Lead scoring: costruire un modello che il team usa davvero

Il lead scoring è la pratica di attribuire un numero a un contatto o a un’azienda perché una quantità limitata di attenzione commerciale finisca sui lead con più probabilità di convertire. Lo scopo è tutto qui. Un punteggio non prevede il fatturato, non sostituisce la qualifica e non è un report. È l’ordine di una coda.

Il problema che risolve compare a una dimensione precisa. Con trenta lead al mese, un venditore li legge tutti e nessun modello batte il suo giudizio. Con trecento, lavora la cima della lista e il fondo non viene mai toccato — e senza un punteggio la cima della lista significa semplicemente ciò che è arrivato per ultimo. Il lead scoring sostituisce la novità con qualcosa di più vicino alla probabilità.

Ne discendono due cose. Primo: un punteggio vale la pena di costruirlo solo quando i lead sono più della capacità di lavorarli; altrimenti sta ordinando una coda che verrà comunque smaltita per intero. Secondo: il modello deve essere leggibile per chi lo usa. Un venditore che non riesce a capire perché un lead ha totalizzato 82 tornerà in silenzio a chiamare gli ultimi arrivati, e lei se ne accorgerà solo un trimestre dopo.

Ogni modello attinge a due tipi di input. I segnali espliciti sono ciò che il lead o una fonte dati dichiarano apertamente: attributi. I segnali impliciti sono ciò che il lead fa: comportamenti. Contano entrambi e falliscono in modi diversi.

L’errore consueto è pesare i segnali impliciti in base al volume. Dieci visite al blog non sono intento: sono un lettore abituale. Una visita alla pagina prezzi seguita da una nuova sessione due giorni dopo è intento, e nasce da molti meno eventi. Pesi un’azione per quanto costa alla persona e per che cosa dice sul punto in cui si trova nella decisione, non per quante volte si ripete.

Gestisca con onestà anche i dati espliciti mancanti. Una dimensione aziendale in bianco non è una piccola azienda. La registri come sconosciuta e lasci che l’arricchimento la completi più avanti, altrimenti penalizzerà in modo sistematico chiunque abbia incontrato un modulo corto.

Schiacciare affinità e intento in un unico totale è il modo più comune in cui un modello va storto. Rispondono a domande diverse e ogni combinazione richiede un’azione diversa.

L’affinità chiede se questa è il tipo di azienda che può servire e a cui può vendere: dimensione, settore, area geografica, budget e se abbia davvero il problema che lei risolve. L’intento chiede se si sta muovendo adesso: che cosa ha guardato, che cosa ha chiesto, quanto di recente.

Li tenga come due punteggi e saranno i quadranti a dirle che cosa fare. Alta affinità con alto intento è una telefonata oggi. Alta affinità con basso intento è un percorso di nurturing, non un rifiuto: quell’azienda vale ancora la pena il prossimo trimestre. Bassa affinità con alto intento è il quadrante pericoloso: un lead entusiasta che non chiuderà o che abbandonerà presto, e che si mangerà una settimana di lavoro se un punteggio mescolato lo fa galleggiare in cima. Bassa affinità con basso intento è una soppressione, non una voce in coda.

Un numero solo non può distinguere il secondo caso dal terzo, perché un 40 costruito sull’affinità e un 40 costruito sull’intento sono identici nella lista. Se il suo strumento pretende un numero unico, conservi almeno le due componenti e mostri la ripartizione accanto al totale.

Parta manuale e in piccolo. Quindici regole che può controllare renderanno più di una scatola nera che non può ispezionare, e le mette insieme in un pomeriggio.

1. Definisca l’obiettivo. Non un buon lead, ma qualcosa di contabile: una call di scoperta effettivamente svolta, o un contratto chiuso entro novanta giorni.
2. Elenchi i segnali candidati che riesce a raccogliere oggi per la maggior parte dei lead. Un segnale presente su un decimo delle schede è inutilizzabile, per quanto predittivo sembri.
3. Guardi all’indietro. Prenda i contratti vinti e persi di recente e controlli, segnale per segnale, quanto cambia il tasso di conversione quando quel segnale è presente. Ciò che lo sposta appena viene scartato.
4. Assegni numeri interi su una scala fissa — per esempio da 0 a 100 per l’affinità e da 0 a 100 per l’intento. Solo pesi tondi. Una precisione che non sa giustificare è rumore.
5. Provi il modello su uno storico tenuto da parte prima che tocchi la coda reale: avrebbe messo i contratti vinti dello scorso trimestre vicino alla cima?
6. Metta le regole per iscritto in un posto dove il team commerciale possa leggerle senza doverglielo chiedere.

Qualunque strumento usi, le regole di scoring e le sue fonti di generazione di lead devono stare nello stesso sistema: un punteggio calcolato su campi che il passaggio di sourcing non ha mai riempito è solo un valore predefinito travestito da numero. Growmindr assegna un punteggio ai lead appena entrano nel workspace e tiene visibili sulla scheda contatto le regole che hanno contribuito, così un venditore vede da dove arriva un numero prima di decidere quanto fidarsene.

Quasi tutti i modelli si limitano a sommare. È per questo che, con abbastanza tempo, tutto finisce per avere un punteggio alto e la classifica smette di separare qualsiasi cosa da qualsiasi altra.

