Sådan bygger du en effektiv leadscorings-model i HubSpot

Leadscoring er en central del af HubSpot som salgs- og leadgenereringsmaskine, men jeg har erfaret, at det faktisk er meget få HubSpot-brugere, som arbejder systematisk med dette værktøj. Det er en skam, for det giver – når det virker – et fantastisk overblik for sælgerne over, hvilke leads der er de varmeste lige nu.

Leadscoring ændrer prioriteringen af leads fra en overvejende subjektiv proces til en datadrevet og analytisk tilgang, som er nem og billig at administrere; når et lead kommer ind på dit website, vil vedkommende optjene point på baggrund af de data, han afgiver. Sælgerne kan på den måde nemt gennemskue hvilke emner, de bør tage fat på først.

Det er ofte marketingafdelingen der står for leadscoring, men det er super vigtigt, at det ikke bliver marketings ansvar alene. Alle, der har viden om jeres kunder, skal arbejde sammen om at lave jeres leadscorings-model. Det vil sige, at både salg og marketing skal samles om det runde bord. Det kan ikke siges nok, for hvis leadscoring ikke giver værdi til salg, så er arbejdet med den spildt. Derfor vil jeg fra nu undlade at tale direkte til dig men i stedet til jer som team.

Hvad er forudsætningen for at gå i gang med leadscoring?

Grundforudsætningen for at få værdi ud af at score jeres leads er, at jeres datakvalitet er god nok til det. Og hvad betyder det så? Det er måske en no brainer, men ikke desto mindre, så er det altafgørende for, om det giver mening for jer at arbejde med leadscoring, at I har været igennem jeres data og foretaget et kvalitetstjek. Bliver jeres data opdateret automatisk? Hvordan bliver de indsamlet? Det er vigtigt, at I er bevidste om det, før I går i gang med lead scoring.

Det smarte ved leadscoring er, at I får de varmeste leads serveret automatisk og i real time. Derfor mener jeg også, at det er en grundlæggende forudsætning, at I har integreret jeres CRM-system med HubSpot, så salgsafdelingen får sine leads derinde frem for at skulle bruge HubSpot Marketing. Leadscoring er et salgsværktøj, der skal give salg en temperaturmåling på de indkomne leads, så hvis I ikke allerede har et CRM-system, så vil jeg anbefale at få et. Det kunne være HubSpots gratis CRM.

Ingredienser i leadscoring

Men hvad kan man så score på med leadscoring? Der findes flere typer data, som kan være interessante at kigge på i forbindelse med leadscoring. Vi opdeler dem i implicitte og eksplicitte typer data. 

De eksplicitte data er typisk demografiske data såsom:

• Alder
• Titel
• Afdeling
• På virksomhedsniveau
• Branche
• Omsætning
• Antal medarbejdere
• Land
• Børsnoteret

Eksplicitte data kan også være data baseret på det, nogen kalder BANT-kriterierne. BANT står for:

• Budget
• Authority
• Need
• Timeline 

BANT kriterierne handler altså mere om det konkrete projekt og vil typisk ikke være information, man indsamler i toppen af tragten. Det er oplysninger, som handler om, hvor meget de har sat af til købet eller projektet, hvor stor en indflydelse, personen har på beslutningen, om de har et latent eller udtalt behov, samt hvad deres tidshorisont til beslutning eller næste skridt er. 

De data kan være svære at få ud af folk på traditionel vis ved download af en e-bog, men her kan tests og beregnere være et godt værktøj. Når jeres leads besvarer spørgsmålene i en test, får de noget ud af at svare på spørgsmålene (resultatet af testen), hvilket kan gøre dem mere villige til at svare på dem.

De implicitte data er adfærdsdata såsom:

• Besøg på website
• Downloads
• Klik i e-mails
• Demobooking
• Frekvens
• Aktualitet

Implicitte data er typisk oplysninger relateret til kontaktens adfærd. Det er oplysninger, som HubSpot langt hen ad vejen indsamler automatisk for jer. Det kan også være data fra de eksterne kanaler, som HubSpot fra start er forbundet til - eksempelvis sociale medier - eller andre systemer, som er integreret med HubSpot.

