El vostre model de lead scoring només funciona amb qui ja us ha trobat

L’única cosa que podeu observar d’un lead fred

Tot el que es pot puntuar d’un lead d’outbound és fora dels vostres sistemes: dades firmogràfiques, estructura organitzativa, contractacions, stack tecnològic, finançament, canvis a la direcció. Res d’això és comportament. Tot és situació.

La pregunta útil no és "fins a quin punt s’implica aquest lead", perquè la resposta sempre és zero. És aquesta: fins a quin punt estic segur que aquest compte té el problema que resolc, ara mateix, i que hi ha una persona accessible que n’és responsable?

Aquest canvi d’enfocament és tot el model. L’apliquem en tres nivells, i no signifiquen el que la majoria de presentacions de scoring entenen per nivells.

Nivell 3: només encaix

Encaix firmogràfic i res més. A la nostra pròpia llista això vol dir tecnologia B2B, seu al Regne Unit o als Estats Units amb la major part de la plantilla i de qui decideix en aquest mateix mercat, de 20 a 150 treballadors, un equip comercial d’1 a 10 persones i cap funció de RevOps.

El nivell 3 és una base, no una prioritat. Diu que un compte podria comprar, i res sobre si acceptarà la trucada. La majoria de models s’aturen aquí, ho anomenen score sobre 100 i es pregunten per què el rànquing no prediu res.

Nivell 2: encaix més un senyal de negoci

Alguna cosa observable que augmenta la probabilitat sense demostrar la necessitat. Un nou responsable d’ingressos en els últims sis mesos. Contractació de SDR o BDR sense cap lloc de RevOps publicat alhora. Una empresa PLG que hi afegeix un equip comercial. Una migració de CRM recent. Un stack caòtic de diverses eines sense ningú responsable de les integracions. Són els comptes que "estan a punt de notar-ho": val la pena treballar-los, però no mereixen la vostra millor hora.

Nivell 1: un senyal d’intenció independent

Un senyal que per si sol us dona la seguretat que el problema és viu. A nosaltres ens en funcionen tres:

1. Ofertes de feina. Una empresa que publica un lloc de RevOps, Sales Ops, sistemes de GTM o responsable del CRM és un comprador declarant obertament la necessitat. No cal inferir res, i surt gratis amb l’stack que ja fem servir.
2. Dades pròpies de "ens coneix". Va assistir a un esdeveniment, s’hi va subscriure, va veure el perfil, va descarregar alguna cosa, va aparèixer a la identificació de visitants. És l’únic lloc on hi ha comportament real en una llista freda, així que captureu-lo a consciència en lloc de deixar que mori dins d’una eina de màrqueting.
3. Condició estructural. Exactament una persona a la funció, ni més ni menys. Qui porta la funció en solitari va desbordat per pura estructura.

El nivell 1 no és "score alt". És una categoria d’evidència.

Els nivells són camins independents, no punts apilats

Aquí és on es trenquen la majoria de models, i és un problema de matemàtiques, no de filosofia. L’instint amb els punts és apilar: encaix més senyal més intenció, sumar, llindar. Això vol dir que un compte de nivell 1 amb una oferta de feina activa però dades firmogràfiques normals queda per sota d’un compte de nivell 3 amb dades firmogràfiques perfectes i cap evidència de res. Acabeu de treure prioritat a l’únic compte que us va dir que té el problema.

Un senyal de nivell 1 no necessita un senyal de negoci apilat a sota. Exigir-los tots dos encongeix el vostre mercat adreçable i enterra la vostra millor evidència. Porteu els nivells com a camins separats cap a la mateixa capa d’encaminament. L’encaix qualifica, el senyal prioritza, i continuen sent dos números. És la mateixa disciplina que la separació entre ICP_score i outreach_intent_score que instal·lem a HubSpot: l’encaix és estable i canvia a poc a poc, la intenció és volàtil i canvia de pressa, i barrejar-los deixa que una lectura forta en un eix tapi un zero en l’altre.

El senyal que sembla boníssim i no ho és

L’escolta social és el primer que busca tothom. Compreu una eina d’intenció, vigileu LinkedIn, enxampeu gent queixant-se del problema que resoleu i els truqueu. Vam construir l’argument a favor, després el vam descartar, i el raonament serveix en general.

Ningú publica el seu propi desgavell. Amb un problema de moda, la gent publica. Amb un de vergonyós, no. "El nostre CRM és un desgavell i ningú no se n’encarrega" és una confessió, no una cosa de què presumir, així que en els problemes operatius el senyal de dolor escrit pel mateix comprador gairebé no existeix.

Qui interactua és la vostra pròpia professió. Vam treure les llistes de reaccions de dues publicacions grans sobre RevOps, unes 730 i 560 reaccions. En totes dues hi havia sobretot professionals del sector, GTM engineers, consultors de CRM i agències competidores. Automatitzar aquest senyal hauria estat automatitzar la detecció del nostre propi sector, amb subscripció inclosa.

El comprador que busqueu està enfonsat en el desgavell, no interactuant amb contingut sobre ell. Traieu la llista de reaccions abans de comprar l’eina d’intenció.

Quatre regles perquè el model no fabriqui falsos positius

Un model de scoring d’outbound no falla de manera sorollosa. Falla promocionant amb tota la seguretat comptes que no qualifiquen, i us n’assabenteu a la trucada.

Coincidència exacta de càrrecs, mai aproximada. Un cop la coincidència aproximada va retornar un compte amb "17 persones de RevOps". Eren quatre persones de sales ops i molts gairebé encerts. Definiu el conjunt de càrrecs forts de manera explícita (Revenue Operations, RevOps, Sales Operations, GTM Operations, més Manager, Analyst, Specialist) i tracteu els càrrecs ambigus com a ambigus. GTM Engineer és el cas més clar: de moda, mal definit, i la meitat de les ofertes són feina de campanyes d’outbound i no de sistemes. Només compta si la descripció del lloc parla d’arquitectura de CRM, higiene de dades, lifecycle, integracions, forecasting o atribució.

