Lead scoring model koji radi bez marketing automatizacije

Svaki članak o lead scoringu koji pročitate verovatno pretpostavlja da imate HubSpot ili Marketo. Ali lead scoring mala firma može da uradi bez ijednog takvog alata — i to sa modelom koji zapravo funkcioniše. Potreban vam je CRM, nekoliko jasno definisanih kriterijuma i disciplina da ga jednom u kvartalu pregledate.

Zašto automatizacija nije preduslov

Postoji zabluda da lead scoring počinje tek kada platite za marketing automatizaciju. Nije tačno. Automatizacija samo ubrzava i skalira proces koji mora da postoji pre nje. Ako niste definisali šta vam je "dobar lead", nijedan alat to neće otkriti umesto vas.

Mala prodajna ekipa od tri do šest ljudi može da drži kompletan model u CRM-u, ručno ažuriran jednom nedeljno. Da, ručno. Tih dvadeset minuta nedeljno vredeti više od meseci konfiguracije skupog softvera koji retko ko zaista razume.

Šta je, u stvari, scoring model

Na papiru zvuči komplikovano. U praksi: svaki lead dobija broj od 0 do 100 zasnovan na tome ko je i šta je uradio. Kad pređe određeni prag — recimo 60 poena — predaje se prodajnom timu kao SQL (Sales Qualified Lead).

Razlika između MQL i SQL je ovde ključna. MQL (Marketing Qualified Lead) znači da je pokazao određeni interes, ali još nije spreman za direktan poziv. SQL znači da su demografija i ponašanje dovoljno usklađeni s vašim idealnim kupcem da vredi uložiti vreme prodavca. Kvalifikacija lead-ova bez ovog razlikovanja je kao ribanje u ribnjaku bez mreže — uhvatite nešto, ali ne znate šta.

Tri do pet kriterijuma — ne više

Ovo je greška koju skoro sve male firme prave: pokušavaju da naprave previše detaljan model odmah na početku. Dvadeset kriterijuma, ponderisani algoritam, segmentacija po šest dimenzija. Rezultat? Model koji niko ne razume i koji se prestane koristiti posle mesec dana.

Počnite sa tri do pet kriterijuma. Evo jednog realnog primera:

• Industrija — da li je lead u segmentu koji opslužujete? (+20 poena ako jeste)
• Veličina firme — da li ima između 10 i 200 zaposlenih? (+20 poena)
• Pozicija kontakta — da li je odlučilac ili blizu odlučioca? (+25 poena)
• Poseta sajtu — da li je pregledao pricing stranicu ili demo? (+20 poena)
• Odgovor na email — da li je odgovorio na cold outreach ili newsletter? (+15 poena)

Suma 100. Prag za SQL: 60. Prag za MQL: 35. Sve ispod 35 ostaje u nurturingu ili se arhivira.

Kako to izgleda u CRM-u

Svaki CRM — čak i najjednostavniji — ima custom polja. Napravite jedno numeričko polje koje se zove "Lead Score". Ažurirate ga ručno ili, ako CRM podržava, kroz workflow pravila zasnovana na vrednostima drugih polja.

Konkretno: kada unesete novi lead, odmah popunite industriju, veličinu firme i poziciju kontakta. To vam već daje između 0 i 65 poena na osnovu demografije. Ostatak — ponašanje — ažurirate na kraju radne nedelje kad pogledate koji leadovi su posetili sajt ili odgovorili na poruke.

Ovaj pristup zahteva disciplinu, ali ne zahteva nijedan plaćeni alat koji vi još nemate. Ako koristite CRM koji podržava automatske workflow-e, deo ovoga možete automatizovati i bez marketing automatizacije — vidi /crm-tools za pregled alata koji to omogućavaju bez enterprise cenovnika.

Demografski vs. bihejvioralni scoring

Postoje dve komponente svakog scoring modela. Mnogi prave grešku pa zanemaruju jednu od njih.

Negativni skorovi su podcenjeni. Ako lead ima studentsku email adresu ili radi u industriji kojoj nikad ne prodajete, umesto da ga ignorišete — oduzmite mu poene. Tako ne ispada u sredini liste i ne troši pažnju prodavca.

