Tahmine Dayalı Lead Skorlaması Yapay zeka hangi lead'lerin dönüşeceğini nasıl bilir

Satış ekibiniz zamanının %67'sini asla satın almayacak lead'ler için harcıyor. Tahmine dayalı skorlama bunu düzeltir.

Otomasyon · Mar 2026 · 6 dk okuma

Önemli çıkarımlar

Tahmine dayalı lead skorlaması potansiyel müşterileri dönüşüm olasılığına göre sıralamak için yapay zekayı kullanır
Geleneksel skorlama aylarca CRM verisi gerektirir; yorum tabanlı skorlama ilk günden itibaren çalışır
Vonsel yorum analizi = örtük lead skorlaması gerçek işletme sorun noktalarına dayanır

Kavram

Tahmine dayalı lead skorlaması nedir?

Tahmine dayalı lead skorlaması geçmiş verileri, davranışsal sinyalleri ve firmografik nitelikleri analiz ederek her bir lead'e müşteriye dönüşme olasılık skoru atayan, yapay zeka destekli bir yöntemdir. Salesforce Einstein ve HubSpot'un tahmine dayalı skorlaması en bilinen kurumsal uygulamalardan ikisidir.

Manuel lead skorlamasının (satış yöneticilerinin sezgilerine göre puan atadığı) aksine, tahmine dayalı modeller sonuçlardan sürekli öğrenir. İnsanların gözden kaçırdığı kalıpları belirlerler: örneğin fiyatlandırma sayfanızı salı günleri ziyaret eden lead'lerin, cuma günleri ziyaret edenlere göre %40 daha fazla dönüştüğü gerçeği gibi.

Sorun mu? Geleneksel tahmine dayalı skorlama, modeli eğitmek için kapsamlı CRM verisi, genellikle 6-12 aylık kazanılan ve kaybedilen anlaşma verisi gerektirir. KOBİ'ler veya sıfırdan başlayan ekipler için bu, baştan imkansızdır. İşte bu yüzden yorum tabanlı skorlama temelden farklı bir yaklaşım sunar.

%67

asla dönüşmeyen lead'ler için harcanan satış süresi

%30

tahmine dayalı lead skorlamasıyla kapatılan daha fazla anlaşma

yorum tabanlı skorlama için gereken CRM verisi ayı

Nasıl çalışır

Tahmine dayalı skorlamanın işleyişi

Şu platformlar: Marketo ve MadKudu benzer temel yaklaşımları kullanır:

Veri toplama

Model, firmografik verileri (şirket büyüklüğü, sektör, konum), davranışsal verileri (web sitesi ziyaretleri, email açılımları, içerik indirmeleri) ve etkileşim verilerini (toplantı katılımı, yanıt süreleri) işler. Üçüncü taraf kaynaklardan alıcı niyeti verisini katmanlamak, tahmin doğruluğunu önemli ölçüde artırabilir.

Kalıp tanıma

Makine öğrenimi algoritmaları, geçmiş kazanımları ve kayıpları analiz ederek hangi nitelik ve davranış kombinasyonlarının dönüşümle ilişkili olduğunu belirler. "Tahmine dayalı" sihrin gerçekleştiği yer burasıdır.

Skor atama

Her yeni lead, dönüşme olasılığını temsil eden bir skor alır (genellikle 0-100). Satış ekipleri yüksek skorlu lead'lere öncelik vererek ekip verimliliklerini önemli ölçüde artırır.

Sürekli öğrenme

Yeni anlaşmalar kapandıkça (veya kapanmadıkça), model kendini yeniden eğitir. Skorlama zamanla daha doğru hale gelir: ancak yalnızca yeterli hacme ve temiz veriye sahipseniz.

Geleneksel tahmine dayalı skorlama "bu lead satın alacak mı?" sorusunu yanıtlar. Yorum tabanlı skorlama ise daha güçlü bir soruyu yanıtlar: "bu işletmenin çözebileceğim bir sorunu var mı?"

Çözebileceğiniz sorunları olan işletmeleri bulun

Vonsel, belirli sorun noktalarına sahip işletmeleri ortaya çıkarmak için Google yorumlarını analiz eder. Örtük lead skorlaması: CRM verisi gerektirmez.

