Lead scoring: osvědčené postupy pro B2B obchodní a marketingové týmy

Zeptejte se kteréhokoli obchodního týmu a uslyšíte, že se kvalita leadů zlepšuje. Nedávný průzkum mezi více než 1 000 obchodníky ukázal, že 68 % z nich vnímá, že se kvalita leadů za poslední rok zlepšila. Zní to jako dobrá zpráva. Jenže „lepší“ je pocit, který obchodníci uvedou v dotazníku, ne něco, co by někdo změřil. Bez scoringového modelu v pozadí je takové zlepšení jen dojem, ne fakt.

Tohle není úvod do lead scoringu. Základy už znáte. Dál se dočtete, jak z toho dojmu udělat něco skutečného: systém, který vám ukáže, které leady opravdu stojí za čas obchodníka, a ne jen které působí slibně. Když nastavíte správná kritéria, váš software pro lead scoring přestane vydávat šum za příležitosti a vaše B2B prodejní pipeline začne ukazovat, co v ní skutečně je.

Get thousands of leads in 4 minutes.

Stop stitching tools together.
Start with verified sales data, delivered in minutes.

SCALE SALES NOW

No contracts · No setup · No sales call

Rychlé opakování: co je lead scoring?

Lead scoring je proces, při kterém leadům přidělujete body podle toho, kdo jsou a co dělají, aby obchod věděl, komu volat jako prvnímu. Je to filtr, ne hádanka. Explicitní data pokrývají demografickou stránku: pracovní pozici, velikost firmy, obor, tedy to, co vám lead řekne sám. Implicitní data pokrývají behaviorální stránku: návštěvy ceníku, žádosti o demo, nákupní signály v B2B, které prozrazují záměr, aniž by ho kdo vyslovil nahlas. Když máte správně obojí, přestane být lead scoring jen ozdobnou funkcí přišroubovanou k CRM a začne dělat to, k čemu slouží: ukotví vaši B2B go-to-market strategii v realitě, ne v pouhé aktivitě.

Stanovte jasná kritéria scoringu dřív, než začnete přidělovat body

Většina týmů staví svůj scoringový model pozpátku. Vyberou kritéria, která znějí rozumně (pozice, velikost firmy, pár aktivit svědčících o zájmu), přidělí body a spustí to. Pak dalších šest měsíců řeší, proč se z leadů s vysokým skóre nestávají zákazníci.

Řešení: začněte u vyhraných obchodů, ne u svých předpokladů. Vezměte firmy, které se skutečně staly zákazníky, a hledejte, co mají společného: velikost firmy, obor, stránky, které navštívily před rezervací dema, kolik kontaktů bylo potřeba. Pak totéž udělejte s leady, které nikdy nekonvertovaly. Rozdíl mezi těmito dvěma skupinami jsou vaše kritéria scoringu. Ne odhad, jak dobrý lead vypadá, ale jak skutečně vypadal, než nakoupil.

Funguje to jen tehdy, když je model od prvního dne postavený na datech. Postavit model podle intuice a opravovat ho později znamená měsíce, kdy obchodníci věnují čas nesprávným leadům, zatímco marketing trvá na tom, že scoring funguje skvěle. Mějte datové základy v pořádku dřív, než přidělíte jediný bod.

A ještě jedna věc, kterou se vyplatí udělat hned na začátku: zapojte do procesu obchod. Váš outboundový obchodní tým je každý den na telefonu. Často si všimne vzorce, třeba pozice, která nikdy nenakupuje, nebo chování, které vždy signalizuje naléhavost, dávno předtím, než se objeví v datech. Pokud tyto podněty ignorujete, budete za tři měsíce model přestavovat, abyste dohnali to, co vaši obchodníci věděli už dávno.

Kombinujte firmografické, demografické a behaviorální signály

Fit vám řekne, jestli by lead mohl být vaším zákazníkem. Záměr vám řekne, jestli se brzy začne jako zákazník chovat. Model, který měří jen jedno z toho, má vždycky pravdu jen napůl.

Fit signály (firmografická a demografická data)

Fit signály odpovídají na jedinou otázku: podobá se tento lead zákazníkům, kteří od vás skutečně nakupují?

