Tahmine Dayalı Müşteri Adayı Puanlaması Nedir: Özellikler, Yararlar, En İyi Araçlar

Bir çağrı merkezi yöneticisi olarak yapabileceğiniz en kötü şey, potansiyel müşteriler oluştururken oyunları tahmin etmeye güvenmek. Daha yeni projelerdeki daha yeni çağrı merkezleri, konu müşteri ilişkileri ve olası satışlar oluşturmaya geldiğinde biraz tahminde bulunmak zorunda kalsa da, başarıya ulaşmak için rastgeleliğe güvenmek istemezsiniz. Bu nedenle, en güvenilir alıcılarınızın kim olacağını belirlemelisiniz ve bu nedenle olası satış puanlaması en iyi stratejiniz olacaktır.

1. 1. 1. Müşteri Puanı Nedir ve Nasıl Çalışır?
      2. Geleneksel ve Öngörülü Müşteri Adayı Puanlaması
      3. Tahmini Müşteri Adayı Puanlaması Nedir ve Satışları Nasıl Artırır?
      4. Öngörülü Müşteri Adayı Puanlaması ve Çağrı Merkezi KPI'ları
      5. Tahmine Dayalı Algoritmalar Müşteri Adaylarını Belirler
      6. En İyi Tahmine Dayalı Müşteri Adayı Puanlama Araçları nelerdir?
         • HubSpot
         • Anlam çıkarmak
         • pipoŞeker
         • maroon.ai
      7. Sonuç: Pazarlama Otomasyonu ve Makine Öğrenimi Potansiyel Müşteriler Oluşturur

Müşteri Puanı Nedir ve Nasıl Çalışır?

Müşteri adayı puanlama, bir çağrı merkezinin veya satış şirketinin herhangi bir olası müşterinin veya potansiyel olası müşterinin değerini nasıl sıraladığıdır. Her işletmenin, potansiyel bir müşterinin ürünleri veya hizmetleriyle ne kadar ilgilendiğini bilmelerini sağlayan farklı bir dizi ölçüm vardır.

Çağrı merkezleri, ilk çağrı çözümleme oranını ve müşteri memnuniyetini artıran belirli analitik içgörüler sağlamak için CRM yazılımına ihtiyaç duyar. Salesforce ve Hubspot gibi araçları içeren çağrı merkezi yazılım paketleri, müşteri ihtiyaçlarını takip eder ve eyleme geçirilebilir içgörüler sunar, ancak lider puanlama bu bilgiyi bir sonraki seviyeye taşır. Çağrı takibi için Phonewagon gibi araçlarla birlikte, her aramadan en iyi şekilde yararlanacaksınız.

Müşteri adayı puanlaması, şirketle kimin daha fazla iş yapma olasılığını belirlemek için müşteri verilerini kullanarak ideal bir alıcı profili oluşturur. Özünde, daha yüksek puanlara sahip müşteriler özünde daha değerli olduğundan, puanlamaya öncülük edecek bir oyunlaştırma yönü vardır. Bu araçları tahmine dayalı davranışsal yönlendirme ile birleştirirseniz, çağrılarınızı bir satışı kapatmak için en iyi donanıma sahip temsilcilere göndermiş olursunuz.

Örneğin, bir müşteri adayı satış huninize girdiğinde, müşteri adayının değerini belirli kriterler belirler. Müşteri adayı huniye hangi vektörden giriyor? Sitenizde bir şey gördükleri için mi size ulaşıyor? Müşteri, şirketinizden başka ürünler satın aldı mı veya başka programlara katıldı mı?

Önceden var olan bu kriterlerin tümü, erişim noktalarına öncelik vermek için kullanılabilecek potansiyel müşteri puanlarına sayısal bir değer katacaktır. Örneğin, aylık geliri daha yüksek olan müşterilerin puanları da daha yüksek olacaktır, böylece acenteleriniz daha yüksek önceliğe sahip olduklarını anlar.

Doğru müşteri adayı puanlama çözümü, markanıza ilgi duyduğunu ifade edenleri belirlemek ve verimsiz müşteri adayları üretebilecek olanları filtrelemek için idealdir.

