Ah, il Lead scoring e il valore delle lead; se avessi un euro per ogni volta che l'abbiamo visto realizzato - realizzato bene - in un'azienda avrei... un euro.
Sì perché - almeno nella mia limitata esperienza - il lead scoring è materia che si porta dietro un curioso alone di mistero, come per quei castelli da brivido nei quali non si è mai capito se ci dimora un vero fantasma o trova spazio solo la fantasia "marketing" degli abitanti del villaggio, fantasia di cui tutti parlano ma che nessuno ha mai verificato.
Nella maggior parte dei casi, quindi, si "parla", di lead scoring. Anche molto. Il motivo è piuttosto intuibile: sarebbe l'applicazione di una misura numerica alla probabilità che un potenziale cliente compri dalla nostra azienda; calcolo fatto sulla base di una somma (o sottrazione) di fattori.
Ah, la bellezza iconica e intramontabile della matematica! ("Mille milaaaa" cit.).
Peccato che rendere numero dei comportamenti digitali guidati da emozioni non sia affatto semplice. E non si pensi che sia materia "di quelli del marketing" o affare del solo - povero - direttore commerciale.
Nossignori. È argomento che riguarda tutto il pubblico dell'azienda e ne va - ça va sans dire - della qualità del lavoro dei team deputati alla crescita. Se hai un attimo di tempo, proviamo a rifletterci qualche minuto.
PERDERE GLI ARTICOLI DI OFG È UN ERRORE CLAMOROSO? ISCRIVITI ALLA NEWSLETTER
Cos'è un Lead Score?
Non so se esista una definizione ineccepibile del concetto di lead score.
Alcuni parlano di un modello che aiuta a capire quali sono i prospect più propensi ad un acquisto lungo il funnel di vendita o altri lo descrivono come un "processo di classificazione della prontezza di vendita di un lead utilizzando una metodologia predeterminata".
HubSpot definisce il lead scoring come "il processo di assegnazione di valori, spesso sotto forma di 'punti' numerici, a ogni lead che si genera.
Si può assegnare un punteggio ai lead in base a diversi attributi, comprese le informazioni professionali fornite, l'ingaggio con il sito web e - più in generale - con il brand.
Questo processo aiuta i team di vendita e di marketing a dare priorità ai lead, a rispondere loro in modo appropriato e ad aumentare il tasso in cui questi lead diventano clienti".
Come costruire il lead scoring
Come si arriva a un lead score o a un modello di Lead-Scoring?
Ecco il motivo per cui - battuta a parte - potrei tranquillamente restare senza un euro: non esiste un unico modello copia-incolla di lead scoring. Anzi. Il lead scoring deve essere diverso da azienda ad azienda.
Ok, ci sono delle regole generali, ci sono delle valutazioni che valgono più o meno per tutti ma non esiste la regola d'oro, se non la pratica e la sperimentazione.
Si può iniziare "facile facile" e alzare il livello di complessità man mano. Proviamo a fare proprio così.
In una prima fase, iniziamo con le informazioni demografiche. Queste informazioni sono raccolte quando i clienti compilano i form o quando i consulenti di vendita parlano per la prima volta con i clienti. Senza dimenticare tutte le altre funzioni di lead registration disponibili nei blog.ofg.it/inbound-marketing-e-inbound-sales-differenze-ed-esempi-pratici
Sapere di avere a disposizione una gran quantità di informazioni non basta.
- Quali sono le più rilevanti?
- Quali sono quelle che descrivono meglio il cliente ideale?
- Grandi o piccole aziende?
- Organizzazioni di lungo corso o startup?
- Con quali ruoli va più d'accordo il tuo prodotto o servizio?
Il punteggio delle caratteristiche demografiche segue una regola intuibile: quello che si avvicina alle caratteristiche desiderate ha un punteggio alto, il resto no.
Tante caratteristiche in linea con il profilo ideale uguale (=) somma dei punti assegnati alle caratteristiche positive.
Per ogni caratteristica lontana dall'ideal customer profile o dalla buyer persona: meno, meno, meno, meno. Somma algebrica quindi.
Se ci si volesse limitare ai dati demografici, potremmo anche aver finito. Ma siccome noi siamo ingordi di precisione (ahahah e fa già ridere così), diciamo che possiamo anche aggiungere allo scoring anche i dati dinamici del comportamento sul sito web (pagine visitate, click ecc) e nel blog, se ne disponiamo.
In agenzia e con diversi clienti abbiamo tolto punti a quelle lead che arrivano con le cosiddette free-email: gmail, hotmail e compagnia cantante. Se torneranno con una mail aziendale, sistemeremo con il nostro algoritmo numerico.
Pagine viste, visite di ritorno, tempo speso in pagina, bounce rate, utilizzo della chat, visita alla pagina prezzi sono altri parametri da prendere in esame.
Non è detto poi che la somma sia necessariamente fatta da numeri piatti: si potrebbero incrementare i "delta" di valore se invece di un download, l'utente ne faccia due o più, dando - per esempio - un punteggio di 2 alla singola operazione e di 5 dalla seconda in poi.
