线索评分：如何构建评分框架

如果你曾滑动过约会应用，你就会知道数量并不是一切。拥有很多选择固然不错，但并非所有人都适合成为终身伴侣。

在一大堆约会应用资料中找到最佳匹配对象，有点像在一群随意浏览的在线购物者中识别出忠诚的电商客户。约会可能总是很难，但在商业领域，有一种替代手动筛选的方法：线索评分（Lead scoring）是企业用来识别转化率最高的潜在客户的一种方式。本质上，这是一种确保优质线索排在前列的方法。

小企业主无法承受在劣质线索上浪费时间，因此以下是如何利用线索评分将营销精力集中在最高质量的线索上。

什么是线索评分？

潜在客户评分是根据潜在客户（或“线索”）转化为付费客户的概率对其进行排名的过程。在潜在客户评分过程中，企业会识别表明潜在客户可能进行购买的行为和特征，然后为每个特征或信号分配分值。企业将这些分数相加形成潜在客户的线索评分，该评分代表整体线索质量。

计算潜在客户的线索评分有助于你确定下一步行动。例如，你可能会优先处理具有高转化潜力的线索，要求销售和营销团队亲自联系他们。另一方面，你可能会认为接触低分线索是浪费时间的行为。

线索评分模型

• 人口统计数据
• 公司要求
• 互动行为
• 网站行为模式
• 垃圾联系人检测

你的线索评分模型涵盖了你为了给线索打分而收集和分析的数据类型。这些模型可以包括显式客户数据（客户自己输入的数据，如电子邮件地址）或隐式数据（企业通过观察客户行为得出的见解，如与客户品牌社交媒体账号的互动）。

公司通常同时使用多种线索评分模型。以下是一些常见的模型：

人口统计数据

人口统计数据包括年龄、性别、位置和职位等基本资讯。公司可以在线索捕获表单中添加人口统计字段以收集部分此类数据。分析人口统计数据可以揭示用户与理想客户的契合程度，并帮助你识别不符合条件的客户。

例如，如果你的本地食品产品仅在太平洋西北地区提供配送服务，那么你可以为居住在该地区之外的受访者分配负分值。

公司要求

公司要求模型根据潜在客户与您的客户群体的契合程度对其进行评分。该模型涉及确定消费者对资格的最低要求，并收集数据以验证用户是否满足这些条件。该系统旨在减少传递给营销和销售团队的不相关潜在客户的数量。

例如，如果你经营一家专注于小型企业的B2B公司，你可以创建一个包含预期产品用途和公司规模的字段以收集线索。为了对线索进行评分，你可以为表明在员工少于100人的公司中进行专业使用的回复分配更高的分值。对于表示对个人使用你的产品感兴趣的用户，你可能会分配负分值。

互动情况

此模型使用互动数据来评估消费者的兴趣。互动模型通过评估电子邮件打开率、点击率和社交媒体参与度等数据点，为经常与您的内容互动的客户分配更高的分值。

网站行为模式

网站行为数据揭示了用户如何与您的网站进行交互。该模型涉及跟踪在线行为模式，例如用户访问了多少页面以及在每个页面上花费的时间。它还可以考虑用户对高价值页面（如结账页面或定价页面）的访问情况。使用此模型，企业可能会为访问网站超过两次并在产品页面上停留超过30秒的用户分配较高的分值。

垃圾联系人检测

垃圾邮件检测模型可防止您将低质量的潜在客户传递给销售团队。该模型涉及识别虚假潜在客户并为其分配负分。垃圾邮件检测工具会标记可疑行为，例如在表单响应中输入多个连续字母或提交无效的电子邮件地址。

垃圾邮件检测还可以检测可疑关键词，并标记包含粗俗用语、名人姓名或虚构角色姓名的提交内容。例如，企业可能会使用此模型自动为具有类似 timothee@chalamet.plumbing 或 fake12345@notreal.psych 的电子邮件地址的潜在客户分配负分。