Bu, B2B müşterilerle çalışırken bile avantajlıdır - müşteri adayı puanlama çözümünüz, şirketin ölçeğine veya bir şirketin iş yaptığı coğrafi bölgeye bağlı olarak bazı potansiyel müşteri adayları için daha düşük puanlar atayabilir. Tek yapmanız gereken, şirketinizin “ideal alıcı” olarak ilan edeceği şeyi belirlemektir ve puanlama süreci başlayabilir. Örtük ölçütler, olumsuz ölçütler ve toplanan verilerinizin uygulanabilirliğinin nasıl değerlendirileceği dahil olmak üzere, ayrıntılara isabet eden bir puanlama yönlendirme kılavuzu yazdık.

Geleneksel Müşteri Adayı Puanlamanın Zayıf Yönleri Nelerdir?

Geleneksel lider puanlama, büyüyen şirketler için harika olsa da, yeni başlayanlar için zayıf yönleri vardır. Alt satırınızı etkileyebilecek birkaç tanesine bir göz atalım:

• Yüksek miktarda potansiyel müşteri yoksa bu kadar kullanışlı değildir.
• Temsilcileriniz gerçek zamanlı olarak potansiyel müşterileri aktif olarak puanlamıyorsa, bu işe yaramaz.
• Belirli veri noktalarının önceden oluşturulmasını gerektirir. Bir işletme yeniyse, bu veri noktaları her zaman bilinmez.
• Bu sistem aracıların ve pazarlamacıların yargılarına dayandığından, olası satışlar bu sistem kullanılarak her zaman doğru bir şekilde puanlanmaz.

Bu nedenlerle daha modern bir sistem kullanılmalıdır. Yapay zeka ve büyük veri, modern iş dünyasının büyük bir parçasıdır; bu nedenle, makine öğrenimi tarafından desteklenen tahmine dayalı müşteri adayı puanlaması, kurumsal alanda uygulanmaktadır.

Tahmini Müşteri Adayı Puanlaması Nedir ve Satışları Nasıl Artırır?

Tahmine dayalı müşteri adayı puanlaması, ideal müşterilerinizi bulmak için analitik verilerinizi doğrudan kullanmak üzere tasarlanmıştır. Geleneksel müşteri adayı puanlaması, insan hatasının bir sonucu olarak düşebilir, ancak tahmine dayalı müşteri adayı puanlaması, çoğu hatayı önler.

Müşterileriniz için puanlama değerleri atamak için CRM yazılımı kullanılabilir ve tahmine dayalı müşteri adayı puanlama çözümleri bu puanlamayı otomatik olarak gerçekleştirir. Tahmine dayalı müşteri adayı puanlamasındaki "tahmini", bir dizi algoritmaya dayanan tahmine dayalı modellemeyi ifade eder. Bu algoritmalar, mükemmel veya mükemmele yakın müşterinizi bulmak için tasarlanmıştır; böylece, özellikle arama kayıt verilerini kullanarak arama performansını izliyorsanız, temsilcilerinizin tahminde bulunmasına gerek kalmaz.

Tarihsel ve demografik verilerin kullanılması ile çok daha doğru ve güvenilir bir veri seti oluşturulmaktadır. Bunların tümü makine öğrenimi tabanlı olduğundan, pazarlama ekibinizin kaçıracağı kriterleri öngören bir çözüm, daha yüksek düzeyde kaliteli müşteri adayları üretebilir. En iyi kısım? Bu, makine öğrenimi ve tahmine dayalı analitik kullanılarak yapıldığından, birçok süreç aynı anda çalıştırılabilir ve bu da ekibinizi diğer görevler için serbest bırakır.

Bu tür bir yazılım yalnızca önemli kazanımlardan yararlanmakla kalmaz, aynı zamanda potansiyel müşteri adaylarını puanlamak için neyin işe yaramadığını da analiz eder. Ayrıca, puanlanabilen ve ekibiniz tarafından kullanılabilecek demografik bilgilerin oluşturulması için müşterilerin ortak sahip olduğu bilgileri de görüntüler.

