İçeriğe geç

Sözlük

Büyüme ve Pazarlama

Lead Scoring (Potansiyel Müşteri Puanlama)

Lead scoring, şirket büyüklüğü ve unvan gibi uyum sinyallerini; ziyaretler, e-posta tıklamaları ve demo talepleri gibi etkileşim sinyalleriyle tek bir puanda birleştirerek potansiyel müşterileri satın alma olasılıklarına göre sıralama yöntemidir.

Güncelleme: · Hazırlayan: VIZIO AI ekibi

Lead scoring nedir?

Bir puan, tek bir operasyonel soruyu yanıtlamak için vardır: Satış ekibi önce hangi lead’lerle iletişime geçmeli, pazarlama hangilerini beslemeye devam etmeli? Puan olmadan satış temsilcileri ya her form doldurmanın peşine düşer ya da sezgilerine güvenir.

Puanlar genellikle iki boyutu birleştirir. Uyum, bir lead’in ideal müşteri profilinize ne kadar yakın olduğunu ölçer: sektör, şirket büyüklüğü, unvan, bölge. Etkileşim ise niyeti ölçer: fiyatlandırma sayfası ziyaretleri, webinar katılımı, e-posta tıklamaları, ürün kayıtları.

Üzerinde anlaşılmış bir eşiği geçen lead, pazarlama nitelikli lead (MQL) olur ve satışa aktarılır. Puanlama, yönlendirme ve uyarıları tetikleyebilmesi için CRM veya pazarlama otomasyonu platformunun içinde yer alır.

Bir lead scoring modeli nasıl kurulur?

İyi bir lead’in neye benzediğine dair görüşlerden değil, kazanılmış anlaşma (closed-won) verilerinden başlayın.

  1. Kazanımları analiz edin: son 12 ila 24 ayın kazanılan ve kaybedilen anlaşmalarını çekin, özelliklerini ve davranışlarını karşılaştırın.

  2. Puan atayın: örneğin hedef sektör için +20, direktör düzeyi unvan için +15, demo talebi için +25, fiyatlandırma sayfası ziyareti için +10, öğrenci e-posta alan adı için -20.

  3. Zamanla azalma ekleyin: etkileşim puanlarını zaman içinde düşürün; böylece altı ay önce aktif olan bir lead bu hafta aktif olan bir lead’in önüne geçmez.

  4. Eşiği belirleyin: MQL eşiği ve 24 saat içinde iletişim gibi takip SLA’sı konusunda satış ekibiyle anlaşın.

  5. Doğrulayın: her çeyrekte puan aralığına göre dönüşüm oranını kontrol edin; daha yüksek aralıklar belirgin şekilde daha iyi dönüşmelidir.

Tahmine dayalı puanlama, elle belirlenen puanların yerine aynı geçmiş sonuçlarla eğitilmiş bir model koyar.

Lead scoring pratikte nasıl görünür?

İki SDR’ının ayda yaklaşık 600 inbound lead aldığı ve bunları geliş sırasına göre aradığı 50 kişilik bir B2B İK yazılımı şirketini ele alın. Bu lead’lerin çoğu öğrenciler, iş arayanlar veya hedef pazarın dışında kalan çok küçük işletmelerdir.

Pazarlama ekibi bir HubSpot puanı oluşturur: 100 ila 2.000 çalışanı olan şirketler ve İK ya da people-ops unvanları için uyum puanları; fiyatlandırma ziyaretleri, vaka çalışması indirmeleri ve demo talepleri için etkileşim puanları; ücretsiz e-posta alan adları ve kariyer sayfası ziyaretçileri için negatif puanlar. Diyelim ki 60 ve üzeri puan alan lead’ler bir Slack uyarısıyla anında SDR’lara yönlendirilirken geri kalanlar bir nurturing dizisine giriyor.

Bu örnekte SDR’lar zamanlarını daha küçük ve daha nitelikli bir listeye ayırır; ekip de bir çeyrek sonra 60+ aralığının fırsata diğerlerinden belirgin şekilde daha yüksek oranda dönüştüğünü kontrol eder.

Lead scoring’in tuzakları nelerdir?

