Scoringsmodeller för marknadsföringsautomation lever och förändras ständigt. Om du ställer in poäng en gång och aldrig rör det igen, blir resultaten bara så bra som din första gissning. Så du bör planera ett schema för utvärdering och omkonfigurering. Ett startförslag är att se tillbaka 60 dagar från ditt första försök. Efter det, titta tillbaka var 90:e dag.
Grunderna för marknadsföringsautomatisering med flera kolumner
När en poängmodell ändras, använd ett kalkylblad med flera kolumner för att hålla reda på ändringarna. Kalkylarket är ditt levande dokument som hjälper dig att spåra dina ändringar och se till att du har alla dina föremål tillsammans. Här är en poängmodell som förändrades med anteckningar från säljare.
När du granskar din poängmodell, lägg till en ny kolumn för eventuella ändringar. Den här kolumnen hjälper dig att hålla jämna steg med ändringar i dina poäng och är särskilt användbar när du är involverad i framtida revisioner och behöver komma ihåg var du började och varför dina poäng är där de är.
Hur man använder försämring av marknadsföringsautomationspoäng
Poängförsämring är processen att sänka någons poäng, vilket hjälper dig att se till att din nuvarande poäng är en korrekt återspegling av en prospekts försäljningsberedskap.
Poängförsämring baseras på osynligt beteende snarare än direkt handling. Till exempel är brist på aktivitet en anledning att försämra en poäng. Poängförsämring inträffar också när en potentiell kund besöker specifika sidor. Den vanligaste sidan för poängförsämring är karriärsidan på din webbplats, eftersom någon som besöker din karriärsida är mer sannolikt att leta efter ett jobb än att göra ett köp.
När du förnedrar en poäng bör du göra det över en tidsperiod. Vissa verktyg låter dig försämra en poäng över tid med en procentandel av den totala poängen eller med ett specifikt antal. Folk föreslår att man avstår från att någonsin försämra en poäng till noll.
Ett nollpoäng tar bort alla tidigare intressen, vilket gör det svårt att segmentera baserat på tidigare aktivitet. Istället för att degradera till noll, skapa minst lika med 50 procent av den totala försäljningsklara poängen som utgångspunkt. På så sätt kan du fortfarande visa aktivitet samtidigt som du håller leads ur händerna på dina säljare.
Hur man använder en checklista för att förfina din marknadsföringsautomationspoängmodell
När du förfinar din poängmodell, använd följande checklista för att säkerställa att du utvärderar rätt personer, rätt tid och rätt tillgångar:
-
Titta på förhållandet mellan försäljningsklara leads som konverteras till möjligheter. En låg andel av försäljningstilldelade leads till avslutade affärer kan vara en indikator på en dålig poängmodell.
-
Fråga dina säljare hur de tycker att det går för potentiella kunder . Om säljarna inte gillar deras leads kan det vara en indikator på en dålig poängmodell.
-
Fråga säljare hur de tycker om de handlingar som leads visar. Ser de en trend med specifika åtgärder? Säljare kan vanligtvis identifiera trender i leads, och de kan bli medvetna om nya åtgärder som måste inkluderas eller uteslutas från en poängmodell snabbare än marknadsföring i de flesta fall.
Dina säljare är nyckeln till att hjälpa dig att förfina din poängmodell. Marknadsförare skickar ofta leads till försäljning baserat på enbart aktivitet, men säljare vet vilka leads som är mest försäljningsberedda. Säljare kan hjälpa dig att bekräfta eller dementera dina aktivitetsbaserade antaganden.