Tahmine dayalı müşteri adayı puanlaması, bir metodoloji oluşturmak için farklı müşteri adayı puanlama modelleri kullanır. Birçok çözümde “Lojistik regresyon” kullanılmaktadır. Lojistik regresyon, bir müşterinin bir müşteri adayı oluşturma olasılığını hesaplayacak bir veri madenciliği algoritmasıdır.

Lojistik regresyon formüle dayalıdır ve kötü müşteri adaylarının sayısını önemli ölçüde azaltabilir. Geleneksel olarak, pazarlamacılar bu algoritmaları Excel kullanarak oluşturdular. Tahmine dayalı bir modelle bu, ekibinizin ekstra çalışmasına gerek kalmadan hızlı bir şekilde yapılır.

Tahmine dayalı müşteri adayı puanlama sistemi tarafından kullanılan bir başka araç da “rastgele ormanlardır”. Bu tür bir algoritma, müşterilerinizin davranışlarını haritalamak için kullanılabilecek bir "karar ağaçları" ormanı oluşturur. Örneğin, bu yöntemi kullanmak, sanal bir karar sonuçları ormanı oluşturacak ve araç, hangi müşteri adaylarının dönüştürme olasılığının daha yüksek olduğunu belirlemek için bu karar ormanını kullanacaktır.

Bu metodoloji, yukarı doğru ölçeklendiğinde, dönüşümü tetikleyebilecek bazı faktörlerin belirlenmesine yardımcı olabilecek rastgeleleştirmeyi kullanır.

Tahmini Müşteri Adayı Puanlamanın Faydaları Nelerdir?

Tahmine dayalı müşteri adayı puanlamasının en büyük yararı, satış dönüşüm huninizden çok fazla tahminde bulunmanızdır. Temsilcileriniz:

• Analizdeki hataları ortadan kaldırın
• Zengin verilere dayalı emin kararlar verin
• Veri kümeleri arasındaki gizli ilişkileri keşfedin
• Her bir veri parçasının nasıl bağlandığına dair 360 derecelik bir görünüme sahip olun

Öngörülü Müşteri Adayı Puanlaması ve Çağrı Merkezi KPI'ları

Tahmine dayalı müşteri adayı puanlamasındaki gelişmeler, geleneksel yöntemleri giderek daha az uygulanabilir hale getiriyor. Müşteri adayları için puanları belirleyen algoritmalar, artan değer sağlayacak şekilde sürekli olarak ayarlanıyor ve geliştiriliyor.

Müşteri adayı puanlaması her zaman çok büyük veri kümeleri gerektirmiştir, ancak tahmine dayalı müşteri adayı puanlaması, bu tür nüanslı metodolojiler ve algoritmalarla bu gereksinimi sürekli olarak düşürmüştür. Bu, daha kolay gerçekleştirilir çünkü bu tahmine dayalı çözümler, toplanan bilgileri desteklemek için sorunsuz bir şekilde üçüncü taraf kaynaklardan veri çekebilir.

Yapay sinir ağları, puanlama konusunda kararların daha organik olarak alınmasını sağlayacak olan günümüz çözümlerinde de kullanılıyor. Sinir ağları, çözümün aynı anda çeşitli kaynaklardan gelen verileri daha akıllı bir şekilde kataloglamasına olanak tanır.

Bu, bir çağrı merkezinin görmezden gelebileceği bir teknoloji değildir; Bugünün çağrı merkezi yazılımında çıktıyı artırmak ve ortalama işlem sürelerini azaltmak için ayrılmaz olacak çok fazla ilerleme var. Geleneksel lider puanlama ile idare edebilir misiniz? Elbette, ancak ekibiniz başka, daha üretken görevlerle uğraşırken binlerce müşteri adayını aynı anda değerlendirebilecek bir çözüm istemez miydiniz?