En yaygın başarısızlık, satış ekibinin güvenmediği ve bu yüzden görmezden geldiği bir puandır. Modeli satış ekibiyle birlikte kurun, puan kurallarını yayımlayın ve birlikte gözden geçirin.

  • Aktivite şişmesi: çok sayıda sayfa okuyan bir rakip veya iş arayan, gerçek bir alıcıdan daha yüksek puan alabilir; yüksek niyetli eylemlere hacimden daha fazla ağırlık verin.

  • Kur ve unut: ürünler, fiyatlar ve kanallar değiştikçe puanlar kayar.

  • Birey ve hesap: B2B’de aynı şirketten birkaç kişi tek tek ılık görünürken hesap bir bütün olarak açıkça satın alma sürecinde olabilir.

  • Çok az sonuç: yalnızca birkaç kapanmış anlaşmayla tahmine dayalı modeller aşırı uyum (overfitting) gösterir; kurala dayalı başlayın.

Lead scoring için hangi araçlar kullanılır?

Çoğu ekip CRM’ine veya pazarlama otomasyonu platformuna yerleşik puanlamayla başlar ve yalnızca gerektiğinde veri ya da model ekler.

  • Yerleşik puanlama: HubSpot lead scoring, Salesforce Account Engagement (eski adıyla Pardot), Marketo Engage.

  • Tahmine dayalı: Salesforce Einstein Lead Scoring, HubSpot predictive scoring, MadKudu.

  • Uyum verileri için zenginleştirme: Clearbit (artık HubSpot’un parçası), Apollo, ZoomInfo.

  • Özel: Python veya BigQuery ML ile kurulan ve sonuçları CRM’e geri yazan bir model.

Puanlama, talep yaratmanın (demand generation) bir parçasıdır: pipeline oluşturmaz, mevcut ilginin nasıl ele alınacağına karar verir.

Kurala dayalı ve tahmine dayalı lead scoring

Kurala dayalı puanlama

Tahmine dayalı puanlama

Puanlar nasıl belirlenir

Pazarlama ve satış tarafından manuel olarak

Geçmiş sonuçlardan öğrenilerek

Gereken veri

Az geçmiş veriyle çalışır

Çok sayıda kapanmış anlaşma gerektirir

Şeffaflık

Her puan görünürdür

Tek tek puanları açıklamak daha zordur

Bakım

Her çeyrek manuel gözden geçirme

Yeniden eğitim ve kayma (drift) izleme

En uygun olduğu durum

Erken aşamadaki veya düşük hacimli ekipler

Yüksek hacimli, veri açısından zengin hunilerde

VIZIO AI lead scoring’e nasıl yaklaşıyor?

VIZIO AI, iç performans verilerini dış sinyallerle birleştirerek önceliklendirmeyi satış ekiplerinin zaten kullandığı araçlara yerleştirir. ABD merkezli küresel bir premium alkollü içecek şirketi için DX Studio, satış geçmişini Google destekli restoran verileriyle birleştiren; potansiyel müşteri değeri, tekrar değeri ve beyaz alan (whitespace) için hesaplanmış metrikler içeren etkileşimli bir satış zekâsı paneli geliştirdi.

Mobil öncelikli araç hedef dönüşüm isabetini %23 artırdı, temsilci başına haftada 3,4 saat tasarruf sağladı ve kilit pazar satış hacminde %17’lik büyümeyi destekledi. ABD’de bölgesel bir HVAC ve tesisat hizmeti sağlayıcısı için Growth Studio, lead kalitesini ve lead başına maliyeti izleyen bir reklam performansı analitik platformunda Google Ads, CRM ve çevrimdışı lead’leri birbirine bağladı ve manuel raporlama eforunu %60 azalttı.

Nereden başlamalı: Son 50 kazanılan ve 50 kaybedilen anlaşmanızı karşılaştırın ve en çok farklılaşan beş özelliği listeleyin.

Facebook logosu
X logosu
LinkedIn logosu
Reddit logosu
Telegram logosu

Önce yapay zekâyı düşünün.
Geleceğin hızında ilerleyin.

Sıradakini birlikte inşa edelim! Ürün fikirlerinden akıllı iş akışlarına, veri odaklı sistemlerden ölçeklenebilir büyüme operasyonlarına kadar.

Strateji Görüşmesi Planlayın