Non dimenticare poi le email e i canali social, valutandone la loro misurabilità: visualizzazioni, aperture, click sono parametri che valgono sia in addizione, sia in sottrazione.
Lead scoring calcolato: e adesso?
Bella domanda!
Una risposta è piuttosto facile e sicuramente ci avrai già pensato: chi ha il punteggio più alto, merita tutta l'attenzione dei consulenti di vendita. Il loro tempo, infatti, è limitato e il lead scoring ha la nobile funzione di migliorare la qualità del lavoro dei sales e aumentare i tassi di conversione. Se così non accadesse, vorrebbe dire che l'algoritmo di lead scoring è stato fatto male o in modo incompleto.
Il lead scoring, insieme alle notifiche e ai form, è un campanello che suona molto forte.
Un lead che ha visitato più volte il sito web, il blog, ha scaricato diversi contenuti e avuto un'interazione molto profonda con i contenuti aziendali ha un "peso specifico" decisamente maggiore rispetto a una persona che ha appena visitato il sito per la prima volta e ha passato solo 10 secondi su una pagina.
Se poi avanza tempo, si sentono tutti, ma la vita - commerciale - è una questione di qualità e di priorità.
Seconda risposta alla domanda: perché non usare il lead scoring per fare automazione? Piattaforme come HubSpot mettono a disposizione i workflow che - di norma - servirebbero ad aumentare il livello di interesse e di coinvolgimento della lead.
Perché non guidare il lettore attraverso delle e-mail inviate automaticamente a consultare dei video di approfondimento a partecipare a un webinar?
Come detto in altre situazioni, il lead Score può anche essere utilizzato al contrario e quindi il workflow può dequalificare il contatto e toglierlo dall'attenzione del consulente di vendita.
Un'altra idea è quella di utilizzare il lead Score per creare delle liste di contatti che non sono in target con la nostra azienda, che non hanno i requisiti per essere mantenuti all'interno del nostro database e che quindi dovranno essere, con il tempo, eliminati (parlo di igiene del dato).
Il lead Scoring è infine uno strumento molto utile ai marketer per poter capire almeno due cose: se i lead che si stanno attraendo sono (o non sono) in target con l'azienda e con gli obiettivi di crescita oppure se l'algoritmo di lead Scoring è stato disegnato in modo scorretto e deve essere rivisto.
Come applicare il lead score a tutte le lead
Se parliamo di applicabilità, devo darti una notizia un po' scomoda: calcolare il lead score a mano è pressoché impossibile, soprattutto se stiamo parlando di dati dinamici.
Sono troppi, infatti, i dati da calcolare e da imputare alla somma definitiva da attribuire a un contatto. Soprattutto, il dato deve essere sempre disponibile e quindi non è possibile ipotizzare un lavoro manuale per questo tipo di attività. Cosa ti serve? Si, hai bisogno della marketing automation e di un sistema CRM per configurare il lead scoring.
Fai pure tutte le valutazioni del caso e se pensi che sia una buon idea, in linea con i tuoi budget, inizia a valutarne la selezione. Se vuoi parlarne con noi, ci siamo e ti possiamo guidare in questo senso.
Fatta la scelta del software di automazione, è possibile importare l'algoritmo di lead Score all'interno della piattaforma. Il processo, in questo caso, è reso particolarmente semplice dal software, che richiede solo l'identificazione dei comportamenti che interessano al calcolo del punteggio e dei relativi dati a cui assegnare un punteggio.
È quindi molto più dispendioso - in termini di tempo - ragionare sui parametri di addizione e sottrazione piuttosto che implementare le proprie scelte in piattaforma.
Non fare però l'errore di banalizzare il calcolo ed iniziare subito ad aggiungere e a togliere punti sulla base di parametri che devono avere un "peso" nella somma complessiva.
Noi, poi, ti parliamo sempre di scelte data driven quindi non posso dimenticare di dirti di impostare un modello di testing ripetitivo, che ti costringa a verificare il lavoro che hai impostato almeno ogni 15 giorni.
Se i primi risultati ti confortano, ha senso a questo punto sottoporre il risultato dell'operazione matematica alla direzione commerciale e vendite per capire se ti sei mosso nella direzione corretta.
Mio consiglio, è preferibile parlarne prima di spendere ore a pensare a cosa può essere sommato o sottratto da un valore ideale per il cliente perfetto.
Completato anche questo periodo di testing è una buona idea capire quali delle lead in target sia stata chiusa come opportunità di vendita qual è stato il tempo medio di gestione della trattativa e quale ne è il valore.
Queste informazioni, infatti, saranno molto utili per correggere l'algoritmo di calcolo oppure per potenziare i parametri che contribuiscono al risultato finale: considera il tempo il valore medio di chiusura delle migliori trattative e raffrontalo con i dati che derivano dal lead score.
Dopo quattro o cinque mesi di lavoro, le lead con il lead Score più alto dovrebbero essere quelle che contribuiscono a migliorare la media complessiva di vendita. In caso contrario torna sull'algoritmo e rivede i parametri di valutazione.