• Pracovní pozice: ukazuje, jestli má člověk pravomoc rozhodnout nebo rozhodnutí ovlivnit
• Velikost firmy: ukazuje, jestli má firma rozpočet a provozní složitost, pro které je váš produkt určený
• Obor: ukazuje, jestli váš produkt řeší problém, který firma opravdu má, a ne jen problém, na který ho lze technicky napasovat
• Lokalita: hraje roli hlavně tehdy, když prodáváte do konkrétních regionů nebo když vaše řešení podléhá regulatorním či logistickým omezením vázaným na geografii

Žádný z těchto signálů vám neřekne, jestli je lead připravený nakoupit hned teď. Řeknou vám jen, jestli jde vůbec o správný typ potenciálního zákazníka. Přesně to dělá fit scoring: filtruje podle relevance, ne podle naléhavosti.

Signály záměru (behaviorální data)

Fit vám řekne, kdo jsou. Záměr vám řekne, co pro to skutečně dělají.

Signál záměru je jakákoli akce, která ukazuje, že se lead posouvá k rozhodnutí, a ne že se jen tak rozhlíží kolem vaší značky. Mezi pasivním zapojením, jako je otevření e-mailu nebo zběžné pročtení článku na blogu, a aktivním záměrem, jako je žádost o demo, je skutečný rozdíl. Takové chování dává smysl jen tehdy, když někdo vážně zvažuje nákup. To první vám říká, že o vás někdo ví. To druhé vám říká, že někdo uvnitř firmy připravuje argumenty pro nákup.

U signálů záměru nejde o množství aktivity. Lead může nasbírat tucet málo hodnotných interakcí, a přesto být od nákupu hodně daleko. Rozhoduje typ akce, ne to, jak často se opakuje. To je hlavní logika intent-based marketingu: když správně čtete chování, víte, s kým mluvit, ještě než se ozve sám. V Česku platí od roku 2022 pro sledovací cookies princip opt-in, tedy předchozí souhlas návštěvníka (zákon o elektronických komunikacích), a lead scoring je podle GDPR zpravidla profilování. Uveďte ho proto v zásadách ochrany osobních údajů a nejpozději při prvním kontaktu upozorněte na právo vznést námitku podle článku 21.

Model, který boduje jen fit, označí spoustu leadů, které na papíře vypadají dobře, ale neprojevily žádný zájem o nákup: promarněné oslovování, které se jen tváří jako příležitost. Model, který boduje jen záměr, se bude hnát za každým, kdo se proklikává vaším webem, bez ohledu na to, jestli se někdy může stát zákazníkem. Ani jedno samo o sobě z nikoho lead nedělá. Dělají to teprve obě dohromady.

Přidělujte větší váhu akcím s vysokým záměrem

Ne každá akce si zaslouží stejný počet bodů, a přesto s nimi mnoho scoringových modelů zachází, jako by tomu tak bylo.

Žádost o demo a přihlášení k odběru newsletteru nejsou stejný signál. To první znamená, že má někdo blízko k rozhodnutí o nákupu. To druhé znamená, že se někomu natolik líbil titulek, že zanechal svou e-mailovou adresu. Pokud je váš model boduje alespoň přibližně stejně, skončí v čele vaší fronty odběratelé newsletteru, zatímco skuteční kupující budou čekat, až na ně přijde řada.

Návštěvy ceníku, žádosti o demo a registrace na bezplatnou zkušební verzi by měly mít výrazně vyšší bodovou hodnotu než přečtené články nebo přihlášky k newsletteru. Jsou blíž k rozhodnutí, takže by měly mít větší váhu.

Čerstvost a frekvence jsou stejně důležité jako samotná akce. Lead, který si tento týden třikrát prohlédl váš ceník, vysílá naléhavý signál. Lead, který tam byl jednou před třemi měsíci, nejspíš ne. Stejná akce, na papíře stejné body, úplně jiná míra záměru. Dobrý model s tímto rozdílem počítá, místo aby každé kliknutí bral, jako by se stalo právě teď.

Udržujte pipeline čistou díky negativnímu scoringu

Většina týmů staví scoringový model, který body jen přičítá. Nikdo je neodečítá. To je chyba, protože model, který odměňuje jen aktivitu, klidně ohodnotí zvědavého studenta stejně jako skutečného kupujícího, pokud bude dost klikat.

