امتیازدهی سرنخ (Lead Scoring) چیست؟ چطور تیم فروش اول سراغ سرنخهای داغ برود
نویسنده: بهنام سلطان رضایی
- محقق و متخصص هوش مصنوعی، رئیس هیات مدیره شرکت کارن تکنولوژی
وقتی هر روز دهها سرنخ از سایت، تماس و نمایشگاه میرسد، تیم فروش معمولاً به ترتیب ورود سراغشان میرود. نتیجه این است که سرنخ آماده خرید پشت سرنخهای کمعلاقه منتظر میماند. امتیازدهی سرنخ (Lead Scoring) به هر سرنخ یک عدد میدهد تا تیم بداند اول با چه کسی تماس بگیرد.
محصول آماده کارن تکنولوژی
این را روی داده واقعی کسبوکار خودتان ببینید
آنچه در این مقاله میخوانید، در محصولات کارن پیادهسازی شده است. در جلسه دمو، همان را روی داده و فرآیند خودتان اجرا میکنیم.
درخواست دمو رایگان یا تماس بگیرید: ۰۲۱-۸۸۶۱۴۲۸۲در این صفحه
امتیازدهی سرنخ چیست
امتیازدهی سرنخ روشی است برای رتبهبندی سرنخها بر اساس احتمال خرید. امتیاز معمولاً عددی بین صفر تا صد است و سرنخها بر اساس آن به دستههایی مثل داغ، گرم و سرد تقسیم میشوند. هدف، کم کردن تماس با سرنخهای کماحتمال نیست؛ این است که سرنخهای پراحتمال زودتر و با کارشناس درست تماس بگیرند.
دو جزء امتیاز: تناسب و رفتار
| جزء | سؤال | نمونه |
|---|---|---|
| تناسب (Fit) | این سرنخ شبیه مشتریان خوب ماست؟ | صنعت، اندازه شرکت، منطقه، سمت فرد. |
| رفتار (Engagement) | چقدر علاقه نشان داده است؟ | درخواست دمو، دانلود کاتالوگ، بازدید صفحه قیمت، پاسخ به ایمیل. |
سرنخی که تناسب بالا و رفتار بالا دارد، داغ است. تناسب بالا با رفتار پایین، نیاز به پرورش دارد. رفتار بالا با تناسب پایین، ممکن است مشتری مناسبی نباشد، هرچند علاقهمند است.
قاعدهمحور یا پیشبینیمحور
| قاعدهمحور | پیشبینیمحور (مدل یادگیری ماشین) | |
|---|---|---|
| چطور | امتیاز با قاعدههای دستی: مثلاً درخواست دمو ۳۰ امتیاز. | مدل از سرنخهای قبلی که برده یا باخته شدهاند یاد میگیرد. |
| مزیت | ساده، شفاف و بدون نیاز به داده زیاد. | الگوهایی را میبیند که در قاعده دستی دیده نمیشوند. |
| محدودیت | وزنها حدسیاند و با تغییر بازار کهنه میشوند. | به تاریخچه کافی و ثبت منظم نتیجه فرصتها نیاز دارد. |
| مناسب برای | شروع، یا وقتی تاریخچه کافی نیست. | سازمانی با چند صد فرصت بستهشده و ثبت منظم. |
AUC به زبان ساده
دقت مدلهای امتیازدهی معمولاً با شاخصی به نام AUC گزارش میشود. سادهترین تعبیرش این است: اگر یک سرنخ که بعداً خرید کرد و یک سرنخ که نخرید را تصادفی انتخاب کنیم، AUC احتمال این است که مدل به اولی امتیاز بیشتری داده باشد. AUC برابر ۰٫۵ یعنی مدل از شیر یا خط بهتر نیست و هرچه به ۱ نزدیکتر باشد، رتبهبندی بهتر است.
سرنخهای داغ را زودتر پیدا کنید
در دموی داتیک، مسیر سرنخ از فرم سایت تا امتیازدهی و تخصیص به کارشناس را روی سناریوی شما نشان میدهیم.
