakt jest bezwartościowy.

Może trafić do:

• nurturingu,
• edukacji,
• segmentu tematycznego,
• kampanii długoterminowej,
• ponownej oceny po kolejnej aktywności.

Firma powinna rozróżniać:

• niegotowy, ale dobry lead,
• lead niedopasowany,
• lead nieaktywny,
• kontakt do wykluczenia.

Lead recycling

Lead przekazany do sprzedaży może okazać się jeszcze niegotowy.

Nie powinien automatycznie zostać oznaczony jako przegrany na zawsze.

Lead recycling polega na ponownym przekazaniu takiego kontaktu do marketingu.

Przykład:

Firma jest dobrze dopasowana, ale projekt zostaje przesunięty o sześć miesięcy.

Zamiast regularnych telefonów kontakt trafia do odpowiedniego nurturingu. Po wzroście aktywności albo zbliżeniu terminu może ponownie przejść do sprzedaży.

Lead scoring a statusy CRM

Scoring nie powinien zastępować statusów procesu.

Kontakt może mieć:

• score 80,
• status MQL,
• otwartą szansę,
• etap „oferta wysłana”.

Każda z tych informacji opisuje inny wymiar.

Score pokazuje ocenę.

Status pokazuje miejsce w procesie.

Etap szansy pokazuje przebieg konkretnej sprzedaży.

Mieszanie tych pojęć prowadzi do chaosu w CRM.

Czy scoring powinien działać po rozpoczęciu sprzedaży?

Może, ale jego znaczenie się zmienia.

Po utworzeniu szansy ważniejsze stają się informacje takie jak:

• wynik rozmowy,
• potrzeba,
• budżet,
• proces decyzyjny,
• termin,
• konkurencja.

Aktywność marketingowa nadal może być przydatnym sygnałem, ale nie powinna automatycznie przesuwać szansy pomiędzy etapami.

Odwiedzenie cennika po wysłaniu oferty może być ciekawe dla handlowca, ale nie oznacza, że projekt został zaakceptowany.

Lead scoring predykcyjny

Predykcyjny lead scoring wykorzystuje dane historyczne do oszacowania prawdopodobieństwa konwersji.

Zamiast ręcznie ustalać wszystkie wagi, model analizuje różnice pomiędzy:

• kontaktami, które zostały klientami,
• kontaktami, które nie zakończyły się sprzedażą.

Może wykryć zależności trudne do zauważenia ręcznie.

Predykcyjny scoring wymaga jednak:

• odpowiednio dużej liczby danych,
• poprawnych statusów CRM,
• wiarygodnej informacji o wygranych i przegranych,
• stabilnego procesu sprzedaży.

Jeżeli CRM jest pełen niezamkniętych szans i błędnych źródeł, zaawansowany model nauczy się przede wszystkim błędów znajdujących się w danych.

Czy sztuczna inteligencja jest potrzebna do lead scoringu?

Nie.

Prosty, dobrze zaprojektowany scoring regułowy może być bardzo skuteczny.

W wielu firmach większym problemem jest:

• brak definicji dobrego klienta,
• nieaktualny CRM,
• brak informacji zwrotnej ze sprzedaży,
• złe śledzenie zachowania.

Dodanie zaawansowanego modelu nie naprawi tych podstaw.

Predykcja ma sens wtedy, gdy firma posiada odpowiednią skalę i jakość danych.

Jak mierzyć skuteczność lead scoringu?

Sam fakt, że system przyznaje punkty, nie oznacza, że działa dobrze.

Warto sprawdzić:

• jaki procent MQL zostaje SQL,
• jaki procent SQL przechodzi do szans,
• jaki procent kończy się sprzedażą,
• jak wygląda wynik dla różnych przedziałów score,
• ile leadów sprzedaż odrzuca,
• ile wartościowych klientów miało niski score.

Jeżeli leady z wynikiem 80–100 nie kupują częściej niż leady z wynikiem 40–60, model prawdopodobnie nie rozróżnia dobrze jakości.