Negativní scoring odečítá body za signály, které ukazují na slabý fit nebo ochabující zájem:

• Soukromé e-mailové domény (třeba seznam.cz, email.cz nebo centrum.cz) místo firemní
• Vylučující pracovní pozice, například student nebo stážista
• Domény konkurence
• Odhlášení z odběru
• Návštěvy nerelevantních stránek, třeba stránky Kariéra

Nejde o žádný trest. Negativní scoring nepenalizuje lead za to, že existuje, ale funguje jako filtrační mechanismus, který obchodu brání trávit čas s někým, kdo by stejně nikdy nekonvertoval.

Když ho vynecháte, váš model nafoukne skóre lidem, kteří jsou jen zvědaví, ne zainteresovaní. Uchazeč o práci, který si před pohovorem prochází váš web, aby se o firmě něco dozvěděl, může nasbírat stejně bodů jako člověk s rozhodovací pravomocí, který zvažuje nákup, pokud váš model jen počítá kliknutí. Právě negativní scoring mezi nimi rozliší.

Nastavte jasné prahy a automatizujte předání leadů obchodu

Skóre je jen číslo, dokud něco nespustí. Můžete postavit nejpřesnější model na světě, ale bude k ničemu, pokud leady dál jen čekají, až si jich někdo všimne.

Definujte bodová pásma a prahy

Body mají smysl, jen když vedou k rozhodnutí. To znamená rozdělit bodovou škálu do jasných pásem, z nichž každé má práh, který přesně určuje, co se stane dál.

Typické nastavení má tři pásma:

• Nurturing: nízké skóre, lead dostává další obsah, dokud neprojeví skutečný záměr
• Marketing qualified lead (MQL): střední pásmo, které stojí za sledování, ale na obchodní rozhovor je ještě brzy
• Sales qualified lead (SQL): nejvyšší pásmo, lead je připravený na kontakt od obchodníka

Přesné bodové hodnoty jsou méně důležité než to, kdo se na nich shodne. Musí to být společné rozhodnutí marketingu a obchodu, ne něco, co marketing stanoví sám a předá dál. Pokud obchod prahy nepřijme za své, nebude důvěřovat leadům, které je překročí, a jste zpátky na začátku: obchodníci ignorují frontu a řídí se pocitem.

Automatizujte předání leadů obchodu

Práh nic neznamená, pokud nikdo nesleduje skóre v reálném čase. Ruční kontroly vždycky přijdou pozdě.

Nastavte CRM tak, aby předání spouštělo automaticky. Ve chvíli, kdy lead překročí práh SQL, má systém upozornit správného obchodníka a založit úkol na follow-up, aniž by kdokoli musel obnovovat dashboard nebo doufat, že si upozornění někdo všimne. Většina CRM, včetně českého Raynetu, to zvládne pomocí automatizací. Lead se posune ve vteřině, kdy si to zaslouží.

Nejde o to nahradit lidský úsudek. Jde o to, aby se uplatnil ve správnou chvíli, a ne o tři dny později, protože byl někdo zavalený e-maily.

Pravidelně revidujte a dolaďujte model lead scoringu

Scoringový model není něco, co jednou postavíte a pak na něj zapomenete. Je to systém, který potřebuje kontrolu, jinak se potichu rozbije a nikdo si toho nevšimne.

Zapište si do kalendáře čtvrtletní revizi. Vezměte leady s vysokým skóre a ověřte, jestli skutečně konvertují. Vezměte leady s nízkým skóre a ověřte, jestli se některé z nich přesto nestaly zákazníky. Pokud ano, obvykle to znamená, že váš model přehlédl skutečný signál. Záleží na obou směrech. Model, který se kontroluje jen tehdy, když se něco pokazí, se mýlí už měsíce.

Jednorázové nastavení nestačí, a to z prostého důvodu: chování zákazníků, podmínky na trhu i samotný produkt se mění. Kritéria, která loni předpovídala dobrý lead, dnes možná nepředpovídají skoro nic. Statický scoring na trhu, který se hýbe, rychle zastará, a nikdo si toho nevšimne, dokud neklesne kvalita pipeline a všichni se nezačnou přít, čí je to vina.