Processen

Men hvordan kommer I så i gang med leadscoring? Her er nogle af de trin, vi anbefaler, at I går igennem, når I vil i gang med at lead score.

1. Indkald både salg og marketing til udviklingen

Som jeg nævnte lidt længere oppe: Leadscoring, og i øvrigt alt hvad der hedder salg og marketing, skal være et fælles projekt. Virksomheder der ikke arbejder med den helstøbte kundeoplevelse sakker bagud. Hvis I sætter marketing til at lave lead scorings-modellen alene, risikerer I, at salg ikke bruger funktionen, fordi marketing ikke har en god nok forståelse for salgsprocessen, og hvis I sætter salg til det, risikerer I, at nogle marketingaktiviteter bliver overset.

2. Definér kvalificeringskrav

Find ud af, hvad der udgør et godt lead. Det skal endevendes. Tænkt på kriterierne ovenfor. Hvad har salg brug for at vide om deres leads, før de ringer til dem, og hvad kunne være rart at vide? Her kan marketing byde ind med viden om metoder til at indhente lige netop den data.

3. Dissekér vundne og tabte deals

Tag de deals, I har haft over en given periode, og kig på hvad der karakteriserer dem. Hvor lang tid har de været undervejs, og hvad har de lavet på websitet? Kig derefter på de tabte deals, og se på hvad der karakteriserer dem. Er der noget her, der skal være et negativt kriterie i jeres lead scorings-model?

4. Udvælg de væsentlige komponenter og sammenlign

Hvis I har udvalgt en masse parametre, er det ikke sikkert, at I skal bruge alle. Vælg det mest væsentlige ud. Kig på, hvad der skiller sig ud.

5. Udfør tests – eksempelvis simulering eller blindtests

Når I har lavet jeres leadscoring, så test den ved at tage en vunden deal og se, om jeres kriterier passer på vedkommende. I kan også tage en kontakt, som I anonymiserer og fjerner leadscoren for. Herefter viser I kontakten til salg og lader dem vurdere, hvor varmt leadet er. Spørg dem, hvad scoren for dette lead burde være.

6. Kør iterationer

Sæt tid af til at revurdere modellen. Det er vigtigt, at I sætter jer sammen – måske en gang i kvartalet og evaluerer kvaliteten af de leads, salg får at arbejde med og deres syn på leadscoren. Tag eventuelt alle, der er blevet SQL inden for en given periode, og vurdér, hvordan leadscoren passer på dem. Husk, at jeres butik ændrer sig, og det gør jeres kunder også, så dette trin skal gøres løbende. 

Eksempler på leadscoringsmodeller

Der er ingen regler, når I leadscorer, og så alligevel... Der er gode og mindre gode måder at gøre det på. Det allervigtigste er, at I ikke laver det til et stort og kompliceret projekt. Hold det simpelt og overskueligt. Jeg har selv sat leadscoring op så kompliceret, at det ikke var til at overskue, hvad der gav hvilke point og endnu værre, hvis der skulle ændres i noget, var det et heldagsprojekt eller mere.
Al erfaring viser, at kompleksitet ikke gør leadscoren mere nøjagtig – tværtimod.

Lad os dykke ned i nogle egentlige modeller for, hvordan I sætter en lead scorings-model op.

1. Den simple

Hvis leadscoring stadig er nyt for jer, så kan det være en god idé at starte simpelt. I kan altid ændre jeres model hen ad vejen, og det er bedre at have en simpel model at lære fra, og så udbygge den med tiden. Den helt simple lead scorings-model, som alene bygger på den adfærd, kontakterne har, kunne se således ud:

• Besøgt kontaktsiden: 5 point
• Besøgt en caseside: 10 point
• Besøgt mere end 5 sider: 10 point
• Åbnet e-mail: 5 5 point
• Klikket i en e-mail mere end 3 gange: 10 point
• Downloadet et stykke gated awareness-kampagne-indhold: 15 point
• Downloadet et stykke gated consideration-kampagne-indhold: 25 point
• Booket et møde: 80 point

Når en besøgende har downloadet et stykke gated indhold, også kaldet premium content eller et content offer, bliver vedkommende lead. Når et lead har opnået 50 point i leadscoring, eller vedkommende har downloadet et stykke gated consideration-kampagneindhold og derudover har 25 point i leadscoring, bliver vedkommende MQL. Et lead med 80 point eller mere i lead score er SQL.