Conversion rate według przedziału scoringowego

Kontakty można podzielić na grupy:

• 0–20 punktów,
• 21–40,
• 41–60,
• 61–80,
• 81–100.

Następnie sprawdzić, jaki procent każdego przedziału został klientem.

Dobrze działający model powinien pokazywać ogólną zależność:

im wyższy score, tym większe prawdopodobieństwo wartościowego wyniku.

Nie musi być idealnie liniowa, ale brak jakiejkolwiek zależności jest sygnałem ostrzegawczym.

False positives i false negatives

Scoring może popełniać dwa ważne rodzaje błędów.

False positive

Lead otrzymuje wysoki wynik, ale okazuje się słaby.

Powody:

• za dużo punktów za ogólną aktywność,
• brak kryteriów negatywnych,
• nieprawidłowe dane,
• bot lub konkurent.

False negative

Wartościowy lead otrzymuje niski score i nie zostaje zauważony.

Powody:

• klient podjął decyzję szybko,
• nie wykonał typowych działań,
• część aktywności odbyła się offline,
• model przecenia zachowanie cyfrowe.

Oba typy błędów trzeba regularnie analizować.

Informacja zwrotna od sprzedaży

Lead scoring nie powinien być projektem zamkniętym wyłącznie w marketingu.

Sprzedaż powinna informować:

• które MQL są dobre,
• które nie odpowiadają profilowi,
• jakie sygnały były mylące,
• jakie cechy wyróżniają wartościowe szanse.

Jednocześnie nie warto opierać modelu wyłącznie na subiektywnych opiniach handlowców.

Najlepszym weryfikatorem jest końcowy wynik:

• kwalifikacja,
• szansa,
• sprzedaż,
• marża,
• wartość klienta.

Lead scoring a wartość klienta

Model może optymalizować nie tylko prawdopodobieństwo zakupu, ale również jakość przyszłych klientów.

Dwa segmenty mogą posiadać podobny współczynnik konwersji, ale różnić się:

• wartością projektu,
• marżą,
• retencją,
• Customer Lifetime Value.

Jeżeli dane są dostępne, warto sprawdzić, czy scoring nie premiuje wyłącznie łatwych do zamknięcia, ale mało wartościowych klientów.

Lead scoring a CAC

Lepsza priorytetyzacja może obniżać pełny koszt pozyskania klienta.

Jeżeli sprzedaż poświęca mniej czasu na słabe leady, koszt obsługi procesu spada.

Jeżeli wartościowe kontakty otrzymują szybszą reakcję, współczynnik wygranych może wzrosnąć.

CAC może więc poprawić się nawet bez zmniejszenia wydatków reklamowych.

Scoring optymalizuje wykorzystanie leadów już pozyskanych.

Lead scoring a atrybucja

Scoring może również korzystać z informacji o źródle i ścieżce klienta.

Trzeba jednak uważać, aby nie utożsamiać ostatniego źródła z pełnym procesem.

Kontakt może:

1. pierwszy raz wejść z SEO,
2. później zobaczyć reklamę,
3. pobrać materiał,
4. wrócić z e-maila,
5. wysłać formularz.

Scoring może wykorzystywać zachowania z całej ścieżki, a nie tylko ostatni punkt styku.

Jak często aktualizować model?

Scoring nie powinien zostać skonfigurowany raz na zawsze.

Zmieniają się:

• oferta,
• grupa klientów,
• kampanie,
• proces sprzedaży,
• rynek,
• zachowania użytkowników.

Model warto regularnie porównywać z rzeczywistymi wynikami.

W zależności od skali może to być analiza miesięczna, kwartalna albo po zebraniu określonej liczby szans.

Kiedy lead scoring nie jest potrzebny?

Nie każda firma potrzebuje systemu punktowego.

Jeżeli firma otrzymuje pięć wartościowych zapytań miesięcznie i każde może zostać szybko sprawdzone ręcznie, rozbudowany scoring może tylko zwiększyć złożoność.

Może być również zbędny, gdy:

• każdy lead jest bardzo wartościowy,
• proces wymaga natychmiastowego kontaktu niezależnie od profilu,
• sprzedaż nie posiada wystarczającej liczby danych,
• firma nie ma procesu dalszej kwalifikacji.