Filtreu per cobertura de dades. Desconegut no és no. Les xifres de plantilla i de càrrecs surten d’índexs de tercers amb cobertura desigual. Una empresa mal indexada retorna zero, i aquest zero es llegeix com "aquí no hi ha funció", que és el vostre senyal de més valor. Un zero fals fabrica el vostre millor nivell a partir d’un forat a les dades. Si l’empresa no està ben indexada, baixeu-la a la base en lloc d’endevinar. És el mateix principi que la nostra salvaguarda d’enrichment: marqueu un senyal de propensió com a "sí" només amb una font pública verificable; si no, "desconegut", mai "no". Un no endevinat esborra en silenci compradors reals.

Exigiu una persona accessible abans de donar el nivell per bo. Un senyal perfecte en un compte on no podeu arribar a qui decideix és recerca, no pipeline. En un dels nostres propis lots vam obtenir 23 comptes qualificats per senyal i en vam enviar 18, perquè cinc no tenien cap responsable accessible. Van anar a un arxiu en espera en lloc de ficar-los de farciment per arribar a una xifra.

No apileu indicadors indirectes com a filtres durs. Ritme de creixement, finançament, dispersió de l’stack i mida de l’equip comercial són notes de priorització a la fila. Convertiu-los en filtres i el volum s’enfonsa mentre encara esteu comprovant si el senyal principal funciona.

Aquestes regles costen volum, i aquesta és la idea. En una tanda, un senyal estructural va donar 7 comptes qualificats de 101 candidats ben indexats, i 3 van superar el requisit de persona. Més o menys un 3 per cent. Sembla un fracàs fins que poseu preu a l’alternativa: de 500 a 550 trucades per reunió agendada.

Una última regla que sembla trivial i no ho és: un cop definida l’etiqueta d’un nivell, no la redefiniu mai. Afegiu els nous subsenyals amb etiquetes noves. Si el nivell 1 significa una cosa diferent al març que al juny, no podreu saber mai quin senyal aconsegueix reunions.

Connecteu-ho al CRM o és un full de càlcul

Una llista ordenada és una foto fixa. Tres mesos després, la meitat no s’ha tocat mai i ningú no sap dir si l’ordre continua sent vàlid. El scoring es converteix en un sistema només quan decideix les assignacions:

• Intenció registrada a partir de l’únic comportament real que produeix un lead fred: la resposta. High 10 per a una petició de demo o reunió, Medium 5 per a una acció de preus o de lead magnet, Low 1 per a una resposta irrellevant. Normalitzeu-la perquè l’encaminament sigui determinista: una resposta positiva dins de la finestra va a l’AE o a l’SDR, una de negativa se suprimeix, i molta exposició sense resposta es pausa i es recicla.
• El nivell visible al registre com a Hot, Warm, Consider o Ignore, perquè el rep vegi una decisió i no un número que no sap explicar.
• El nivell viatjant com a propietat abans de l’enrichment, perquè enriquiu per nivell i deixeu de pagar per enriquir comptes que no anàveu a treballar mai. La qualificació és la columna més barata i l’enrichment la més cara. Poseu-les en aquest ordre.
• Res no s’escriu al CRM sense un email verificat. Aquest filtre protegeix la reputació d’enviament i el mateix score.
• SLA imposat per automatització, no per la vigilància del rep. El que queda sense tocar dins de la finestra genera una alerta i es reencamina, el que no té activitat en 24 hores s’escala, i cada assignació porta data i hora, així que "aquest no el vaig veure" passa a ser un esdeveniment mesurable en lloc d’una arronsada d’espatlles.
• Data, canal i nom de campanya del primer i l’últim contacte sincronitzats en directe des de les eines d’outbound i verificats amb un contacte de prova. Sense aquesta capa de captura podeu puntuar i encaminar a la perfecció i no saber mai quin senyal va generar ingressos.

Com és fer-ho bé

Dues comprovacions, i són les úniques per les quals val la pena discutir.

El backtest: el vostre 10 per cent de leads més ben puntuats hauria de correspondre com a mínim al 80 per cent del closed-won. Puntueu el lead tal com era quan era un lead, no com es veu avui el registre després de tancar el deal i enriquir-ho tot. Entreneu amb el registre posterior al tancament i construireu un model que prediu el passat a la perfecció i el futur gens ni mica.

El control de qualitat: el 100 per cent dels leads nous puntuats i encaminats dins de l’SLA, un registre de seguiment de 30 dies i una auditoria manual del top 50. Si una persona no pot explicar per què el top 50 és el top 50, els reps no es refiaran del número, i un score en què ningú no confia és pitjor que no tenir score, perquè continua costant diners mantenir-lo.

Hem construït versions d’això dins de reconstruccions d’outbound com la de Device Solutions i de projectes d’encaminament com el d’Elesa+Ganter. El patró es repeteix en tots dos casos: el scoring és la part fàcil. Decidir què compta com a evidència, i negar-se a endevinar quan falten dades, és la feina de debò.

Si la vostra llista d’outbound es treballa en l’ordre d’exportació perquè el model de scoring no tenia res a dir-ne, és un problema de connexió, que s’arregla en setmanes i no en trimestres. Això és el que instal·la el nostre mòdul Lead Scoring & Routing Engine. Si abans voleu saber quant us costa l’ordre actual, comenceu per la GTM Maturity and Revenue Leak Assessment de 30 minuts.