Med dette udgangspunkt er I i gang med at få erfaringer, I kan bruge i de senere iterationer af jeres leadscorings-model.

2. Den simple med demografiske data

I kan også udbygge den simple model, så den indeholder lidt flere parametre såsom demografiske data og negative værdier. Nedenfor ser I en model, som både gør brug af implicitte og eksplicitte data. Her er de forskellige værdier prioriteret efter kritiske, vigtige, indflydelsesrige og negative værdier. 

Som I kan se, så bliver der både scoret på demografiske data såsom rolle, industri, virksomhedens størrelse, virksomhedens udfordring og beliggenhed. Det giver rigtig god mening at tage den slags data med, hvis I er sikre på, hvilken type virksomheder, I går efter, og hvilke personer, I gerne vil snakke med.

3. Den avancerede

Den avancerede model adskiller sig fra de to foregående ved at give point baseret på både implicitte og eksplicitte data, men her bliver der scoret lidt mere avanceret på kundeprofiler. Lad os sige, at jeres idealkunde har følgende karakteristika:

• Branche: IT-services/software

• Type virksomhed: B2B

• Antal ansatte: 50-200

• Årlig omsætning: 5-10 millioner

• Afdeling: Operation, Administrative, HR, Logistic
• Rolle: C-level/SVP/Executive, VP/Direttore, eller Manager. 

I denne model vil I bruge en smart-formular, som kan genkende det enkelte lead. På den måde kan I lave det, HubSpot kalder Progressive Profiling, hvor I, for hver gang en kontakt udfylder en formular, vil bede om yderligere oplysninger (men ikke om de samme, som I allerede har indsamlet). Som I kan se øverst i hver kolonne, så får jeres leads 5, 10 eller 15 point alene for at udfylde en formular. Antallet af point er afhængigt af, hvilken type indhold, formularen giver adgang til.

Man har her besluttet sig for, at indhold, der passer til consideration-fasen i kunderejsen giver dobbelt så mange point som indhold, der passer til awareness-fasen, og hvis dit lead er i gang med at downloade et stykke indhold, der hører til i decision-fasen, får de 15 point. Kolonnerne angiver hvad I spørger om i de forskellige faser, og for hvert godt match, får dit lead et givent antal point – eksempelvis 10 point for at være i den rigtige branche.

Nedenfor kan I se, hvordan leads kvalificeres. Man bliver altså ikke eksempelvis MQL ved at downloade consideration stage-indhold, men kun hvis man hvis man også er et godt match på de parametre, der er udvalgt som best match.

4. Den flerdimensionelle

Udfordringen ved de simple modeller er, at et lead kan opnå en høj score ved at være meget aktiv på dit website, men uden at være et godt match på profil. Ligesådan kan et lead opnå en høj score ved at have en god profil men uden at være særligt aktiv på dit website.

Dette er delvist håndteret i den foregående model, som dog efter min mening ikke fuldt ud giver kontakten kredit i forhold til adfærd på websitet – der er ganske få implicitte parametre i spil, hvilket ofte ikke er hensigtsmæssigt.

HubSpots måde at håndtere leadscoring på er temmelig en-dimensionel, så det er svært at lave en model, hvor sælgerne udelukkende kigger på de leads, som både har en attraktiv adfærd og det helt rigtige match på de eksplicitte parametre. Det er illustreret i denne model, hvor vi har matchet på de eksplicitte data ud af den horisontale akse og adfærden illustreret i en leadscore fra 0 til 100 op ad den vertikale.

Det er de grønne felter (D3, D4 og C4), der er de attraktive kontakter for salg – altså enten dem som har den helt rigtige adfærd, men ikke nødvendigvis et match på de demografiske data, der er 100% optimalt eller dem, der profilmæssigt passer så godt på jeres idealkunde, at I gerne vil tale med dem, selvom de ikke har vist et engagement, der ellers normalt ville tiltrække jeres opmærksomhed.