Scoring powinien rozwiązywać realny problem priorytetyzacji, a nie być wdrażany dlatego, że system marketingowy posiada taką funkcję.

Najczęstsze błędy w lead scoringu

Przypadkowe wartości punktów

Liczby zostały ustalone intuicyjnie i nigdy nie porównano ich ze sprzedażą.

Jeden wynik dla wszystkiego

Dopasowanie klienta i jego aktywność są mieszane bez możliwości rozróżnienia.

Za dużo punktów za e-mail

Aktywny czytelnik newslettera szybko zostaje uznany za gotowego kupującego.

Brak scoringu negatywnego

Każde działanie tylko zwiększa wynik, więc score rośnie w nieskończoność.

Brak wygaszania punktów

Aktywność sprzed roku nadal wpływa na obecny priorytet.

Za niski próg MQL

Sprzedaż otrzymuje zbyt wiele niedojrzałych kontaktów.

Za wysoki próg MQL

Wartościowe leady pozostają zbyt długo w marketingu.

Brak informacji zwrotnej

Marketing nie wie, co stało się z przekazanymi leadami.

Nieaktualny CRM

Model jest oceniany na podstawie błędnych statusów.

Scoring bez procesu

Lead osiąga próg, ale nie uruchamia żadnego działania.

Brak kontekstu dla handlowca

Sprzedaż widzi liczbę punktów, ale nie wie, z czego wynika.

Za skomplikowany model

Setki reguł utrudniają ustalenie, dlaczego kontakt otrzymał określony wynik.

Brak testowania modelu

Nikt nie sprawdza, czy wyższe wyniki rzeczywiście oznaczają większą sprzedaż.

Ignorowanie klientów o niskiej aktywności cyfrowej

Model pomija wartościowe firmy, które szybko przechodzą do rozmowy offline.

Brak account scoringu w złożonym B2B

Kilka osób z jednej organizacji jest analizowanych jako całkowicie niezależne leady.

Automatyczna kwalifikacja bez zabezpieczeń

Bot, konkurent albo przypadkowa osoba gromadzi punkty i trafia do sprzedaży.

Pytania do samodzielnego audytu lead scoringu

1. Czy rzeczywiście mam problem z priorytetyzacją leadów?
2. Czy posiadam jasną definicję dobrego klienta?
3. Czy wiem, czym różni się lead od MQL i SQL?
4. Czy moje statusy CRM są jednoznaczne?
5. Czy znam cechy klientów, którzy najczęściej kupują?
6. Czy analizuję dopasowanie i aktywność osobno?
7. Czy scoring uwzględnia branżę?
8. Czy uwzględnia wielkość firmy?
9. Czy uwzględnia właściwe stanowisko?
10. Czy najważniejsze zachowania mają większą wagę?
11. Czy punkty wynikają z danych, czy tylko z intuicji?
12. Czy stosuję punkty ujemne?
13. Czy wynik spada po długim braku aktywności?
14. Czy potrafię wyjaśnić, dlaczego lead ma konkretny score?
15. Czy źródła danych są wiarygodne?
16. Czy formularze przekazują poprawne informacje?
17. Czy śledzenie zdarzeń działa bez duplikatów?
18. Czy po osiągnięciu progu tworzy się konkretne zadanie?
19. Czy sprzedaż reaguje w określonym czasie?
20. Czy lead odrzucony przez sprzedaż może wrócić do nurturingu?
21. Czy sprzedaż przekazuje informację o jakości MQL?
22. Czy mierzę konwersję według poziomu scoringu?
23. Czy analizuję false positives?
24. Czy analizuję false negatives?
25. Czy model uwzględnia wartość klientów, a nie tylko sam zakup?
26. Czy w B2B potrafię łączyć kilka kontaktów z jedną firmą?
27. Czy regularnie aktualizuję scoring?
28. Czy cały system rzeczywiście poprawia wynik sprzedaży?

Jak wdrożyć lead scoring krok po kroku?