Ücretsiz Denemeyi Başlat

Alternatif

Örtük lead skorlaması olarak yorum analizi

İşte satış otomasyonu açısından ilginç hale geldiği yer burası. Vonsel, hedef bir işletme için Google yorumlarını analiz ettiğinde, örtük bir lead skoru olarak işlev gören sinyaller çıkarır:

Sorun noktası yoğunluğu

Kaç yorum, ürününüzün çözdüğü sorunlardan bahsediyor? Bozuk ekipmanlarla ilgili 15 şikayeti olan bir spor salonu, fitness ekipmanı satıcıları için yüksek skorlu bir lead'dir.

Duygu eğilimi

İşletme olumsuza mı kayıyor? 6 ayda 4,5 yıldızdan 3,2 yıldıza düşen bir restoran, puanları sabit olan birine göre çözümlere yatırım yapma olasılığı daha yüksektir.

Sahip yanıt verme oranı

İşletme sahibi yorumlara yanıt veriyor mu? Aktif sahipler, sizin iletişiminize yanıt verme olasılığı daha yüksektir. Yanıt vermemek, pasif veya işi başından aşkın bir yönetime işaret eder.

Yorum hacmi ve güncelliği

Yeni yorumları olan aktif işletmeler çalışıyor ve yatırım yapıyor. 12 ayda yeni yorumu olmayan eski profiller kapanıyor veya durağanlaşıyor olabilir.

Karşılaştırma

Geleneksele karşı yorum tabanlı tahmine dayalı skorlama

Faktör	Geleneksel tahmine dayalı skorlama	Yorum tabanlı skorlama (Vonsel)
Gereken veri	6-12 aylık CRM geçmişi	Herkese açık Google yorumları
Kurulum süresi	Haftalardan aylara	Dakikalar
Maliyet	Aylık 500-5.000$+	Vonsel planlarına dahil
En uygun olduğu durum	Büyük CRM veri kümelerine sahip kurumsal şirketler	Yerel işletmelere satış yapan KOBİ'ler ve ekipler
Sinyal türü	Davranışsal (web sitesi, email)	Operasyonel (gerçek müşteri sorun noktaları)

Her iki yaklaşımın da değeri vardır. Olgun CRM'lere sahip kurumsal ekipler geleneksel tahmine dayalı skorlamadan yararlanır. Ancak yerel işletmelere (restoranlar, klinikler, kuaförler, spor salonları) satış yapıyorsanız, yorum tabanlı skorlama size veri zenginleştirme ve lead nitelendirmeyi tek bir adımda sunar.

En iyi lead skoru bir sayı değildir. Çözebileceğiniz belirli bir sorundur

Lead'leri tahminle değil, gerçek sorunlarına göre skorlayın

Vonsel, çözümünüze uyan sorun noktalarına sahip işletmeleri bulur. Yorum analizi, email oluşturma ve CRM dışa aktarma: hepsi tek bir platformda. Planları görün veya bize ulaşın.

Ücretsiz Denemeyi Başlat

Sıkça sorulan sorular

Tahmine dayalı lead skorlaması nedir?

Tahmine dayalı lead skorlaması, geçmiş verileri ve davranışsal sinyalleri analiz etmek için yapay zekayı ve makine öğrenimini kullanarak her bir lead'e bir dönüşüm olasılık skoru atar. Manuel skorlamanın aksine, sürekli öğrenir ve gelişir.

Yorum analizi örtük lead skorlaması olarak nasıl çalışır?

Vonsel, Google yorumlarını analiz ettiğinde, çözümünüze uyan belirli sorun noktalarına sahip işletmeleri belirler. Yavaş servisle ilgili şikayetleri olan bir restoran, POS satıcıları için yüksek skorlu bir lead'dir. Yorumlar satın alma niyetini doğal olarak ortaya çıkarır.

Tahmine dayalı lead skorlaması hangi verilere ihtiyaç duyar?

Geleneksel modeller CRM verilerine, web sitesi davranışlarına, email etkileşimine ve firmografik verilere ihtiyaç duyar. Yorum tabanlı skorlama, herkese açık Google yorumlarını, puanları, yanıt kalıplarını ve işletme meta verilerini kullanır: CRM entegrasyonu gerektirmez.