Как в PandaDoc советуют работать с лид-скорингом

Четверг, 24 мая 2018 г.

Следите за нами в ВКонтакте, Facebook'e и Twitter'e

Руководитель продукта PandaDoc Виктор Кувшинов рассказал на Epic Growth Conference, как и для чего используется лид-скоринг в sales-assisted или в смешанных self-service, sales-assisted продуктах.

В своём выступлении Виктор рассказал, как sales-департаменту быть более эффективным и кратно увеличить рост продукта. Что такое лид-скоринг

Лид-скоринг — это методология оценки и ранжирования каждого отдельно взятого лида в соответствии с тем, какой интерес он представляет для вашего бизнеса. Простыми словами, метод сегментирования потенциальных клиентов, которые находятся в воронке продаж.

В рамках этой методологии вы начисляете очки (score) за каждое совершённое лидом действие и за каждую качественную характеристику, которой он обладает. Например, откуда лид пришёл, какую компанию он представляет, какую должность занимает, какие действия совершил внутри вашего приложения. Чем больше баллов зачисляются лиду, тем выше вероятность, что он совершит покупку. Для чего нужен лид-скоринг

В первую очередь технология лид-скоринга позволяет sales-департаменту не тратить своё время и фокусироваться только на тех клиентах, которые потенциально выгодны для вашего бизнеса.

Звучит заманчиво, но чтобы внедрить лид-скоринг, нужны условия.

Sales-команда. В первую очередь у вас должна быть команда, которая занимается продажами и напрямую работает с лидами.
Аналитика. Вы собираете данные о ваших пользователях, в том числе демографическую информацию и поведенческие показатели.


Если эти условия релевантны для вашего продукта, я бы рекомендовал вам задуматься о внедрении лид-скоринга, потому что лид-скоринг — это про эффективность. С чего начать работу с лид-скорингом Портрет персоны

Отправной точкой лид-скоринга является понимание целевой аудитории и чёткое представление персон. Я уверен, что для любого сформированного бизнеса есть понимание целевой аудитории. Но насколько бы детальным оно ни было, перед тем как начать работу над лид-скорингом, я рекомендую поговорить с sales-командой. Она максимально приближена к контексту и знает, кто и почему конвертируется.

Вы узнаете много дополнительной информации, которая обогатит ваше представление о целевой аудитории. Это станет основой для работы с аналитикой, на основании которой вы будете формировать логику лид-скоринга. Поведенческие показатели

Лид-скоринг строится (и это его очень важная составляющая) на поведенческих показателях. Это совокупность и качественных характеристик, и взаимодействий с вашим продуктом на уровне сайта или приложения.

Задача лид-скоринга выделить из всего потока входящих лидов те, которые соответствуют целевой аудитории, и из этого сегмента выделить подтверждающих через свои поведенческие показатели, что они заинтересованы в вашем продукте. Вот главный момент, на котором должны держать свой фокус ваши sales-менеджеры. Как работает лид-скоринг

В рамках работы с данными и с аналитикой важно провалидировать ваше представление о целевой аудитории. Найти дополнительные инсайты, ключевые действия, которые говорят о том, что пользователи, которым характерны эти параметры или действия, с большей вероятностью конвертируются.

Первый этап — это подсчёт общей конверсии, то есть общая выборка ваших пользователей, и какой процент из них достигает целевого действия. Например, если мы говорим про стандартную модель бесплатного триала оформления подписки, то подсчитываем процент пользователей, которые оформили подписку после триала.
Второй этап — тот самый этап работы с аналитикой, когда вы методом проб ищете ключевые действия, которые свойственны лидам и сегментам лидов с более высокой конверсией, чем ваша средняя конверсия в целом по продукту.
И третий пункт лид-скоринга. За каждую качественную характеристику и действие вы должны начислять лиду score. Но здесь важно следующее: понять, насколько ценна каждая характеристика и действие относительно других действий и характеристик, которые есть у ваших пользователей.

Опыт применения лид-скоринга в PandaDoc

У PandaDoc стандартная модель для SaS-продуктов. У нас бесплатный двухнедельный триал, после которого пользователи должны оформить подписку, если хотят продолжить пользоваться продуктом. В рамках нашей модели общая средняя конверсия считается построением простейшей воронки:

создание аккаунта или старт бесплатно триала;
оформление подписки.

Предположим, что средняя конверсия в целом по продукту за определённый период времени 7%. Дальше наша задача — сегментировать общую выборку, которую мы сформировали, и посмотреть, какая конверсия каждого отдельно взятого сегмента. Сегментировать вы можете на уровне абсолютно всех характеристик, которые знаете про ваших пользователей: источники трафика, демографические показатели и так далее.

Я приведу несколько примеров таких индивидуальных конверсий, которые помогут разобраться, что же мы ищем. Предположим, я хочу разбить всю выборку пользователей на основании индустрии. На уровне нашей платформы мы спрашиваем входящих пользователей: «К какой индустрии относится их бизнес?». Задача — понять, а какие индустрии, какие сегменты на основании индустрий конвертируются лучше или хуже, чем наша средняя.

Индустрии creative или marketing agency, предположим, конвертируется почти в два раза лучше — 13,3%. В разрезе лид-скоринга это значит, когда в следующий раз к нам придёт пользователь, у которого есть такая характеристика, мы начислим ему баллы за то, что он обладает такой характеристикой. Мы это делаем, чтобы дифференцировать и выделить пользователя из общей выборки, так как он обладает качественной характеристикой, которая повышает вероятность того, что он станет нашим платным пользователем.

