Marketing automation scorer bruges til måling. De kan fortælle dig, hvad du end beder dem om at fortælle dig. For eksempel kan en score fortælle dig, hvornår leads er kolde, hvornår de er varme, om de sandsynligvis vil churne, hvor mange gange de har logget ind på din ansøgning, eller om de er interesserede i en bestemt del af din løsning.
Grundlæggende om, hvad en marketingautomatiseringsscore kan fortælle dig
Du bruger scores til at måle alle former for engagement. Før du begynder at score og opbygge scoringsmodeller, skal du sikre dig, at du forstår disse tre almindelige lead-scoringmål:
-
Salgsparathed: Hvis du vil måle en persons salgsparathed, skal du score hende ud fra interaktioner med salgsklar indhold. På den måde tilføjer eller trækker hvert salgsklar aktiv, hun engagerer sig i, til eller trækker fra hendes samlede salgsklare score. Indstil din samlede score til et niveau af interaktion, som en kunde typisk udviser, når hun er klar til at tale med en sælger.
-
Produktinteresse: Hvis du ønsker at måle en persons interesse for specifikke produkter eller tjenester, kan du overveje at kombinere flere scores, en for hvert produkt eller servicelinje af interesse. På den måde kan du se interesseniveauet på tværs af flere produkter.
-
Kold blyindikation: Resultater viser aktivitet. Så hvis der ikke sker en stigning i scoren over en periode, kan du udpege den score, der identificerer en inaktiv kunde som en kold kundeemne.
Marketing automation scoreadfærd versus handlinger
Handlinger er engagementer med dine marketingaktiver. Adfærd udvises af en person, men udtrykkes ikke i form af faktisk engagement med dine marketingaktiver. At kende følgende adfærd kan hjælpe dig med at skabe og forfine din scoringsmodel:
-
Mangel på aktivitet er en vigtig årsag til, at en sælger kan nå ud. Inaktivitet kan også være en god grund til at sænke en kundes salgsklare score. Begge disse automatiseringer kan hjælpe dig med at identificere tendenser i adfærd og træffe passende foranstaltninger.
-
Længden af videoafspilning bør opfattes som procentdel af afspilning snarere end tid. For eksempel, hvis en person ser et minut af en video på et minut, skal han ikke have samme score som en person, der ser 10 procent af en ti minutters video.
-
Antal viste sider antager, at jo flere sider en person downloader under et besøg, jo mere engageret er han. Når du scorer det samlede antal sider, skal du sørge for, at du kun scorer folk baseret på sider, der hjælper dig med at identificere dem som salgsklare.
De bedste muligheder med marketing automation kontobaseret scoring
Et udvalg, i stedet for en enkelt person, træffer mange af de organisatoriske købsbeslutninger. Når leads identificeres med en marketing automation-løsning, kan de også knyttes til en konto.
Kontobaseret scoring er en måde at identificere grupper af kundeemner relateret til den samme købsbeslutning under den samme konto. At score leads baseret på en konto af flere købere giver et meget klarere billede af en virksomheds salgsparathed og kan nemt bruges som et værktøj til at hjælpe dig med at identificere de allerbedste salgsmuligheder.
At forstå kontobaseret scoring er en særlig stor fordel ved marketingautomatisering for business to business-virksomheder med komplekse salgscyklusser.
Sådan griber du ind på kundeemne for marketingautomatisering
Du får ikke den fulde værdi ud af scoringen, medmindre du bruger din scoringsmodel til at anbefale handlinger baseret på scoringerne. Her er de mest almindelige handlinger, du kan tage baseret på din model for leadscoring:
-
Leadkvalifikation: Brug af leadscores som datapunkter for leadkvalificering er den mest almindelige brug af scoring. For at kvalificere kundeemner baseret på en score skal du have en automatiseringsregel til at overvåge kundeemner og lede efter de kundeemner, der matcher specifikke kriterier.
-
Segmentering: En effektiv brug af segmentering er at sortere din database efter de laveste leadscores. Når du har dette segment, kan du give segmentet en særlig kampagne med det mål at fremkalde flere handlinger. Eller sorter din database for at finde de kundeemner med den højeste score og giv dem alle en personlig interaktion på Twitter.
-
Lead pleje: Leads, der viser inaktivitet, har scores, der ikke stiger over en periode. Brug leadscores til at identificere kolde leads baseret på inaktivitet, så du kan placere dem på et lead-plejende spor.
-
Rapportering: Scores kan hjælpe dig med at identificere, hvor et kundeemne er i købsprocessen. Kig på din database og spor procentdelen af dine kundeemner i hver købsfase ved at tildele en score til hver fase. På den måde kan du identificere meget præcist, hvor mange leads der konverterer til næste fase.
Sådan scorer du marketing automation-leads over tid
Scoringsmodeller er ikke effektive, hvis du sætter dem op én gang og derefter glemmer dem. Du er nødt til at hellige din scoringsmodel løbende opmærksomhed, hvis du ønsker at din scoringsmodel skal give dig relevant information over tid. Når du opsætter din scoringsmodel, skal du huske på følgende punkter:
-
Scores er et konstant arbejde i gang . Du skal starte med en grundlæggende scoringsmodel og være omhyggelig med at gennemgå den og opdatere din scoringsmodel over tid.
-
Scoringer kan gå op og ned . En stigning i score hjælper dig med at måle salgsklare handlinger, og et fald i score hjælper dig med at spore manglende engagement over en periode. Husk at have disse anvendelser i tankerne, når du opsætter din scoringsmodel.
-
Scoren er i forhold til tiden. Scoringer betyder kun på det tidspunkt, de oprettes. For eksempel er det ikke lige så sandsynligt, at en person, der opnåede en høj score sidste år, er salgsklar i år. Scoringer er rettidige og bør afspejle tidspunktet for inaktivitet i mere avancerede scoringsmodeller.