如何手动对潜在客户进行评分

1. 确定关键潜在客户属性
2. 分配分值
3. 创建层级并确定后续步骤
4. 优化您的评分流程

从请求电子邮件地址的弹出窗口、推荐计划到线下注册表，有多种捕获线索的方式，你甚至可以使用线索生成工具来加速这一过程。一旦获得潜在客户的数据，你就可以使用评分框架来帮助识别具有最强线索转化潜力的个人。以下是具体操作方法：

1. 确定关键潜在客户属性

利用过去转化数据和市场研究等数据，识别可能表明优质线索的特征和行为。确定与你的理想客户画像相关的特征（如年龄、性别和职业），并考虑任何限制合格客户群的要求。

确保也要识别客户行为：例如，如果客户订阅了SMS营销，他们可能是优质线索。

2. 分配分值

建立评分系统，并为每个属性分配分值。企业通常采用100分制的评分体系。为表明强烈兴趣的行为赋予高分值，并考虑使用负向评分，即对不符合资格的行为扣除分数。

这种做法有助于筛选出低质量的潜在客户。目标是生成能够反映客户转化可能性的分数。例如，如果你的理想客户是一位喜欢自己动手修理汽车的母亲，你可能会给性别为女性的潜在客户更高的数值，而给没有汽车的用户负分。

务必参考历史转化率。例如，如果你知道将产品加入购物车的潜在客户中有50%最终完成了购买，而打开营销邮件的潜在客户中只有20%转化，那么你应该给已添加产品到购物车的潜在客户赋予比点击过你邮件的潜在客户更高的分数。

3. 创建层级并确定后续步骤

建立一个对客户进行分层的系统。例如，一家使用100分制评估潜在客户的公司可能会将得分40分或以下的列为“冷”客户，40至70分的列为“温”客户，70分以上的列为“热”客户。

这些分类将决定你的后续步骤，并帮助你决定如何接触这些潜在客户。例如，企业可能会让销售代表联系最优质的潜在客户，将温客户加入电子邮件列表以便营销团队继续培育关系，并暂时忽略冷客户。

4. 优化潜在客户评分流程

潜在客户评分要求你选择并对多个数据点进行排序，但你可能不会在第一次就正确选择和评估这些数据点。也许某些具有低分项属性的潜在客户最终实现了转化，反之亦然。调整你的潜在客户评分流程以确保获得最佳结果。

潜在客户评分工具

开发、使用和维护手动潜在客户评分系统既耗时又复杂，因此企业可能会使用潜在客户评分工具来简化流程并确保更准确的结果。预测性潜在客户评分工具利用机器学习技术收集客户旅程中的数据，解析这些数据并筛选潜在客户。

你还可以使用潜在客户评分工具根据潜在客户的评分自动化执行某些操作。例如，潜在客户评分工具可以向高评分潜在客户发送以转化为目标的电子邮件。

以下是一些有助于潜在客户评分的流行工具：

• Hubspot.Hubspot允许你在预测性评分和手动评分之间切换，让你既能利用预测性线索评分的强大功能，又能保留自定义系统的能力。Hubspot的营销软件套件还具备线索生成功能，可实现销售漏斗各环节的无缝集成。

• Pipedrive.Pipedrive是一款销售管理和CRM（客户关系管理）软件，可以通过搜索网络自动填充有关线索的信息。它随后可以对这些线索进行资格筛选，并自动化向有前景的潜在客户发送营销邮件等任务。

• Leadsquared.Leadsquared使用三个分数对线索进行排名：线索质量（与理想客户的匹配度）、总体线索评分和参与度评分。线索评分是累积性的，汇总了线索所有显示兴趣的活动，而参与度则基于你指定的时间线衡量近期活动。

• Apollo.ai.Apollo.ai 利用企业的历史客户数据通过AI创建潜在客户评分模型。你仍然可以自定义排名标准，并且如果你对AI如何确定潜在客户分数感到好奇，你可以查看分数计算的完整分解。