Scoring po ponašanju je moćniji od demografskog, ali teži za prikupljanje bez alata. Rešenje: fokusirajte se na ponašanja koja možete da pratite ručno — email odgovori, telefonski pozivi, direktne poruke. To su pouzdaniji signali od automatski prikupljenih podataka o pregledima stranica koje vam daje besplatan Google Analytics.

Kalibracija — jednom u kvartalu, ne jednom zauvek

Model koji napišete u januaru neće biti isti koji vam treba u oktobru. Vaša ponuda se menja. Kupci se menjaju. Konkurencija se menja.

Jednom u kvartalu odvojite sat vremena i odgovorite na tri pitanja:

1. Koji leadovi su prošlog kvartala postali klijenti? Koji kriterijumi su bili zajednički za sve njih?
2. Koji SQL leadovi su propali? Da li su imali visok score ali ipak nisu kupili — i zašto?
3. Da li postoji neka karakteristika koja se retroaktivno pokazala kao jak prediktor konverzije, a mi je nismo uvrstili u model?

Ovo nije komplikovan proces. To je sat razgovora između vlasnika firme i jednog prodavca, uz otvoreni CRM. Na osnovu odgovora, korigujte pondere. Povećajte težinu kriterijuma koji su predviđali konverziju. Smanjite ili uklonite one koji su se pokazali kao buka.

Greške koje unište model pre nego što počne da radi

Recite "lead scoring" i većina malih firmi odmah pomisli na skorings koje prodavci ne koriste jer im se čini da ne odražava realnost. Razlog je skoro uvek isti: model su napravili marketing ili menadžment bez učešća prodajnog tima.

Prodavci moraju biti deo definisanja kriterijuma od prvog dana. Pitajte ih direktno: "Koji lead vas odmah zanima, a koji znate da ćete odbaciti posle prvog poziva?" Odgovor na to pitanje je pola vašeg modela.

Druga greška: previše kriterijuma koji se ne mogu proveriti. "Lead pokazuje urgentnost" nije merljiv kriterijum bez konteksta. "Lead je odgovorio na email i postavio pitanje o ceni" — to je merljivo. Svaki kriterijum u modelu mora biti nešto što prodavac ili može da vidi u CRM-u ili može da provjeri u manje od dve minute.

Kada je pravo vreme da pređete na automatizaciju

Ovo je legitimno pitanje. Odgovor je: kad vaš ručni model počne da ostvaruje rezultate i kad shvatite koji podaci vam nedostaju da bi bio još precizniji.

Ako ručni model radi, znate tačno šta od automatizacije tražite. Znate koje kriterijume hoćete da automatizujete, koji workflow-i imaju smisla, i koji alat vam zapravo treba. U tom trenutku razgovor s prodavačem alata ide potpuno drugačije — vi vodite razgovor, ne oni.

Ako pređete na automatizaciju pre nego što imate funkcionalan ručni model, riskirate da platite za nešto što konfigurišete na osnovu pretpostavki, a ne iskustva.

Šta ćete imati posle prvih 30 dana

Posle mesec dana konzistentnog rada, mali tim koji uvede ovaj pristup obično primeti sledeće: prodavci provode manje vremena na leadovima koji nikad ne konvertuju, a konverzija iz SQL u dogovorene sastanke raste. Ne dramatično — ali merljivo.

Jedna ekipa od četiri prodavca s kojom smo radili imala je 40% SQL leadova koji su se pokazivali kao nekvalifikovani tek na pozivu. Posle uvođenja jednostavnog scoring modela u CRM bez ikakve automatizacije, taj procenat je pao na ispod 20% u roku od dva meseca. Razlika? Jasni kriterijumi i nedeljno ažuriranje polja u alatu koji su već imali.

Lead scoring mala firma ne zahteva budžet za enterprise softver. Zahteva jasnoću oko toga ko vam je idealni kupac i disciplinu da taj standard primenite dosljedno. Počnite s tri kriterijuma, kalibrišite posle prvog kvartala, i dodajte automatizaciju kada imate dovoljno podataka da znate šta automatizujete.

Ako još nemate CRM koji podržava custom polja i numerički scoring, pogled na /crm-tools može biti dobar polazni korak pre nego što izgradite model.