Etap 1: określ problem

Najpierw trzeba ustalić, dlaczego scoring jest potrzebny: zbyt dużo leadów, niska jakość, wolna reakcja czy brak wspólnej definicji kwalifikacji.

Etap 2: zdefiniuj idealnego klienta

Należy określić cechy firm i osób, które mają największe dopasowanie do oferty.

Etap 3: uporządkuj etapy lejka

Lead, MQL, SQL, szansa i klient powinny posiadać jednoznaczne definicje.

Etap 4: przeanalizuj historyczne dane

Warto sprawdzić, jakie cechy i zachowania rzeczywiście występowały u klientów.

Etap 5: wybierz sygnały pozytywne

Należy ustalić najważniejsze cechy dopasowania i zachowania wskazujące zainteresowanie.

Etap 6: wybierz sygnały negatywne

Model powinien również rozpoznawać kontakty niedopasowane i nieaktywne.

Etap 7: rozdziel fit i engagement

Jeżeli proces jest bardziej złożony, warto prowadzić dwa niezależne wyniki.

Etap 8: przygotuj pierwszy prosty model

Lepiej rozpocząć od kilkunastu zrozumiałych reguł niż od setek zależności.

Etap 9: ustal progi

Należy określić, kiedy lead pozostaje w nurturingu, kiedy staje się MQL i kiedy wymaga natychmiastowej reakcji.

Etap 10: połącz scoring z CRM

Wynik i najważniejsze przyczyny powinny być widoczne dla sprzedaży.

Etap 11: zaprojektuj automatyzacje

Zmiana score powinna uruchamiać konkretne działania, a nie jedynie aktualizować liczbę w bazie.

Etap 12: ustal czas reakcji

Dla najważniejszych grup powinny istnieć jasne zasady kontaktu.

Etap 13: wdroż lead recycling

Wartościowe, ale niegotowe kontakty powinny móc wracać do marketingu i ponownej oceny.

Etap 14: zmierz rzeczywiste wyniki

Należy porównywać score z kwalifikacją, szansami, sprzedażą, marżą i późniejszą wartością klientów.

Etap 15: regularnie poprawiaj model

Punktacja i progi powinny zmieniać się wraz z danymi, ofertą i procesem sprzedaży.

Najważniejsze wnioski

Lead scoring pozwala oceniać i priorytetyzować kontakty na podstawie dopasowania do oferty oraz ich aktualnego zainteresowania.

Dobrze zaprojektowany system:

• rozróżnia jakość leada od jego aktywności,
• wykorzystuje dane z CRM i zachowania na stronie,
• stosuje zarówno punkty dodatnie, jak i ujemne,
• uwzględnia spadek zainteresowania w czasie,
• posiada jasno określone progi kwalifikacji,
• automatycznie uruchamia właściwe działania,
• dostarcza sprzedaży kontekst, a nie tylko liczbę,
• umożliwia ponowny nurturing niedojrzałych leadów,
• jest regularnie porównywany z rzeczywistą sprzedażą,
• ulega zmianie, gdy dane pokazują, że obecny model przestaje działać.

Najczęstszym błędem jest budowanie scoringu jako efektownego systemu punktów bez sprawdzenia, czy punkty mają jakikolwiek związek z późniejszą sprzedażą. Otwarcia wiadomości i odwiedziny strony wyglądają dobrze w raportach, ale dopiero CRM pokazuje, czy wysoko ocenione kontakty stają się wartościowymi klientami.

Jeżeli firma posiada już formularze, CRM i działania marketingowe, ale wszystkie leady nadal trafiają do jednej kolejki, mogę przeanalizować cały proces kwalifikacji oraz dane dostępne w poszczególnych systemach. Sprawdzam źródła kontaktów, zachowania, statusy CRM i wynik sprzedaży, a następnie mogę wskazać, które sygnały mają sens w scoringu oraz gdzie warto wdrożyć automatyczne przekazywanie leadów. Celem nie jest stworzenie jak najbardziej skomplikowanej punktacji, lecz szybsze rozpoznawanie kontaktów, którym rzeczywiście warto poświęcić uwagę.