集客营销中，大家首要关注的是如何获取更多的潜客 。然而，当您已经获得足够多的潜客之后，如何进行有效的分组来判断真正感兴趣的或者新关注的潜客才是重中之重。而这就是线索评分的来源。

 

线索评分就是对您在商业活动中获得的潜客线索进行赋值，通常为分数的形式。您可以通过多个维度来对您的销售线索进行打分，包括但不限于线索提供的专业信息和接触渠道等。这一过程能够帮助销售和营销团队对潜在客户进行优先排序，并且采取对应措施来提高客户转化率。

 

一、选择线索评分模型

每家公司都会采用不同的模型来对潜客进行打分，而其中最常见的一种就是利用之前的线索数据来创建价值评分系统。通过归纳总结公司已有客户的共同点和未能成为客户的属性的历史数据可以帮助您更好的决定对哪些属性进行加权。

 

基于收集到的数据类型，以下是六种不同的线索评分模型，分别为：

• 个人特征信息 – 针对特定人群进行产品销售；
• 公司信息 – B2B企业向特定规模、类型或行业的组织进行销售；
• 线上行为 – 考察线索的线上参与行为；
• 电子邮件交互 – 通过邮件点击率来了解线索兴趣程度；
• 社交互动 – 通过线索在社交软件上的互动活跃程度进行评估；
• 垃圾信息检测 – 根据线索在登录页表单的填写信息是否符合您的目标群体进行打分。

图一：线索评分模型

 

了解了这么多的线索评分模型，那么如何才能判断哪个模型是最适合我们的？哪些数据又是最重要的呢？在实际操作中，我们需要通过和销售团队做进一步的沟通交流，后续跟进客户采访以及深入分析数据报告来进行数据筛选。

 

• 和销售团队做进一步沟通交流。销售团队是我们业务拓展的前台人员，能够直接与潜客进行沟通，从而更加了解哪些营销材料能更好的提升客户转化率。销售人员的观点对于后续营销活动的开展具有十分宝贵的价值。

 

• 和您的客户沟通。虽然销售人员能够告诉我们哪些内容有助于提高转化率，但是不同的销售人员可能会有不同的想法和建议。而这个时候，直接和当事人（也就是我们的客户）进行沟通是最直接有效的。在后续的跟进采访中，您可以了解具体是哪些内容促使您的客户进行购买，以确保您的客户同时具有短期和长期的销售周期。为您后续的活动提供不同的视角。

 

• 利用数据分析。除了与销售团队及客户的面对面沟通之外，我们还可以利用数据分析研究来提高模型筛选的客观性和精确度。运行归因报告，能够帮助我们了解在销售漏斗中促成转化的具体因素。在数据分析环节，不仅要了解帮助进行客户转化的内容，更应该了解是哪些内容帮助我们获得潜客（例如内容下载等），并对这些属性进行赋值。

 

此外，运行联系人报告也是一个好的方法。在联系人报告上，会显示由特定的营销活动（包括电子邮件活动点击、提供下载等）中获得的联系人数量、销售额等情况。根据活动对于首次接触转化或末次接触转化等的倾向性来进行相应的赋值分配。

 

随着您企业的公司规模和业务范围不断发展，这时候就需要多个线索分析模型来帮助您进行线索评估。例如，您可以根据客户的匹配度和兴趣来进行线索评分。当您的企业利用不同的销售团队进行不同类型的产品销售的时候，您可以通过针对买家匹配度和他们对每种产品的兴趣程度这两个线索评分模型来引导您找到正确的销售团队。此外，由于新客户和现有客户的侧重点不同，线索评分也需要根据公司新业务的追加销售或者交叉销售进行区分。例如，对于新客户您需要考虑的是个人特征信息 和线上参与度，而现有客户则更侧重于当前的产品活跃度、支持回购率等。

 

二、基本线索分数计算方式

了解了线索评分的基本情况，下面我们要探讨如何来计算基本线索分数。事实上，计算线索分数的方式有很多种，而其中最简单的方法就是手动线索评分。

 

• 计算客户转化率。一般来说，客户转化率就是用您获得的新客户数量除以潜在客户线索的数量来得到的。

 

• 挑选您认为可能是高质量潜客的不同特质。这些特质可以是某个特定时刻申请试用的客户，在金融业的客户，或者有超过20名员工的企业。判断和选择在评分模型中包含哪些特质是一门学问。每个人的模型选择都可能不尽相同，但是只要您根据我们上文中提到的数据并且根据和销售团队的讨论分析来建立模型，那就是合理有效的。

 

• 计算每个特质的成单率。计算每种互动参与行为或者特质的成单率是十分重要的，因为这些数据决定了您之后的营销策略。根据潜客的互动行为和与企业核心客户的关系来计算最终成为合格客户的数量，并且在下面的步骤中用实际成单率来对线索进行评分。

 

• 将每个特质的成单率和整体平均成单率进行比较，并依此对特质进行赋值。计算出每个特质的成单率之后，您可以将这些成单率和整体的平均成单率进行比较，并且找出那些明显高于整体平均成单率的特质来决定是否对他们进行评估赋值。并且根据这些特质的重要程度来决定赋值的比重。尽管实际应用中的赋值会更具有主观性，但是还是应该尽量保持一致。比如说您的平均总体成单率是1%，而申请试用的成单率是20%（即为平均整体成单率的20倍），那么您就可以您申请试用这一特质的分数定为20分。

 

上述的手动计算线索分数的方法是一个十分简单、方便的起步，但是数据挖掘手段（如logistic regression，逻辑回归）才是最精确可靠的。数据挖掘手段更为复杂，但是却能够帮助您更直观地了解成单率。 逻辑回归方式需要用到Excel的内置公式来计算出每个潜客转化为实际客户的概率。这个方式综合考虑了所有的客户特质（如所属行业、企业规模和申请试用等）来得出一个更准确全面的结果。

 

线索评分能够帮助您改善线索交接过程，提高客户转化率，提高生产力等。但是人工计算线索评分是一项十分耗时的任务，因为您需要定期调整线索评分系统以确保准确性。此时，更高阶的预测线索评分系统就有了用武之地。预测线索评分系利用机器学习来分析成千上万的数据和对应的分数来确定最佳线索。它着眼于您客户的共同特征，以及密切联系的潜客共同属性来得出一个公式，并根据潜在客户的重要性进行排序。最重要的是，由于其基于机器学习的应用，预测线索评分可以随着时间自我迭代，来逐步优化线索跟进策略。

 

填写下方表单来了解JINGdigital提供的用户评分，以及标签、群组等更多功能如何助力您的集客营销吧！