Встаёт вопрос:, а сколько же баллов начислить за наличие этой характеристики? Здесь используются разные подходы, но самый простой — вы можете начислять столько же баллов, какова конверсия этого сегмента в целевое действие. В этом случае конверсия на примере 13%. Вы можете за это действие начислять 13 баллов. Это пример сегментации и поиска ключевых параметров на уровне качественной характеристики.

Как мы говорили, лид-скоринг строится ещё и на основании пользовательских действий и поведенческих показателей. Точно так же вы можете разбивать всю общую выборку ваших пользователей и смотреть, как конвертируются пользователи, которые сделали отдельно взятое действие.

Вы могли предполагать, что посещение pricing-страницы на вашем сайте — действие хорошее. Если туда заходил пользователь, вероятность, что он заинтересован продуктом и оформит платную версию, выше, чем те, которые туда не заходили.

Без аналитики тяжело понять. Если вы будете строить такие индивидуальные конверсии, вы будете находить очень интересные данные, о которых вы могли даже не предполагать. В этом примере мы могли бы найти, что посещение pricing-страницы приводит к тому, что почти 30% пользователей впоследствии конвертируются в платных.

Что это говорит в разрезе лид-скоринга? Это говорит о том, что следующий раз, когда какой-то из пользователей совершит это действие, мы начислим ему 30 баллов, чтобы этого пользователя выделить и он находился на самом топе для отдела продаж.

Не всегда и не только на основании индивидуальных действий нужно строить логику лид-скоринга. Это достаточно творческий процесс, и я бы посоветовал к нему подходить соответствующим образом. Вы должны генерировать гипотезы и искать различные сочетания действий и характеристик, которые могут говорить о том, что сегмент этих пользователей очень качественный.

Через простейшие воронки вы можете найти, какая же конверсия у сегмента, который имеет сочетание характеристик и различных действий. Я вам гарантирую, что вы будете находить сегменты просто с космической конверсией. Итого

Лид-скоринг в PandaDoc состоит из более чем 180 правил. Это различные параметры, действия и их сочетания, за которые мы начисляем баллы пользователям. Мы используем Hubspot — это сторонний продукт, который помимо всего прочего позволяет настроить логику лид-скоринга. И третье важное значение — пороговое значение score.

У нас есть сайт, веб-приложение, Hubspot и CRM-система (это основной продукт для нашего sales-департамента). Представим, что к нам на сайт приходят три пользователя: Марги, Бетси и Адам. Двое из этих пользователей создают аккаунт в PandaDoc.

Как только они пришли к нам на сайт, мы начинаем трекать, откуда они пришли и какие действия совершили на сайте. Как только они попадают в наше приложение, мы создаём профайлы этих пользователей в Hubspot, где хранится вся информация про каждого конкретного пользователя. Hubspot анализирует и выставляет каждому отдельному пользователю соответствующий score.

Дальше между Hubspot и CRM-системой настроена интеграция, и здесь есть пороговое значение. Мы далеко не всех лидов отправляем в нашу CRM-систему. Мы это делаем, чтобы наш sales-департамент не терял фокус и не смотрел на тех, которые не представляют продукту большого интереса.

Сейчас, во-первых, с пороговым значением вы должны определиться самостоятельно, это очень индивидуальная характеристика. Для нас (для общего представления) — это 50 баллов. Только лиды с 50 и более баллами попадают в работу к нашему sales-департаменту. На этом примере Адам имеет 75% в соответствии со всеми характеристиками и действиями.

Что это значит для нашего бизнеса? Что Адам попадает в sales force. В CRM-системе по своим внутренним правилам он попадает на правильного sales-менеджера, который работает с клиентами из определённых индустрий, работает с компаниями соответствующего размера и так далее. И наш sales-менеджер звонит Адаму и начинает с ним работать напрямую.

Марги 42 очка. Сейчас она не попадает в sales force. Это не обязательно, что она никогда не получит звонка от нашего sales-департамента. Лид-скоринг — это показатель динамический.

Он постоянно обновляется, и если Марги будет продолжать пользоваться нашим приложением, осуществлять какие-то ключевые действия, пользоваться важной функциональностью, которая говорит о том, что она сильно заинтересована, то score будет расти.

И как только она достигнет порогового значения, она попадёт туда. Есть пользователи, которые никогда туда не попадут, так как это расфокус для sales-команды. Советы по внедрению лид-скоринга

Итеративно дорабатывайте логику лид-скоринга. После внедрения этой технологии важно анализировать процесс и результаты. Анализируйте всех тех лидов, которые получают высокий score. Просматривайте тех, кто их не получает. Ищите тех, которые получили низкий score, хотя вы видите, что они качественные лиды.
Используйте негативные score за отрицательные параметры и действия. В лид-скоринге ещё важно давать негативные очки тем сегментам пользователей, которые вам не интересны.
Начисляйте баллы с учётом финансовых метрик каждого отдельного сегмента. В частности LTV.

Следите за нами в ВКонтакте, Facebook'e и Twitter'e


Просмотров: 264
Рубрика: Hi-Tech
(CY)

Архив новостей / Экспорт новостей

Ещё новости по теме:

RosInvest.Com не несет ответственности за опубликованные материалы и комментарии пользователей. Возрастной цензор 16+.

Ответственность за высказанные, размещённую информацию и оценки, в рамках проекта RosInvest.Com, лежит полностью на лицах опубликовавших эти материалы. Использование материалов, допускается со ссылкой на сайт RosInvest.Com.

Skype: rosinvest.com (Русский, English, Zhōng wén).

Архивы новостей за: 2018, 2017, 2016, 2015, 2014, 2013, 2012, 2011, 2010, 2009, 2008, 2007, 2006, 2005, 2004, 2003

Декабрь 2005: 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31
Rating@Mail.ru