Veďte si jednoduchý záznam změn. Pokaždé, když upravíte práh nebo změníte váhu signálu, zapište si, co se změnilo a proč. Když pak někdo tento kvartál zvýší práh pro SQL, tým o tom ví a rozumí důvodům, místo aby na to náhodou přišel o tři měsíce později.

Nejčastější chyby v lead scoringu

Většina nefunkčních scoringových modelů selhává pořád z týchž několika důvodů. Vyplatí se porovnat ten svůj s tímto seznamem dřív, než budete předpokládat, že je problém jinde.

• Bodování jen fitu, nebo jen záměru: půlka obrázku se bere jako celek, takže nahoře skončí buď leady, které skvěle sedí, ale nemají žádný zájem, nebo velmi aktivní leady, které nikdy nenakoupí.
• Žádný negativní scoring: každé zvědavé kliknutí se počítá stejně jako skutečný zájem, což potichu nafukuje skóre lidem, kteří by nikdy nekonvertovali.
• Prahy nastavené jednou a už nikdy nerevidované: model zamrzlý na místě, zatímco trh, produkt i kupující, které má odrážet, se bez něj posouvají dál.
• Kritéria postavená na předpokladech, ne na vyhraných obchodech: odhad vydávaný za systém, postavený na tom, jak by dobrý lead měl vypadat, a ne na tom, jak skutečně vypadal, než nakoupil.
• Marketing a obchod se neshodnou na tom, co znamená „kvalifikovaný“: dva týmy pracují podle dvou různých definic a leady uvíznou mezi nimi.

Časté dotazy k lead scoringu

1. Co je metoda lead scoringu?

Lead scoring je postup, při kterém leadům přidělujete body podle toho, kdo jsou a co dělají, aby obchod mohl upřednostnit ty, kteří mají k nákupu nejblíž. Kombinuje fit signály, jako je pracovní pozice, velikost firmy a obor, se signály záměru, jako jsou návštěvy ceníku nebo žádosti o demo. Výsledkem je jedno skóre, které ukazuje, s jakou pravděpodobností lead konvertuje, takže toto hodnocení už nestojí na odhadu.

2. Jak efektivně vyhodnotit lead?

Začněte daty, ne předpoklady. Vezměte své vyhrané obchody, zjistěte, jaké vlastnosti a chování tito zákazníci sdíleli, a postavte kritéria na tomto vzorci. Přidejte negativní scoring, aby leady se slabým fitem nebo bez zájmu nenafukovaly pipeline, a model pravidelně revidujte, aby dál odpovídal tomu, jak se vaši kupující skutečně chovají.

3. Jak vytvořit scoringový model?

Opřete kritéria o data z vyhraných obchodů a pak zkombinujte fit signály se signály záměru, aby model měřil, kdo lead je i co dělá. Akcím s vysokým záměrem dejte větší váhu než pasivním, nastavte jasné prahy navázané na definovaná pásma a automatizujte předání, aby se leady připravené k prodeji dostaly k obchodu bez prodlení.

4. Které akce se do lead scoringu započítávají?

Největší váhu mají akce s vysokým záměrem, jako jsou žádosti o demo, návštěvy ceníku a registrace na bezplatnou zkušební verzi, protože signalizují, že má někdo blízko k rozhodnutí. Akce s nižším záměrem, třeba přečtení článku na blogu nebo přihlášení k newsletteru, se počítají také, ale měly by mít mnohem nižší bodovou hodnotu. Roli hraje i čerstvost a frekvence: lead, který byl v poslední době opakovaně aktivní, signalizuje větší naléhavost než ten, kdo něco udělal jednou před několika měsíci.

5. Jaké je hlavní pravidlo lead scoringu?

Univerzální pravidlo neexistuje, protože kritéria scoringu mají odrážet vaše vlastní data z vyhraných obchodů, ne obecnou šablonu. Přesto se v účinných modelech opakuje jeden princip: kombinovat fit a záměr, vážit akce podle toho, jak blízko mají k rozhodnutí o nákupu, a negativním scoringem odfiltrovat ty, kdo nesedí. Bodové hodnoty jsou v každé firmě jiné, ale logika za nimi platí pro většinu.