Osnove konceptov ocene avtomatizacije marketinga

Za merjenje se uporabljajo rezultati avtomatizacije trženja. Lahko vam povejo, kar koli jih prosite, naj vam povejo. Na primer, ocena vam lahko pove, kdaj so potencialne stranke hladne, kdaj so vroče, ali je verjetno, da se bodo odvrnile, kolikokrat so se prijavile v vašo aplikacijo ali ali jih zanima določen del vaše rešitve.

Osnove, kaj vam lahko pove ocena avtomatizacije trženja

Rezultate uporabljate za merjenje vseh vrst angažiranosti. Preden začnete z točkovanjem in graditi modele točkovanja, se prepričajte, da razumete te tri pogoste cilje za vodenje točkovanja:

• Pripravljenost za prodajo: če želite izmeriti prodajno pripravljenost osebe, jo ocenite na podlagi interakcij z vsebino, pripravljeno za prodajo. Tako vsako sredstvo, pripravljeno za prodajo, s katerim sodeluje, doda ali odšteje od njenega celotnega rezultata pripravljenosti za prodajo. Svojo skupno oceno nastavite na raven interakcije, ki jo potencialna stranka običajno pokaže, ko je pripravljena govoriti s prodajalcem.

• Zanimanje za izdelek: če želite izmeriti zanimanje osebe za določene izdelke ali storitve, razmislite o združevanju več točk, enega za vsak izdelek ali storitev, ki vas zanima. Tako lahko vidite stopnjo zanimanja za več izdelkov.

• Indikacija hladnega svinca: rezultati kažejo aktivnost. Če torej v določenem časovnem obdobju ne pride do povečanja ocene, lahko natančno določite oceno, ki neaktivno potencialno stranko identificira kot hladno potencialno stranko.

Avtomatizacija trženja ocenjuje vedenje v primerjavi z dejanji

Dejanja so dejavnosti z vašimi trženjskimi sredstvi. Vedenje pokaže oseba, vendar ni izraženo v smislu dejanskega sodelovanja z vašimi trženjskimi sredstvi. Poznavanje naslednjih vedenj vam lahko pomaga ustvariti in izboljšati svoj model točkovanja:

• Pomanjkanje aktivnosti je ključni razlog, da se prodajalec obrne. Nedejavnost je lahko tudi dober razlog za znižanje ocene pripravljenosti potencialne stranke na prodajo. Obe avtomatizaciji vam lahko pomagata prepoznati trende v vedenju in ustrezno ukrepati.

• Dolžino predvajanja videoposnetka je treba obravnavati kot odstotek predvajanja in ne glede na čas. Na primer, če si oseba ogleda eno minuto enominutnega videa, ne bi smela dobiti enakih točk kot oseba, ki si ogleda 10 odstotkov desetminutnega videa.

• Število ogledanih strani predvideva, da več strani, ko oseba naloži med obiskom, bolj je angažirana. Ko ocenite skupno število strani, poskrbite, da boste ljudi ocenili samo na podlagi strani, ki vam pomagajo prepoznati, da so pripravljene za prodajo.

Najboljše priložnosti z avtomatizacijo trženja na podlagi točkovanja

Odbor in ne ena oseba sprejema številne organizacijske odločitve o nakupu. Ko so potencialne stranke identificirane z rešitvijo za avtomatizacijo trženja, jih je mogoče povezati tudi z računom.

Točkovanje na podlagi računa je način za prepoznavanje skupin potencialnih strank, povezanih z isto odločitvijo o nakupu pod istim računom. Ocenjevanje potencialnih strank na podlagi računa več kupcev daje veliko jasnejšo sliko o pripravljenosti podjetja na prodajo in ga lahko preprosto uporabite kot orodje, ki vam pomaga prepoznati najboljše prodajne priložnosti.

Razumevanje točkovanja na podlagi računov je še posebej velika prednost avtomatizacije trženja za podjetja in podjetja s kompleksnimi prodajnimi cikli.

Kako ukrepati glede rezultatov potencialnih strank pri avtomatizaciji trženja

Iz točkovanja ne boste dobili celotne vrednosti, razen če uporabite svoj model točkovanja za priporočila dejanj na podlagi rezultatov. Tu so najpogostejša dejanja, ki jih lahko izvedete glede na model ocenjevanja potencialnih strank:

• Kvalifikacija vodilne stranke: Uporaba točkovanja vodilnih točk kot podatkovnih točk za kvalifikacijo vodilnega ponudnika je najpogostejša uporaba točkovanja. Če želite kvalificirati potencialne stranke na podlagi ocene, morate imeti pravilo avtomatizacije za spremljanje rezultatov potencialnih strank, pri čemer iščete tiste potencialne stranke, ki ustrezajo določenim merilom.

• Segmentacija: zmogljiva uporaba segmentacije je razvrščanje baze podatkov po najnižjih rezultatih potencialnih strank. Ko imate ta segment, lahko segmentu dodelite posebno oglaševalsko akcijo s ciljem spodbujanja več dejanj. Ali pa razvrstite svojo bazo podatkov, da poiščete potencialne stranke z najvišjimi ocenami in jim omogočite osebno interakcijo na Twitterju.

• Negovanje potencialnih strank: potencialne stranke, ki kažejo nedejavnost, imajo rezultate, ki se v določenem časovnem obdobju ne povečujejo. Uporabite ocene potencialnih strank za prepoznavanje hladnih potencialnih strank na podlagi nedejavnosti, tako da jih lahko postavite na tir, ki neguje svinec.

• Poročanje: rezultati vam lahko pomagajo ugotoviti, kje je potencialna stranka v nakupnem procesu. Poglejte svojo bazo podatkov in spremljajte odstotek vaših potencialnih strank v vsaki fazi nakupa tako, da vsaki stopnji dodelite oceno. Tako lahko zelo natančno ugotovite, koliko potencialnih strank se bo pretvorilo v naslednjo stopnjo.

Kako oceniti prednosti avtomatizacije trženja skozi čas

Modeli točkovanja niso učinkoviti, če jih enkrat nastavite in nato pozabite nanje. Če želite, da vam vaš model točkovanja skozi čas daje ustrezne informacije, morate nenehno posvečati pozornost svojemu modelu točkovanja. Ko nastavljate svoj model točkovanja, upoštevajte naslednje točke:

• Rezultati so nenehno delo v teku . Začeti morate z osnovnim modelom točkovanja in skrbno ga pregledati in sčasoma posodabljati svoj model točkovanja.

• Ocene se lahko dvignejo in znižajo . Povečanje ocene vam pomaga meriti dejanja, ki so pripravljena na prodajo, znižanje ocene pa vam pomaga spremljati pomanjkanje angažiranosti v določenem časovnem obdobju. Ne pozabite na te uporabe v mislih, ko nastavljate svoj model točkovanja.

• Rezultati so relativni glede na čas. Rezultati so pomembni samo v trenutku, ko so ustvarjeni. Na primer, oseba, ki je lani dosegla visoko oceno, letos verjetno ne bo pripravljena na prodajo. Ocene so pravočasne in morajo odražati čas nedejavnosti v naprednejših modelih točkovanja.