Десять лидов выглядят одинаково только в строках CRM. Один уже выбрал решение и хочет обсудить запуск. Второй скачал материал «на будущее». Третий вообще оставил корпоративную почту ради интереса. Звонить всем в одном порядке — честно, но не очень разумно.
Lead scoring помогает расставить приоритет. Мы даём баллы за признаки компании и действия человека, затем передаём в продажи тех, у кого одновременно есть подходящий профиль и заметная готовность.
Что это такое простыми словами
Обычно модель делят на fit и engagement. Fit показывает, похожа ли компания на целевого клиента: отрасль, размер, регион, роль, используемые системы. Engagement показывает интерес: посещения важных страниц, запрос демо, письмо, вебинар или возврат на сайт.
Есть и отрицательные баллы: неподходящий регион, учебный домен, вакансия вместо услуги, долгий период тишины. Они не «наказывают» лид, а защищают время команды.
Скоринг может быть правилом, статистической моделью или комбинацией. Начинать лучше с прозрачной версии: команда должна понимать, почему лид получил оценку.
Зачем это бизнесу
Продажи быстрее берут лиды с высокой вероятностью диалога, маркетинг видит, какие действия связаны с покупкой, а собственник понимает, хватает ли команде ресурсов на текущий поток.
Хороший скоринг не просто повышает конверсию выбранной группы. Он задаёт разные следующие действия: горячему лиду — быстрый контакт, тёплому — полезный материал, раннему — спокойное развитие интереса.
Если баллы никак не меняют процесс, модель не работает. Цветная цифра в CRM без очереди, SLA и сценария контакта — это интерьер.
Как сделать: пошаговый порядок
- Определите целевой результат: состоявшаяся встреча, квалифицированная возможность или оплата.
- Возьмите историю выигранных и проигранных лидов за сопоставимый период.
- Сравните признаки профиля и поведения, удалив поля, которые заполняются уже после результата.
- Назначьте простые баллы и отрицательные условия; отдельно считайте fit и engagement.
- Выберите порог по реальной пропускной способности отдела продаж и целевой точности.
- Запустите пилот, измерьте конверсию, скорость ответа и долю пропущенных хороших лидов.
Формула или логика расчёта
Простая модель: итоговый балл = баллы fit + баллы engagement − штрафы. Например, целевая отрасль +20, подходящий размер +15, запрос демо +35, повторный визит +10, неподходящий регион −30. Числа не священные: их проверяют на истории и пилоте.
Подробный пример с числами
За квартал бизнес получил 2 000 лидов, из них 120 стали возможностями. Анализ показал: запрос расчёта встречался у 55% успешных и 8% остальных; компании нужного размера — у 70% успешных и 30% остальных.
Собрали модель и поставили порог 60 баллов. Выше порога оказалось 260 лидов, 78 из них стали возможностями — конверсия 30%. Ниже порога осталось 1 740 лидов и 42 возможности — 2,4%.
Нельзя объявлять победу только по 30%: отдел продаж мог просто уделять этой группе больше внимания. Поэтому на пилоте сравнили одинаковую скорость ответа и сохранили контрольную выборку. Одновременно проверили 42 пропущенные возможности — часть пришла из нового сегмента, которого не было в правилах.
Добавили сегмент, снизили вес одного посещения и закрепили пересмотр раз в месяц. Модель стала полезнее именно после ошибок, а не до них.
Как выбрать порог и не перегрузить продажи
Порог — это бизнес-решение, а не просто точка максимальной точности модели. Если выше порога 500 лидов, а команда способна качественно обработать 150, скорость ответа упадёт и преимущество исчезнет. Сопоставьте объём очереди, SLA и доступные часы менеджеров.
Постройте таблицу для нескольких порогов. Покажите число передаваемых лидов, ожидаемую долю возможностей, сколько хороших лидов останется ниже и сколько контактов должен сделать отдел. Собственник увидит цену строгости: высокий порог экономит время, но пропускает часть спроса.
Разделяйте причины оценки. Менеджеру полезнее увидеть «целевая отрасль, запрос расчёта, два визита за неделю», чем число 78. Объяснимость помогает выбрать первое сообщение и заметить ошибку данных.
Для лидов ниже порога создайте следующий путь. Низкий engagement может означать раннюю стадию, а не отказ. Полезный контент, напоминание или новый сигнал могут изменить оценку. Без такого маршрута скоринг превращается в аккуратную корзину.
Проверяйте модель по сегментам и каналам. Если высокий балл работает только для брендового трафика, общий результат скрывает проблему. Новый продукт сначала может получать низкие оценки просто потому, что похожих побед ещё не было в истории.
Раз в месяц сравнивайте прогноз оценки с фактом и обсуждайте пропущенные хорошие лиды. Это не поиск виноватого. Именно редкие ошибки показывают, какой рынок или сценарий модель ещё не знает.