Sottragga per i motivi di squalifica di cui ha prove: il dominio di un concorrente, un indirizzo personale o studentesco su un prodotto business, un paese che non riesce a servire, un ruolo che non partecipa alla decisione, un cliente già acquisito con un reclamo aperto. Dove il lead potrebbe contare più avanti, preferisca una vera sottrazione a un’esclusione secca: un punto negativo lascia la scheda ancora valutabile se le circostanze cambiano, un’esclusione la nasconde per sempre.

Poi aggiunga il decadimento, perché l’intento è deperibile. Una visita alla pagina prezzi è un segnale forte nella giornata, debole tre settimane dopo e del tutto irrilevante dopo un trimestre. Senza decadimento, chi si è informato a marzo e poi è sparito continua a stare davanti a chi è attivo questa settimana. Basta una regola semplice: i punti di intento scadono dopo una finestra fissa, oppure si dimezzano ogni trenta giorni. I punti di affinità non devono decadere — l’azienda ha sempre la stessa dimensione — ma vanno aggiornati ogni volta che l’arricchimento rinfresca la scheda.

C’è una prova rapida per capire se il decadimento è tarato bene. Estragga i primi venti lead per punteggio e controlli quando ciascuno ha fatto qualcosa l’ultima volta. Se parecchi tacciono da mesi, il suo decadimento è troppo lento.

Un punteggio senza un’azione concordata è decorazione. Prima di partire, concordi le fasce e la risposta che spetta a ognuna, per iscritto e con il team commerciale nella stanza.

Fissi la soglia della fascia A in base alla capacità, non all’estetica. Se due venditori riescono a lavorare sessanta lead a settimana in due, la soglia va dove cadono all’incirca sessanta lead a settimana — non a 80 perché 80 è un numero tondo. La riveda ogni volta che cambiano l’organico o il volume di lead, perché una soglia tarata su una dimensione di team si rompe in silenzio su un’altra. Troppo bassa e la fascia A diventa un arretrato che nessuno smaltisce; troppo alta e i suoi lead migliori restano fermi in fascia B mentre la coda sembra in ottima salute.

Un modello di lead scoring è tarato su un momento preciso: i suoi prezzi, il suo cliente ideale, i suoi canali, il mercato. Tutti e quattro si muovono, e il modello non se ne accorge. La ricalibrazione è manutenzione ordinaria, non l’ammissione che la prima versione fosse sbagliata.

Faccia una revisione a scadenze regolari — ogni trimestre è un valore predefinito ragionevole — e controlli tre cose.

• Capacità di discriminare. Raggruppi i lead dell’ultimo trimestre in fasce di punteggio e confronti la conversione di ciascuna. Le fasce devono separarsi nettamente. Se gli 80 convertono come i 50, il modello ha smesso di ordinare e si limita ad assegnare numeri.
• Deriva nel mix. Se la quota di lead sopra soglia è raddoppiata senza un corrispondente cambiamento nei risultati di vendita, qualcosa si è mosso a monte — un canale nuovo, un modulo modificato, uno script di tracciamento rotto — e ora il punteggio sta misurando quello.
• Disponibilità dei segnali. Le regole muoiono in silenzio quando un campo smette di essere raccolto o un’integrazione si rompe. Un segnale ormai assente sulla maggior parte delle schede toglie precisione pur continuando a sembrare in salute nell’elenco delle regole.

Faccia scattare una revisione fuori calendario ogni volta che cambia i prezzi, entra in un nuovo segmento o apre un canale con un pubblico diverso. E prenda sul serio il segnale qualitativo: quando il team commerciale comincia a dire che i punteggi sembrano sbagliati, di solito ha ragione, e di solito se ne è accorto un trimestre prima dei numeri.

I modelli difettosi tendono a rompersi in un numero ristretto di modi riconoscibili.

• Misurare l’engagement invece dell’intenzione di comprare. Aperture della newsletter e letture del blog sono correlate all’interesse per i suoi contenuti, non al budget o al potere decisionale. Gonfiano il punteggio di persone che non compreranno mai.
• Un solo modello per due prodotti. Se vende a due acquirenti diversi, le servono due modelli. Uno mescolato è sbagliato per entrambi, e sbagliato in direzioni opposte.
• Punteggi sulle persone senza il contesto aziendale. Tre persone di livello intermedio della stessa azienda con 45 punti ciascuna sono un segnale più forte di ognuna presa da sola, e un modello che guarda solo alle persone non riesce a vederlo.
• Traffico interno e bot. Il suo stesso team e gli scanner automatici generano visualizzazioni di pagina. Escluda gli indirizzi dell’ufficio e i crawler noti, altrimenti il suo lead con il punteggio più alto si rivelerà un collega.
• Un modello che nessuno ha spiegato. Se le vendite non hanno partecipato alla definizione dei pesi, non lavoreranno la coda, e lei passerà il tempo a difendere un numero invece di migliorarlo.

Nessuna di queste cose si vede guardando il modello. Emergono sotto forma di un team commerciale che ignora il punteggio in silenzio: l’indizio più affidabile che sotto qualcosa non funziona.