Tahmine Dayalı Algoritmalar Müşteri Adaylarını Belirler

Çoğu durumda, tahmine dayalı müşteri adayı puanlaması, puanlama faktörlerini bağımsız olarak belirlemek için algoritmaları kullanabilir, ancak bu müşteri adaylarını değerlendirmek için bazı ortak kriterler kullanılabilir. Bunlar şunları içerebilir:

• Yıllık İşlem Hacmi: Bazı işletmelerin çevrimiçi olarak işlenen satış gelirleri diğerlerinden daha yüksektir. Tahmine dayalı puanlama sistemleri bunları bulabilir ve öncelik listesinde daha üst sıralara yerleştirebilir.
• IP Ülkesi: Kuruluşunuz yalnızca belirli bir coğrafi alanda iş yapıyorsa, pek çok tahmine dayalı müşteri adayı puanlama çözümü, müşteri adayının IP adresine göre bunları filtreleyebilir. Bu, ekibinizin yalnızca geçerli bağlantılara ulaşmasını sağlayacaktır.
• Firmaografik Bilgiler: B2B müşteri adaylarınızdan biri benzer bir CRM sistemi kullanıyorsa veya içgörü sağlayan bir uygulama aracılığıyla edinilen bilgilere sahipse, müşteri adayı puanlaması, bu kişiye bir puan sağlamak için bu bilgiyi kullanabilir.
• Etkileşimler: Kişiniz şirketinizden bir e-posta bağlantısını tıkladı mı? Bu, ilgi olduğunun çok önemli bir göstergesidir ve tahmine dayalı bir sistem, bu kişiyi puanlama sırasında daha yükseğe yerleştirecektir.
• Web Analitiği: Kişileriniz hangi siteleri ziyaret etti? Potansiyel müşteriniz sitenizi veya aynı sektördeki siteleri ziyaret ettiyse, yazılım ilgili kişiye daha yüksek bir puan verebilir.

En İyi Tahmine Dayalı Müşteri Adayı Puanlama Araçları nelerdir?

Şu anda, tahmine dayalı müşteri adayı puanlaması için piyasada çok sayıda çözüm bulunmaktadır. Bu bölümde, buğdayı samandan daha az çabayla ayırabilmeniz için size en sağlam seçeneklere sahip dört tane sunacağız.

1. Merkez Noktası

HubSpot'un tahmine dayalı müşteri adayı puanlama çözümünün en iyi özelliklerinden biri, şu anda piyasada bulunan en popüler pazarlama otomasyonu platformlarından birine zaten dahil edilmiş olmasıdır. Çözümleri kutudan çıktığı gibi tüm kurumsal düzeydeki müşteriler için mevcuttur ve bu da güzel bir tek noktadan alışveriş tarzı deneyim isteyenler için mükemmeldir.

Çözüm, başarılı müşteriler tarafından kullanılan kalıplara dayanan varsayılan bir modelle birlikte gelir, ancak buna ihtiyaç duyanlar için önemli miktarda özelleştirilebilirlik vardır.

Bu çözüm, HubSpot'ta halihazırda bağlı ve bağlı olmayan kişileri depolayanlar için mükemmeldir. Bir uygulamada gelen yazılım, hangi müşterilerin düşük, orta veya yüksek potansiyel müşteri puanı kategorilerine girdiğini belirleyecektir. Yazılım, birkaç analitik kritere dayalı bir pasta grafiği bile sağlar.

2. çıkarsama

HubSpot'tan farklı olarak Infer, CRM veya pazarlama otomasyon çözümünüze bağlanmak için tasarlanmış özel bir lider puanlama platformudur. Yazılım, şu anda mevcut olan veya mevcut olacak hemen hemen tüm CRM çözümlerine sorunsuz bir şekilde bağlanmasına izin veren canlı bir API bağlantısı kullanır.

Yazılım ayrıca yöneticilerin firmaografik, teknolojik veya demografik bilgilere dayalı olarak binlerce veri noktasından sorunsuz bir şekilde yararlanmasına olanak tanır. Yazılım, 19 milyon şirket ve 42 milyon potansiyel müşteri hakkında yerleşik bilgilere bile sahip. En iyi tahmine dayalı yazılım gibi, CRM'nizden ayıklanan verileri kullanarak hem B2B hem de müşteri beklentilerindeki kalıpları belirlemek için makine öğrenimini bile kullanır.

