Redigi un modello di lead scoring documentato e ancorato alla storia di conversione reale del tuo CRM: attributi pesati, soglie MQL e SQL chiare e un lead reale valutato come esempio pratico.
Prepara un modello di lead scoring per [prodotto] usando i dati closed-won del nostro CRM: attributi pesati su una scala di 100 punti, soglie MQL e SQL, e un lead recente valutato come esempio pratico.
Un esempio illustrativo: il tuo risultato dipenderà dalle tue fonti, dai tuoi dati e dalle tue richieste.
Ho basato i pesi sugli ultimi 12 mesi di deal closed-won nel tuo CRM collegato: 214 conversioni. Seniority e visite alla pagina prezzi hanno predetto la conversione molto più fortemente di settore o aperture email, e i pesi lo riflettono.
Il modello valuta ogni lead su 100 punti attraverso sei attributi. Il fit di seniority porta il peso maggiore con 25 punti, con le visite alla pagina prezzi e l'attività demo o webinar a 20 ciascuna: questi tre segnali erano presenti in oltre l'80% dei tuoi deal closed-won.
Pesi degli attributi: scala di 100 punti
Esempio pratico: un lead creato martedì, valutato riga per riga.
| Attributo | Priya Nair, Ops Director di Meridian Logistics | Punti |
|---|---|---|
| Fit di seniority | Livello director, operations: corrispondenza ICP esatta | 25 / 25 |
| Visita pagina prezzi | Ha visitato i prezzi due volte questa settimana | 20 / 20 |
| Demo o webinar | Registrata al webinar ma non ha partecipato | 0 / 20 |
| Fit dimensione azienda | 240 dipendenti, dentro la fascia target 100–500 | 15 / 15 |
| Fit di settore | Adiacente (3PL) invece che freight core | 5 / 10 |
| Engagement email | Ha aperto 4 degli ultimi 6 invii, un clic | 6 / 10 |
Priya totalizza 71, un MQL chiaro, a quattro punti dall'SQL. Una prenotazione demo o una partecipazione a un webinar la porta oltre 75, che è esattamente ciò che la sua prossima email di nurture dovrebbe offrire.
Vuoi che valuti i lead di questa settimana con il modello, o che testi quanti si qualificherebbero con una soglia MQL a 60 punti?
Modello Lead Scoring guarda la storia closed-won del tuo CRM per vedere quali attributi hanno davvero preceduto la conversione, poi redige un modello di scoring completo: attributi pesati su una scala di 100 punti, soglie MQL e SQL fissate su veri punti di svolta della conversione, e un esempio pratico così tutti vedono i calcoli.
Punta Joy sul tuo CRM collegato o aggiungi un file con lo storico dei lead al Knowledge Center. Ciò che conta è quali lead hanno convertito e cosa sapevi di loro prima.
Indica il prodotto o il segmento e chiedi un modello a 100 punti con soglie MQL e SQL. Aggiungi le regole della casa fin dall'inizio ("i competitor prendono sempre zero") se le hai.
Ottieni i pesi degli attributi come grafico, le soglie con le evidenze di conversione dietro di esse, e un lead recente valutato riga per riga, così il modello è concreto, non astratto.
Copia il modello documentato nelle regole di scoring della tua piattaforma di marketing automation e nel wiki del team, e usa l'esempio pratico nella conversazione di passaggio tra vendite e marketing.
Salva questa richiesta come comando personalizzato sull'assistente del tuo team. Parti dal modello Marketing, personalizzalo con le tue fonti e il tuo linguaggio, e chiunque nel team potrà eseguirla con un clic.
Il peso di ogni attributo riflette quanto fortemente ha preceduto la conversione nei tuoi dati, non un template che qualcuno ha pubblicato nel 2019.
I limiti MQL e SQL cadono dove i tassi di conversione fanno davvero un salto nella tua storia, così le linee significano qualcosa.
Qualsiasi lead valutato riga per riga su richiesta, il modo più veloce per chiudere un dibattito su 'perché questo si è qualificato?'
Cambia un peso o una soglia in chat e vedi come si sarebbe qualificato il volume di lead del mese scorso con le nuove regole.
Valuta gli account invece dei singoli lead per le strategie ABM, con intento ed engagement aggregati per account.
Aggiungi detrazioni di punti per gli elementi squalificanti (studenti, competitor, domini di posta gratuiti) per pulire la coda MQL.
Definisci come scadono i punti comportamentali, così una visita alla pagina prezzi di marzo non gonfia un lead a settembre.
Confronta il tuo modello esistente con i dati closed-won recenti e trova i pesi che non si guadagnano più i loro punti.
Un modello di lead scoring assegna punti agli attributi e ai comportamenti di un lead (titolo di lavoro, dimensione azienda, visite alla pagina prezzi) e usa soglie per decidere chi è qualificato dal marketing (MQL) o dalle vendite (SQL). JoySuite redige il modello dalla storia di conversione del tuo CRM invece che da template generici.
Joy confronta i tuoi deal closed-won con i lead che non hanno mai convertito e pesa ogni attributo in base a quanto fortemente ha separato i due gruppi. Ogni peso nell'output arriva con le sue evidenze, così il modello è qualcosa che il tuo team può ispezionare e contestare.
Ai livelli di punteggio dove i tassi di conversione fanno davvero un salto nella tua storia, non su numeri tondi. Nel modello redatto ogni soglia cita il suo punto di svolta (per esempio, la conversione che sale dal 4% al 19% alla linea MQL), così i limiti sono difendibili.
No. Joy redige e documenta il modello, valuta singoli lead su richiesta in chat e rivaluta gli esempi quando cambi un peso. Tu copi le regole finali nella tua piattaforma di automation, che fa lo scoring continuo su larga scala.
Rivedilo ogni due o tre trimestri, o dopo qualsiasi cosa cambi il tuo funnel: nuovi prezzi, un nuovo segmento, un nuovo prodotto. Poiché Joy ricostruisce dai dati CRM attuali su richiesta, un aggiornamento costa una domanda invece di un progetto di più settimane.
Iscriviti alla lista d'attesa e sii tra i primi a provare questo workflow quando JoySuite sarà lanciato.