Короткий чек-лист
- цель скоринга
- доступные до звонка признаки
- объяснение каждого балла
- объём очереди и SLA
- путь ниже порога
- контроль пропущенных возможностей
Как превратить расчёт в решение
Скоринг нужно связать со скоростью ответа. Для верхнего диапазона задайте короткий SLA и уведомление, для среднего — обычную очередь, для раннего — автоматический полезный сценарий. Иначе сегментация не меняет клиентский опыт.
Используйте временное затухание. Визит месячной давности должен весить меньше вчерашнего запроса расчёта. Простая схема вычитает баллы после периода без активности, но пороги нужно проверить на реальном цикле покупки.
Различайте человека и компанию в B2B. Несколько контактов одной компании могут вместе показывать сильный интерес. Аккаунтный скоринг объединяет сигналы, не превращая каждого нового участника встречи в отдельную возможность.
Документируйте изменение модели. Если маркетинг добавил новый сигнал, сравните конверсию до и после на новой выборке. Без версии нельзя понять, выросло качество или просто изменилась шкала.
Что должно быть зафиксировано
- SLA по диапазонам
- затухание старых действий
- уровень контакта и компании
- версия правил
- проверка на новой выборке
Рабочий план на четыре недели
Пилот нужен не ради ещё одного файла. За месяц команда должна получить воспроизводимый расчёт, увидеть ограничение и принять хотя бы одно решение. Объём специально небольшой: один сегмент, один процесс и один ответственный. Так результат можно проверить, а не объяснять масштабом.
- Неделя 1: определите целевой результат и соберите историческую выборку без полей из будущего.
- Неделя 2: создайте прозрачные баллы fit и engagement, затем проверьте несколько порогов.
- Неделя 3: запустите пилот с одинаковой скоростью ответа и контрольной выборкой.
- Неделя 4: разберите пропущенные возможности, нагрузку продаж и обновите только подтверждённые правила. Отдельно сохраните примеры ошибок для следующего пересмотра.
Перед стартом сохраните исходные значения, правила и дату. После каждого этапа записывайте не только итог, но и время команды, ручные действия и найденные ошибки. В конце сравните результат с исходной точкой и решите: расширяем подход, дорабатываем конкретное место или спокойно закрываем гипотезу. Любой из трёх ответов полезен, если он подтверждён данными.
Назначьте короткую встречу через неделю после пилота. На ней нужен один экран: что изменили, что получилось, где ограничение и какое действие приняли. Если ответ нельзя уместить на одном экране, скорее всего, пилот пытался решить слишком много задач одновременно.
Хороший пилот оставляет после себя рабочий артефакт: проверенную формулу, карту данных, правило процесса или прототип. Назначьте владельца и дату следующей проверки. Без этого даже удачный результат быстро становится презентацией, которую все помнят примерно, а повторить уже не могут (так себе наследство).
Сразу договоритесь о границе масштабирования. Запишите, какой результат считается достаточным, сколько ручной работы допустимо и что должно произойти, чтобы подключить следующий источник, отдел или сегмент. Это защищает от двух крайностей: бесконечного пилота без внедрения и слишком быстрого развёртывания сырого решения на всю компанию. Перед расширением повторите контрольный расчёт на новом участке и убедитесь, что правила не потеряли смысл.
И ещё: сохраните один неудачный пример. Он лучше общей инструкции показывает команде, где метод перестаёт работать, какое ограничение нужно проверить и почему автоматический вывод нельзя принимать без контекста.
Рядом с неудачным примером запишите способ ручной сверки и человека, который принимает решение в спорной ситуации. Тогда исключение не остановит весь процесс и не превратится в новую тайную формулу, известную одному сотруднику.
Ограничения и типичные ошибки
- Не используйте чувствительные признаки и данные, на обработку которых нет законного основания.
- Не давайте баллы полям, которые менеджер заполняет после звонка: это утечка будущего в модель.
- Не путайте высокий интерес с подходящим профилем. Любопытный студент может открыть все страницы.
- Не ставьте порог один раз навсегда: продукты, каналы и аудитория меняются.
- Проверяйте долю хороших лидов ниже порога, иначе модель незаметно отрежет новый спрос.
Как мы используем это в работе
Я начинаю с определения качественного лида вместе с собственником, маркетингом и продажами. Затем беру историю и проверяю, какие признаки были известны до контакта и действительно связаны с результатом.
Продажам отдаём очередь и понятную причину оценки. Маркетингу — сигналы, которые стоит развивать. Собственнику — конверсию, нагрузку и число хороших лидов, оставшихся ниже порога.
Если лидов много, а приоритет определяется на глаз, можно собрать прозрачную первую модель. Кнопка ниже — чтобы обсудить её со мной.
Что сделать прямо сейчас
Возьмите 100 выигранных и 100 проигранных лидов. Сравните пять признаков, известных до первого звонка, и соберите пробную шкалу. Затем обязательно проверьте её на новой выборке.
