理想客户动态追踪，B2B线索评分新策略

今天聊个线索评分的事，B2B的leads线索评分，说白了就是将小麦和谷壳分开，采割已成熟的麦穗，而未成熟的仍然需要去观察或直接放弃。

首先明确我们为什么需要线索评分？

销售面对海量线索时只凭主观经验跟进，容易出现投入不合理、转化效率低等问题
线索不分层，市场营销方向不明确，推动不了精细化营销
客户在不同阶段，会有不同的认知不同的决策
市场在不同发展阶段，会有不同的目标客户

我们引入线索评分机制，就是为了给线索实现差异化管理，辅助销售“指哪打哪”和市场做营销决策的。

可以排列销售线索跟进顺序，也可以帮助市场营销和销售人员识别潜在客户在销售旅程中的位置，也能够倒逼企业清晰定义目标客，更重要的是，在某种程度上统一市场和销售的KPI标准，让两个部门的协作更加顺畅。

线索打分，也是市场和销售相互认识认可的过程，有助于实现营销协同，营销和销售团队可以就合格线索的构成元素达成共识，分值表确定后，讨论区分不同分值线索哪些可以由营销转入销售，哪些需要进一步培育孵化。其实两个部门间的矛盾根源大多在于没有形成统一的视角，通过线索评分，市场和销售之间的协作可实现对线索的高效管理的。

如何选择设计线索评分机制？

1、先建立一个双维度模型

基于系统，一种常见的评分模型，比较直观。

1）维度选择

用户信息数据：从表格或电话中获得的真实信息，这包括公司规模、行业、地理区域等信息
用户行为数据：基于系统采取的线索行为数据，例如提交表格或下载白皮书

线索将线索的显性数据和隐性数据结合，确定两条最优的评分维度：

用户信息评分：身份维度的线索打分，潜客是什么样人，由决定匹配度的数据体现，如职务、行业规模和公司收入
用户行为评分：行为维度的线索打分，潜客的兴趣度为何，由决定参与度的数据体现，如访问网站的频率以及对推广的响应度

2）评分设计

匹配度，给出A-D四个字母，A代表最匹配，表示线索与身份评分标准的匹配程度
参与度，给出1-4四个数字，1代表最高参与度，表示线索符合参与度评分标准的程度。

构建一个表格，根据个人资料匹配度和参与度的组合来描述潜在客户的总体评级。等级从 A 到 D，接合等级从 1 到 4，A1 最合格，D4 最不合格，可以直接可视化营销线索了

这样看起来可以去给线索打分了吗，不感觉少了点啥？

2、双维度数据评分，还不够

在实际的B2B商业中，仅仅通过系统获取的信息+行为，是不够的，而且还有有一些系统机器难评分的因素，比如：

客户的对接是直接线下联系销售
客户的认知是会改变的（今天不认可你家产品，过段时间因为这样那样的原因，会改变想法）
下载资料加入社群的人，并不是为了购买做决策的客户，而是同行或者学习研究的人。
在B2B会议活动情景，客户的系列行为动作，如报名了活动却没有来参加的情况
虽然企业规模很大，后续销售跟进才知道，预算紧张，暂时只是看看不需要买
客户虽然下载了资料也申请了演示，但已经过去14天了，线索得重新打分，不能算高分

所以仅仅靠系统获取的数据不是衡量一切线索高低分的标准，维度上还需要纳入动态的、会议营销、线索周期等因素。

3、增加数据维度

活动事件：

如注册报名、出席参加or注册报名、没有出席参加

互动时间：

如最后一次网站最后互动时间是否超过14天

最后一次邮件打开时间是否超过14天

最后一次演示时间是是否超过14天

4、融入漏斗模型

与动态的客户生命周期数据相结合，生成漏斗评分模型，加入动态的维度，对于整个客户线索的识别会更加完整更加立体。

基于以上思考，我的评分模型设计

已有维度上结合了正面和负面两个经度，方面作为对照使用，筛选用户价值更加清晰。

整体思路为：线索引入后，系统依据线索评分规则，进行线索评分，最终，将高质量线索下发，低质量线索再培育；线索评分模型主要由业务维度、漏斗周期阶段两部分构成。从线索来源渠道、人员信息、企业规模、公司类型、所属行业等维度，每条结合赋值分数，整合计算线索得分，再确定所在漏斗阶段，安排线索处理手段。

