Redija um modelo de lead scoring documentado, fundamentado no histórico real de conversão do seu CRM: atributos ponderados, limites claros de MQL e SQL, e um lead real pontuado como exemplo prático.
Redija um modelo de lead scoring para [produto] usando os dados de negócios ganhos do nosso CRM: atributos ponderados em uma escala de 100 pontos, limites de MQL e SQL, e um lead recente pontuado como exemplo prático.
Um exemplo ilustrativo. Seu resultado vai refletir suas fontes, dados e pedidos.
Baseei os pesos nos últimos 12 meses de negócios ganhos no seu CRM conectado: 214 conversões. Senioridade e visitas à página de preços previram conversão com muito mais força do que setor ou aberturas de e-mail, e os pesos refletem isso.
O modelo pontua cada lead em 100 pontos distribuídos por seis atributos. Fit de senioridade carrega o maior peso, com 25 pontos, seguido de visitas à página de preços e atividade de demo ou webinar com 20 cada: esses três sinais apareceram em mais de 80% dos seus negócios ganhos.
Pesos dos atributos: escala de 100 pontos
Exemplo prático: um lead criado na terça-feira, pontuado linha a linha.
| Atributo | Priya Nair, Diretora de Operações na Meridian Logistics | Pontos |
|---|---|---|
| Fit de senioridade | Nível de diretoria, operações: match exato com o ICP | 25 / 25 |
| Visita à página de preços | Visitou preços duas vezes esta semana | 20 / 20 |
| Demo ou webinar | Inscreveu-se no webinar mas não compareceu | 0 / 20 |
| Fit de porte da empresa | 240 colaboradores, dentro da faixa-alvo de 100–500 | 15 / 15 |
| Fit de setor | Adjacente (3PL) em vez do frete principal | 5 / 10 |
| Engajamento de e-mail | Abriu 4 dos últimos 6 envios, um clique | 6 / 10 |
Priya pontua 71, um MQL claro, a quatro pontos do SQL. Um agendamento de demo ou uma presença em webinar a empurra acima de 75, que é exatamente o que o próximo e-mail de nutrição dela deveria oferecer.
Quer que eu pontue os leads desta semana contra o modelo, ou teste quantos qualificariam com um limite de MQL de 60 pontos?
Modelo de Lead Scoring analisa o histórico de negócios ganhos do seu CRM para ver quais atributos realmente precederam a conversão, e então redige um modelo de scoring completo: atributos ponderados em uma escala de 100 pontos, limites de MQL e SQL definidos em pontos reais de virada de conversão, e um exemplo prático para todos verem a matemática.
Aponte Joy para o seu CRM conectado ou adicione um arquivo de histórico de leads à Knowledge Center. O que importa é quais leads converteram e o que você sabia sobre eles antes.
Nomeie o produto ou segmento e peça um modelo de 100 pontos com limites de MQL e SQL. Adicione regras da casa de saída ("concorrentes sempre pontuam zero") se tiver.
Receba os pesos dos atributos em um gráfico, os limites com as evidências de conversão por trás deles, e um lead recente pontuado linha a linha para que o modelo seja concreto, não abstrato.
Copie o modelo documentado para as regras de scoring da sua plataforma de automação de marketing e para a wiki do time, e use o exemplo prático na conversa de handoff entre vendas e marketing.
Salve este pedido como um comando personalizado no assistente do seu time. Comece pelo modelo Marketing, personalize com suas próprias fontes e linguagem, e qualquer pessoa do time executa com um clique.
O peso de cada atributo reflete quão fortemente ele precedeu a conversão nos seus próprios dados, não um template que alguém publicou em 2019.
Os cortes de MQL e SQL caem onde as taxas de conversão realmente saltam no seu histórico, então as linhas significam algo.
Qualquer lead pontuado linha a linha sob demanda, a forma mais rápida de resolver um debate de 'por que este qualificou?'.
Mude um peso ou limite no chat e veja como o volume de leads do mês passado teria qualificado sob as novas regras.
Pontue contas em vez de leads individuais para movimentos de ABM, com intenção e engajamento consolidados por conta.
Adicione deduções de pontos para desqualificadores (estudantes, concorrentes, domínios de e-mail gratuito) para limpar a fila de MQLs.
Defina como os pontos comportamentais expiram, para que uma visita à página de preços em março não infle um lead em setembro.
Rode seu modelo atual contra dados recentes de negócios ganhos e encontre os pesos que não merecem mais seus pontos.
Um modelo de lead scoring atribui pontos aos atributos e comportamentos de um lead (cargo, porte da empresa, visitas à página de preços) e usa limites para decidir quem é qualificado por marketing (MQL) ou por vendas (SQL). O JoySuite redige o modelo a partir do histórico de conversão do seu CRM, em vez de templates genéricos.
Joy compara seus negócios ganhos com leads que nunca converteram e pondera cada atributo pela força com que ele separou os dois grupos. Cada peso na saída vem com sua evidência, então o modelo é algo que seu time pode inspecionar e questionar.
Nos níveis de pontuação em que as taxas de conversão realmente saltam no seu histórico, não em números redondos. No modelo redigido, cada limite cita seu ponto de virada (por exemplo, a conversão subindo de 4% para 19% na linha do MQL), então os cortes são defensáveis.
Não. Joy redige e documenta o modelo, pontua leads individuais sob demanda no chat e repontua exemplos quando você muda um peso. Você copia as regras finais para a sua plataforma de automação, que faz a pontuação contínua em escala.
Revise a cada dois ou três trimestres, ou depois de qualquer coisa que mude seu funil: novo preço, novo segmento, novo produto. Como Joy reconstrói a partir dos dados atuais do CRM sob demanda, uma atualização é um pedido em vez de um projeto de várias semanas.
Entre na lista de espera e seja o primeiro a experimentar este fluxo de trabalho quando o JoySuite for lançado.