あなたの営業チームは、決して買わないリードに時間の67%を浪費しています。予測スコアリングがそれを解決します。
予測リードスコアリングは、過去のデータ、行動シグナル、企業属性を分析し、各リードに顧客へとコンバージョンする確率スコアを割り当てるAI活用の手法です。Salesforce EinsteinやHubSpotの予測スコアリングは、最もよく知られたエンタープライズ向け実装の2つです。
営業マネージャーが直感でポイントを付ける手動のリードスコアリングとは異なり、予測モデルは結果から継続的に学習します。たとえば、火曜日に料金ページを訪れたリードは金曜日に訪れたリードより40%高くコンバージョンするといった、人間が見落とすパターンを発見します。
問題は何でしょうか。従来の予測スコアリングには大量のCRMデータが必要で、モデルを学習させるには通常6か月から12か月分の受注案件と失注案件が求められます。中小企業やゼロから始めるチームにとって、これは現実的ではありません。だからこそ、レビューベースのスコアリングが根本的に異なるアプローチを提供するのです。
モデルは企業属性データ(企業規模、業種、所在地)、行動データ(ウェブサイト訪問、メール開封、コンテンツのダウンロード)、エンゲージメントデータ(会議への出席、返信までの時間)を取り込みます。サードパーティのバイヤーインテントデータを重ねると、予測精度を大幅に高められます。
機械学習アルゴリズムが過去の受注と失注を分析し、どの属性と行動の組み合わせがコンバージョンと相関するかを特定します。ここで「予測」の魔法が起こります。
新しいリードごとに、コンバージョンの可能性を表すスコア(通常は0から100)が付与されます。営業チームはスコアの高いリードを優先することで、チームの生産性を飛躍的に向上させます。
新たな案件が成約する(あるいはしない)たびに、モデルは自らを再学習します。スコアリングは時間とともに精度を増しますが、それは十分な件数とクリーンなデータがある場合に限られます。
ここからがセールスオートメーションにとって面白いところです。Vonselが対象ビジネスのグーグルレビューを分析すると、暗黙的なリードスコアとして機能するシグナルを抽出します。
あなたの製品が解決する問題に言及しているレビューはいくつあるでしょうか。設備の故障について15件の苦情があるジムは、フィットネス機器ベンダーにとってスコアの高いリードです。
そのビジネスはネガティブな方向に向かっていますか。6か月で評価が4.5から3.2に下がったレストランは、評価が安定している店よりソリューションへの投資に前向きです。
オーナーはレビューに返信していますか。積極的なオーナーは、あなたのアプローチに反応する可能性が高くなります。返信がない場合は、受け身または手一杯の経営状態を示唆します。
最近のレビューがある活発なビジネスは、営業し投資している状態です。12か月新しいレビューのない停滞したプロフィールは、閉業や低迷の兆候かもしれません。
| 要素 | 従来の予測スコアリング | レビューベースのスコアリング(Vonsel) |
|---|---|---|
| 必要なデータ | 6か月から12か月のCRM履歴 | 公開されているグーグルレビュー |
| セットアップ時間 | 数週間から数か月 | 数分 |
| コスト | 月額500ドルから5,000ドル以上 | Vonselプランに含まれる |
| 適している対象 | 大規模なCRMデータを持つエンタープライズ | 中小企業とローカルビジネス向けに販売するチーム |
| シグナルの種類 | 行動(ウェブサイト、メール) | 運営面(実際の顧客の課題) |
どちらのアプローチにも価値があります。成熟したCRMを持つエンタープライズチームは、従来の予測スコアリングから恩恵を受けます。しかし、レストラン、クリニック、サロン、ジムといったローカルビジネスに販売するなら、レビューベースのスコアリングはデータエンリッチメントとリードクオリフィケーションを一度に実現します。
無料トライアル