3. Pipo Şekeri

Infer gibi çözümler, benzer düşünen potansiyel toplulukları kullandığından geleneksel B2B için mükemmel olsa da, PipeCandy gibi çözümler D2C ve e-ticarete karşılık geldikleri kadar benzer alanlarda da iyi performans gösterir. Sonuç olarak, PipeCandy, bu özel alanda diğer şirketlerle ortak olmak veya bu şirketlere satış yapmak isteyen kuruluşlar için mükemmel bir araçtır.

PipeCandy, potansiyel müşterileriniz için yeni puanlama sonuçları oluşturmak üzere kazançları ve kayıpları belirlemek üzere CRM'inizle kolayca entegre olur. Analitik ve metrik okumaları da çok nettir ve stratejinizi ayarlamak için kullanabileceğiniz kısa ve öz bir şekilde organize edilmiş bir görsel sunar.

PipeCandy, "Özellik Önemi" işlevini kullanarak daha küçük veri kümelerine sahip şirketler için iyi çalışır. Bu özellik, yöneticilerin müşteri adaylarını puanlarken hangi faktörlerin en değerli olduğuna karar vermelerini sağlar. Örneğin, daha yüksek gelire sahip potansiyel müşterilere daha fazla değer katmak istiyorsanız, yazılım metodolojisini kolaylıkla değiştirmenize olanak tanır.

4. Maroon.ai

Maroon.ai, yalnızca olası satışları puanlamayan, aynı zamanda yeni potansiyel müşteriler oluşturmaya da yardımcı olan bir tahmine dayalı yazılımdır. Yazılım, kuruluşların hedef alıcılarını keşfetmelerine yardımcı olmak için tasarlanan, şirketin "derin bağlam keşfi" dediği şey için tasarlanmıştır. Bu, çözümü yeni başlayan herkes için bir tercih haline getiriyor çünkü bazı önemli süreçleri neredeyse otomatik hale getiriyor.

Yazılım ayrıca Salesforce ve Informatica gibi mevcut CRM çözümlerine entegrasyon için harikadır ve API, AI destekli sistemi diğer ürünlere entegre etmek isteyenler için özelleştirilebilir. Maroon, önemli sayıda seçenek sunan değişken bir fiyatlandırma yapısına sahiptir - bu daha küçük kuruluşlar için Maroon.ai'nin ücretsiz bir sürümü bile vardır.

Pazarlama Otomasyonu ve Makine Öğrenimi Potansiyel Müşteriler Oluşturma

Potansiyel müşterilerinizin yüzde 27'si kalifiye olabilir, bu da nitelikli potansiyel müşterileri hızlı bir şekilde tanımlamanın kritik olduğu veya aksi takdirde kaynak israfına yol açabileceği anlamına gelir. Tahmine dayalı kurşun puanlama, bu israf olasılığını ortadan kaldırır. Bu çözümler, kuruluşların hedef pazarları belirlemesine, daha yüksek puan alan potansiyel müşterilere öncelik vermesine ve pazarlama ekiplerinin ve satış temsilcilerinin yükünün bir kısmını almasına yardımcı olabilir.

Tahmine dayalı müşteri adayı puanlaması, satış görevlilerinizin zamanından en iyi şekilde yararlanmak için kullanmanız gereken bir araçtır. Bunun gibi bir çözümü ne kadar çok kullanırsanız, AI hem kazançlardan hem de kayıplardan öğrendiğinden, erişiminizin yatırım getirisi o kadar artacaktır.

Genel olarak, bunun gibi yazılımlar satış dönüşüm huninizi daha iyi yönetmenize yardımcı olabilir, böylece neredeyse tamamen otomatik bir sürece dayalı olarak kapanma olasılığınızı artırabilirsiniz. Potansiyel müşterileri hızla müşterilere dönüştürebilmeniz için satış hunisini anlama kılavuzumuza göz atın.