リード スコアリング: リード スコアの定義と計算方法

大量のリードを生み出すことと、どの見込み客が顧客に変わる可能性が最も高いかを特定することは別のことです。 別の言い方をすれば、すべては量より質です。

そこで、リード スコアリングの出番です。リード スコアリングとは何か、そしてそれを効果的に計算する方法を見てみましょう。

リードスコアリングとは?

つまり、リード スコアリングでは、見込み客の質を評価して、追求する価値のあるリードとそうでないリードを判断します。 通常、このプロセスはポイントベースのシステムで機能します。

さまざまな属性に従って見込み客ポイントを割り当てます。 具体的には、暗黙的データと明示的データに基づいてリードをスコアリングできます。

明示的な情報とは、見込み客が電話またはフォームへの記入によって確認した事実データを指します。 一方、暗示的データは、購入履歴など、すでに所有している情報に基づいています。

その後、両方のデータ セットを人口統計データと行動データに分解できます。 人口統計データは、見込み客の会社の規模、地理情報、または業界を指し、行動データは、フォームの送信など、見込み客が取ったアクションに基づく情報に焦点を当てています。

リードスコアリングの利点は何ですか?

まず第一に、リード スコアリングは販売プロセスをより効率的にします。 有望な見込み客と見込みのない見込み客を特定することで、ビジネスに何の価値ももたらさない可能性が高い見込み客に、勧誘電話をかけたり、営業メールをパーソナライズしたりすることに時間を費やす必要がなくなります。

悪い見込み客を排除することで、より少ない営業担当者でコンバージョンを増やすことができるでしょう。

その結果、リード スコアリングは、時間とお金を節約するのに役立ちます。 また、販売努力を価値の高いリードにシフトして、より良い結果を得るのにも役立ちます。

さらに、リード スコアリング システムは、マーケティング戦略の改善に役立ちます。 どのマーケティング チャネルが最も価値の高いリードをもたらしているかを特定できるため、投資する価値のあるチャネルとそうでないチャネルを判断できます。

さらに、見込み客がセールス サイクルのどこに位置しているかを特定できるため、リード スコアリングによって育成プロセスが改善されます。

その情報を使用して、販売サイクルの各段階でリード専用のコンテンツを送信できます。 その結果、より有意義な関係を築き、より迅速に商談を成立させることができます。

最後に、リードを評価すると、営業チームとマーケティング チームが同じ認識を持つことができます。 前述したように、リード スコアリング システムにはデータが必要です。

この情報は、マーケティング担当者が、どのタイプの見込み客がコンバージョンに至る可能性が最も高いか、またターゲットを絞ったキャンペーンを作成して見込み客を引き付ける方法を理解するのに役立ちます。 その後、マーケティング部門は、販売可能なリードを販売チームに引き渡し、販売を促進することができます。

リードを手動でスコアリングする方法

リードから顧客へのコンバージョン率

リードから顧客へのコンバージョン率は、販売につながった会社の適格なリードの割合を表します。 このメトリクスを計算するには、コンバージョンを生成した適格な見込み客の数を、適格なリードの総数で割ります。

この指標が重要な理由基本的に、営業チームのベンチマークとして機能します。 セールス ファネルのパフォーマンスを評価し、複数のマーケティング チャネルを相互に比較して、質の高いリードを生成するのに最も効果的なチャネルを特定するのに役立ちます。

モデルに適した属性を選択する

属性は、リード スコアリング モデルのバックボーンです。 これらは、販売可能な見込み客の特徴を定義および特定するのに役立ち、リードの質を向上させる方法のアイデアを提供します。

そこで、前述のデータの出番です。まず、ビジネスに最大の価値をもたらす見込み客を特定します。

次に、暗黙的および明示的なデータセットを取得し、人口統計データと行動データを調べて、価値の高いリード間の類似点を見つけます。 データを確認したら、高品質の見込み客を定義する特性を特定し、それに応じて属性を割り当てます。

すべての属性の成約率を決定する

次に、どの属性が他の属性よりも価値があるかを判断します。 これを行うには、まず各属性の成約率を計算する必要があります。 より具体的には、行動や人口統計に応じて、顧客になる見込み客の数を特定します。

たとえば、ニュースレターにサインアップしたり、ソーシャル メディアであなたをフォローしたり、さまざまな地域やニッチ内の見込み客の成約率を決定したりする人々の成約率を計算できます。

ポイント値の割り当て

各属性の成約率を決定したら、それらを比較して優先順位を付ける必要があります。

たとえば、最近の Instagram の統計によると、マーケターはインフルエンサー マーケティングを最も急速に拡大している顧客獲得チャネルとして評価しています。 そのため、インフルエンサー キャンペーンからの見込み客が、ニュースレターにサインアップした見込み客よりも多くの顧客になることがわかる場合があります。

その場合、前者の属性の方が価値があります。 特定の属性ごとにプロセスを繰り返して、リードの品質を正確に反映する特性を定義します。

さらに、属性の成約率を全体的な成約率と比較します。 これは、属性にスコアを割り当てる際の基準点として機能します。

たとえば、ニュースレターのサインアップの成約率が 15% であるのに対し、全体の成約率が 1% である場合、ニュースレターに登録する各リードに 15 ポイントを割り当てることができます。

適格なプロスペクトと不適格なプロスペクトの間の線引きを容易にするために、最小スコアのしきい値を設定することもお勧めします。 たとえば、スコアが 50/100 ポイント未満のリードは、追求する価値がない可能性があります。

他のタイプのリード スコアリング

手動のアプローチ以外にも、リードをスコアリングする方法は他にもあります。 より具体的には、予測およびロジスティクス回帰リード スコアリングです。

時間を節約したい場合は、予測リード スコアリングが最善の策かもしれません。 この方法では、機械学習を使用してプロスペクト データを調べて、変換するリードと変換しないリードの共通点を見つけ、変換の可能性に基づいて各プロスペクトをランク付けします。

予測的なリード スコアリングにより、貴重な属性を特定するためにデータを手動でふるいにかける必要がなくなり、人的エラーのリスクが最小限に抑えられます。

さらに、予測リード スコアリング システムは機械学習技術を使用しているため、フォローアップ戦略を手動で最適化する必要はありません。

一方、ロジスティック回帰リードスコアリングシステムの主な強みは、すべての顧客属性が互いにどのように相互作用するかを考慮するため、その正確さにあります.

これは、Microsoft Excel を使用したデータ マイニング手法です。 見込み客を顧客に変える可能性を明らかにする数式をスプレッドシートに作成することで機能します。

結論

全体として、リード スコアリングは、価値の高い見込み客を特定し、リードあたりのコストを削減する方法についての洞察を得るために重要です。

リードからコンバージョンまでの遅れを特定することから始めます。 その後、顧客情報に応じて適切な属性を選択し、各属性の成約率を計算し、重要度に基づいて並べ替えます。