Στον αυτοματισμό μάρκετινγκ, η βαθμολογία δυνητικών πελατών μπορεί συχνά να συγχέεται με τη βαθμολόγηση δυνητικών πελατών, αλλά αυτά τα δύο μοντέλα έχουν πολλές διαφορετικές χρήσεις, όπως παρακάτω θα σας δείξουμε:
-
Ένα μοντέλο βαθμολόγησης δυνητικών πελατών είναι η μέθοδος για τη μέτρηση αλληλεπιδράσεων ή συμπεριφορών. Χρησιμοποιείτε τη βαθμολογία δυνητικού πελάτη για να μετρήσετε την ετοιμότητα ενός ατόμου για πωλήσεις. Ο προσδιορισμός της ετοιμότητας για τις πωλήσεις βασίζεται συνήθως σε αλληλεπιδράσεις με υλικό μάρκετινγκ και καμπάνιες. Συνήθεις ενέργειες για να σκοράρετε είναι
-
Προβολές σελίδας
-
Κλικ email
-
Λήψεις
-
Όροι αναζήτησης
-
Σημεία επαφής καμπάνιας
-
Συμπληρώσεις εντύπων
-
Ένα μοντέλο βαθμολόγησης μολύβδου είναι η μέθοδος για τη μέτρηση των δημογραφικών ιδιοτήτων των ανθρώπων. Χρησιμοποιείτε βαθμολόγηση δυνητικού πελάτη για να μετρήσετε τη δημογραφική προσαρμογή ενός ατόμου. Οι βαθμοί βασίζονται σε πεδία της βάσης δεδομένων σας και συνήθως χρησιμοποιούν μια κλίμακα A-to-F, όπως ακριβώς και οι βαθμοί που λάβατε στο σχολείο. Κοινά κριτήρια για τη βαθμολογία είναι
Το παρακάτω δείχνει τη βαθμολογία δυνητικού πελάτη ενός ατόμου με βάση τις αλληλεπιδράσεις του με στοιχεία μάρκετινγκ, ενώ ο βαθμός του δυνητικού πελάτη μετριέται από τον τίτλο εργασίας του και το μέγεθος της εταιρείας του.
Πρέπει να χρησιμοποιήσετε τους βαθμούς δυνητικών πελατών ως ξεχωριστά πεδία βάσης δεδομένων σε συνδυασμό με το μοντέλο βαθμολόγησης δυνητικών πελατών σας διαφορετικά διατρέχετε τον κίνδυνο να στείλετε δυνητικούς πελάτες έτοιμους για πωλήσεις υψηλής ενεργότητας σε πωλητές όταν στην πραγματικότητα δεν έχουν καλή δημογραφική προσαρμογή.
Για παράδειγμα, εάν βασίζετε τη βαθμολογία δυνητικού πελάτη μόνο στην ενασχόληση με το μάρκετινγκ σας, το μοντέλο βαθμολόγησης σας θα μπορούσε να προσδιορίσει ένα παιδί κολεγίου που κάνει μια ερευνητική εργασία ως μια καυτή προοπτική λόγω του επιπέδου δραστηριότητάς του. Εάν, ωστόσο, στοχεύετε διαχειριστές επωνυμίας λιανικής σε επίπεδο VP, ο φοιτητής σας με υψηλή βαθμολογία θα πρέπει να φιλτραριστεί με χαμηλό βαθμό που βασίζεται στην απουσία τίτλου εργασίας.
Εάν διαχωρίσετε τις βαθμολογίες δυνητικού πελάτη από τους βαθμούς δυνητικού πελάτη στη βάση δεδομένων σας αντί να τις συνδυάσετε σε μία βαθμολογία, μπορείτε να δείτε πιο ξεκάθαρα το επίπεδο ευκαιριών που ταιριάζει σε δημογραφική βάση και βάση δραστηριότητας. Ο διαχωρισμός των δύο αριθμών μεταξύ τους είναι ο ευκολότερος τρόπος για να αποκλείσετε πιθανούς πελάτες που είναι ενεργοί αλλά δεν μπορούν να λάβουν μια απόφαση αγοράς.