在整个模型中，会把每一种产生的动态交互事件记录下来，对应好分值，每个客户在漏斗的下沉过程中伴随着不同的营销动作。

有需求的可以直接下载B2B线索评分模型，B2B不同的获客场景会存在差异化，要学会灵活应用，可以结合自身业务场景进行调整设计，切忌生搬硬套。

如何实践中持续优化评分模型？

评分模型搭建起来了，接下来就是跟进实践测试了。

因为B2B行业不同，业务场景不同，评分的因素“超纲”太多时，可能很难确定哪些因素实际怎么定义分数。

我罗列一些线索评分实践调整方法：

尽量记录描述MQL线索发生了什么（筛选一些线索出来），从培养到销售对接。
评估和量化线索评分对销售工作的影响，线索评分和转化成交是否成正比、来自市场部的线索客户占销售成交客户多少比例。
如果市场营销仅根据新线索来评分，改变方法追求更多高分的老线索客户可能会更好的增加成交。
市场与销售建立线索流转标准，指定后续跟进的时间范围。例如，高分线索应在 24 小时内跟进，而中低分线索应在 48 小时内跟进。
根据潜在客户处置提供标准化销售后续备选方案，包括系统自动培养计划，可以对潜在客户进行培育，直到它可以再次由销售对接。
定期重新评估评分机制，要确定评级是否真正反映了线索质量，将销售的反馈和接受程度视为衡量评分机制健康状况的指标。
如果面未知因素，通过假设测试，对模糊的信息因素进行打高分，转发销售，观察后续转化，通过假设和经验我们可以初步建立起分数阀值和各个模糊因数的分值，通过后续的不断总结以及与销售的沟通，建立起一个科学的线索评分模型。

如何发挥评分模型最大效能？

对于一些线索评分机制不能捕捉到的因素，如个性化客户需求、潜在客户可培育、决策人多样化等情况，

所以只靠一套线索评分模型跑完评分全流程不是万能的，搭配线索跟进表使用更佳。

我的补充建议是，手动将低分线索归入池内，重新让市场运营或者销售过一遍。

比如决策层是多个人的情况，让销售多去跑跑，摸清楚决策权重再下手。
比如客户自我需求不明确，让售前去对接梳理过一遍，没准还是能创造出强需求的。
比如预算目前不够但需求强意愿强，划入待培育线索池，销售保持联系。

首先，这个漏斗池的最顶端，就是线索流资后进入到的leads阶段，根据多纬度来处理这些线索，没有被进一步增分的话，就会继续留在漏斗顶部lead池里，然后，符合条件的会进入漏斗中部的MQL池里，再被分配给销售，这条MQL会就在线索跟进表内进行同步追踪。如果在漏斗中部被判定为目前不合适，那么它就会继续留存在原位置中，市场部运营或者SDR去做一些定期的联系和激活。

那被销售认可或跟进的线索，会自然转化为漏斗底部的SQL，销售可以对其进行一段时间的跟进，如果发现这些SQL转化失败，它也会重新回到MQL阶段，继续培育评分。

持续追踪，不放过每一个线索，每一个线索都是有价值的，毕竟线索也是真金白银带来的。

自动化系统实现评分模型无缝集成

线索海量涌来，B2B市场千变万化，手忙脚乱，导入系统后又不支持自定义规则，真正的自动化评分难落地，那怎么能促进线索在企业市场和销售之间高效流转转化呢。

MarketUP是一个将市场获客、销售转化和私域培育工作相互联动的自动化应用系统，发力于收集和分析客户数据，追踪客户互动，自动进行线索评分。为了推动实施线索评分高效化，可在MarketUP后台自主配置，系统自动追踪。