آستانه و قرارداد با فروش
امتیاز وقتی ارزش دارد که به یک اقدام وصل باشد. بازاریابی و فروش باید روی اینها توافق کنند:
- ☐ از چه امتیازی سرنخ «داغ» است و مستقیم به کارشناس فروش میرود.
- ☐ سرنخ داغ تا چه مدت باید اولین تماس را بگیرد.
- ☐ سرنخ گرم با چه برنامهای پرورش داده میشود.
- ☐ اگر کارشناس سرنخ داغی را رد کرد، علت ثبت شود تا مدل یا قاعدهها اصلاح شوند.
مسیر خودکار از ثبت فرم تا کارشناس، شامل دستهبندی و امتیازدهی، در اتصال فرم سایت به CRM آمده است.
داده لازم برای شروع
پایه هر مدل پیشبینی، تاریخچه فرصتهای فروش با نتیجه مشخص، یعنی برده یا باخته، است. هرچه این تاریخچه طولانیتر و ثبت آن منظمتر باشد، نتیجه قابل اتکاتر است. اگر نتیجه فرصتها و منبع سرنخها ثبت نمیشود، از قاعدهمحور شروع کنید و همزمان ثبت را درست کنید.
اینکه داده چطور برای هوش مصنوعی آماده میشود، در کیفیت داده CRM پیش از هوش مصنوعی آمده است.
اشتباههای رایج
- امتیاز ساخته میشود ولی هیچ قاعدهای نمیگوید با آن چه کنیم.
- وزن قاعدهها یک بار تعیین و هرگز بازبینی نمیشود.
- رفتار کهنه، مثل بازدید شش ماه پیش، همان وزن رفتار دیروز را دارد.
- فقط رفتار دیده میشود و سرنخهای پرسروصدا ولی نامناسب جلو میافتند.
- نتیجه سرنخها ثبت نمیشود، پس هیچوقت معلوم نمیشود امتیاز درست کار کرده یا نه.
نمونه صنعتی امتیازدهی چندکاناله را در امتیازدهی سرنخ در بانک و اثر آن بر قیف را در قیف فروش چیست ببینید.
پرسشهای متداول
روشی برای رتبهبندی سرنخها بر اساس احتمال خرید، معمولاً با عددی بین صفر تا صد، تا تیم فروش اول سراغ سرنخهای پراحتمال برود.
از دو جزء: تناسب، یعنی شباهت سرنخ به مشتریان خوب مثل صنعت و اندازه شرکت؛ و رفتار، یعنی میزان علاقه مثل درخواست دمو، دانلود کاتالوگ و بازدید صفحه قیمت.
در قاعدهمحور، امتیاز با قاعدههای دستی ساخته میشود. در پیشبینیمحور، یک مدل یادگیری ماشین از سرنخهای قبلی که خرید کرده یا نکردهاند یاد میگیرد. اولی سادهتر است و دومی به تاریخچه کافی نیاز دارد.
احتمال اینکه مدل به یک سرنخ خریدار امتیاز بیشتری از یک سرنخ غیرخریدار بدهد. ۰٫۵ یعنی تصادفی و هرچه به ۱ نزدیکتر باشد، رتبهبندی بهتر است.
تاریخچه فرصتهای فروش با نتیجه مشخص، منبع هر سرنخ و ویژگیهای آن. هرچه ثبت منظمتر و تاریخچه طولانیتر باشد، مدل قابل اتکاتر است.
سرنخی که امتیازش از آستانه توافقشده بین بازاریابی و فروش بالاتر است و باید سریع، معمولاً در همان روز، با کارشناس فروش تماس بگیرد.
ماژول فروش داتیک، که با نام پلتفرم فروش هوشمند هم شناخته میشود، سرنخها را بر اساس احتمال خرید رتبهبندی میکند و مدل امتیازدهی آن به AUC بالای ۰٫۹۰ رسیده است.



