Предиктивный скоринг лидов

Предиктивный скоринг лидов позволяет сократить трудозатраты менеджеров на обработку неперспективных лидов и увеличить число лидов, переводимых в продажи. Прогноз выполняется для каждого квалифицированного лида и учитывает как параметры самого лида, так и историю работы с клиентом.

Предиктивный рейтинг — это инструмент машинного обучения, который отображает на странице лида вероятность успешной конвертации в продажу по шкале от 1 до 100 баллов (Рис. 1).

Рис. 1 — Профиль лида с предиктивным рейтингом

В зависимости от вероятности перевода лида в продажу, система различает:

• — высокий предиктивный рейтинг (80–100 баллов);

• — средний предиктивный рейтинг (50–79 баллов);

• — низкий предиктивный рейтинг (1–49 баллов).

Для лидов, которые еще не прошли стадию квалификации, предиктивный скоринг не выполняется, а рейтинг на странице такого лида имеет значение “0” .

Предиктивный рейтинг регулярно пересчитывается, так как работа по взращиванию лида оказывает постоянное влияние на вероятность его перевода в продажу. Рейтинг может быть пересчитан как в сторону повышения, так и в сторону понижения, если информация по лиду долгое время не обновлялась. Подробнее: Настроить предиктивный скоринг.

Запуск предиктивного скоринга лидов 

Предиктивный скоринг лидов в системе можно запустить как для одной записи, так и для всех лидов, находящихся на стадии взращивания. Он может запускаться автоматически и вручную для выбранной записи.

Настроить автоматический запуск предиктивного скоринга 

Предиктивный скоринг лида запускается автоматически:

• При квалификации лида. В этом случае прогноз рейтинга выполняется только для лида, который был квалифицирован.

• Каждый день в период минимальной загрузки системы. В этом случае прогноз выполняется для всех лидов, находящихся на стадии взращивания.

Чтобы настроить автоматический запуск прогнозирования для всех взращиваемых лидов:

1. Перейдите в дизайнер системы по кнопке .

2. В блоке “Настройка системы” перейдите по ссылке “Модели машинного обучения”.

3. Откройте страницу модели предиктивного скоринга лидов.

4. На вкладке Параметры перейдите к детали Настройка фонового обновления результатов прогнозирования и перетащите вправо ползунок в поле Выполнить фоновое обновление результатов прогнозирования в период окна обслуживания.

   На заметку. Настройка временного интервала, в котором система наименее загружена и может выполнять ресурсоемкие процессы, выполняется в справочнике Окна обслуживания системы.

Запустить предиктивный скоринг вручную 

Чтобы запустить определение предиктивного рейтинга для любого лида вручную, в реестре раздела Лиды выделите запись, для которой хотите рассчитать прогноз, и выберите действие Определить предиктивный рейтинг (Рис. 1).

Рис. 1 — Запуск расчета предиктивного рейтинга вручную

Какие данные учитываются при определении предиктивного рейтинга 

Для определения предиктивного рейтинга лида модель машинного обучения анализирует данные лида и связанных записей. Чтобы предиктивный скоринг учитывал всю проделанную работу, рекомендуется максимально подробно вносить в систему информацию о лиде и его взращивании.

При расчете предиктивного рейтинга модель машинного обучения учитывает следующие данные лида и связанных объектов:

• Тип потребности лида.

• Наличие квалифицированного контакта и его характеристики (роль, тип, департамент, должность, наличие мобильного телефона, наличие рабочего телефона).
  При отсутствии характеристик контакта на странице лида, система проверит, заполнены ли они на странице контакта.

• Наличие квалифицированного контрагента и его характеристики (категория, отрасль, тип, количество сотрудников, наличие веб-сайта, страна).
  При отсутствии характеристик контрагента на странице лида, система проверит, заполнены ли они на странице контрагента.

• Данные о привлечении лида (источник, канал привлечения, наличие событий сайта, лендинг).

• Агрегированные показатели лида:

  • количество дней, прошедших после квалификации лида;

  • количество лидов контакта;

  • количество лидов контакта, зарегистрированных за последние 2 недели;

  • количество звонков и email-сообщений по лиду (за месяц, за квартал, всего).

  • количество дней, прошедших с последнего звонка;

  • количество дней, прошедших с последнего email-сообщения.

Отсутствие одного или нескольких параметров из приведенного списка может оказать значительное влияние на точность предиктивного рейтинга лида.