本文為系列文章，推薦前置閱讀：
預(yù)測(cè)性線索評(píng)分——大數(shù)據(jù)技術(shù)正在改變的又一領(lǐng)域（一）

線索評(píng)分的演化歷史

可見(jiàn)，線索評(píng)分是一個(gè)貫穿銷售過(guò)程的重要內(nèi)容。銷售人員很早就在銷售過(guò)程中應(yīng)用。從歷史上看，線索評(píng)分主要經(jīng)歷了如下幾個(gè)發(fā)展階段。

• 手工評(píng)分階段：計(jì)算機(jī)技術(shù)和軟件發(fā)展起來(lái)之前，線索評(píng)分都是手工進(jìn)行的。這需要仔細(xì)研究潛在客戶，記錄他們的信息，然后在電子表格上計(jì)算他們的分?jǐn)?shù)。盡管這項(xiàng)任務(wù)很艱巨，但事實(shí)證明，它是值得的：2012年，使用線索評(píng)分的企業(yè)，與沒(méi)有使用線索評(píng)分的企業(yè)相比，前者的線索獲取ROI增加了77%。
• CRM輔助評(píng)分階段：CRM軟件出現(xiàn)后，就逐步承擔(dān)了自動(dòng)化和簡(jiǎn)化線索評(píng)分流程的任務(wù)。使用CRM，企業(yè)可以收集并輸入每條線索的數(shù)據(jù)，然后根據(jù)所選的評(píng)分標(biāo)準(zhǔn)，由CRM軟件對(duì)這些線索進(jìn)行評(píng)分。這些評(píng)分?jǐn)?shù)據(jù)大都包括潛在客戶的人口統(tǒng)計(jì)學(xué)信息（demographic），以及一些顯性信息。因此這也意味著一些有用的隱性信息沒(méi)有被包括進(jìn)來(lái)。在這種模式下，銷售和市場(chǎng)人員仍然需要投入很多時(shí)間來(lái)研究線索，然后才能對(duì)其評(píng)分并過(guò)濾掉那些不太可能購(gòu)買(mǎi)的客戶。雖然這被認(rèn)為是對(duì)手工評(píng)分的重大改進(jìn)，但它仍然占用了銷售人員大量的時(shí)間。
• 營(yíng)銷自動(dòng)化（MA）+CRM評(píng)分階段：隨著營(yíng)銷自動(dòng)化技術(shù)的興起，使得追蹤潛在客戶在線行為成為可能。營(yíng)銷自動(dòng)化技術(shù)與CRM聯(lián)合在一起，可以分析更多數(shù)量和更廣泛種類的數(shù)據(jù)。例如，可以跟蹤潛在客戶訪問(wèn)網(wǎng)站的時(shí)長(zhǎng)和次數(shù)，利用這些信息給線索加分，并添加到CRM的線索資料中。這種評(píng)分方式的弊端在于：營(yíng)銷自動(dòng)化技術(shù)可以追蹤這些行為，但它無(wú)法區(qū)分這些訪問(wèn)是出于客戶的實(shí)際興趣，還是偶然的行為。它只能從行為端進(jìn)行分析，而無(wú)法從需求端給出結(jié)論。根據(jù)2016年的一份報(bào)告，61%的受訪者表示，“誤導(dǎo)性的購(gòu)買(mǎi)信號(hào)”是他們?cè)诰€索評(píng)分方面面臨的最大挑戰(zhàn)之一。這為另一個(gè)新來(lái)者進(jìn)入領(lǐng)先評(píng)分領(lǐng)域留下了空間。
• 預(yù)測(cè)性線索評(píng)分階段：這是大數(shù)據(jù)技術(shù)、人工智能技術(shù)在線索評(píng)分領(lǐng)域發(fā)展的自然結(jié)果。大數(shù)據(jù)技術(shù)可以收集來(lái)自互聯(lián)網(wǎng)的各種類型數(shù)據(jù)，然后使用人工智能、機(jī)器學(xué)習(xí)算法，對(duì)其分析，從而對(duì)線索給出更加準(zhǔn)確的評(píng)分。這也是線索評(píng)分領(lǐng)域最高的發(fā)展階段。后文會(huì)給出更加詳細(xì)的說(shuō)明。

傳統(tǒng)線索評(píng)分的缺陷

我們知道，線索評(píng)分是根據(jù)相關(guān)一系列數(shù)據(jù)，為線索分配分?jǐn)?shù)的過(guò)程。在歷史上傳統(tǒng)的線索評(píng)分方法中（包括手工評(píng)分、CRM輔助評(píng)分和CRM+MA評(píng)分模式），相關(guān)數(shù)據(jù)可能包括人口統(tǒng)計(jì)學(xué)信息。例如工作領(lǐng)域、職位名稱等。其他數(shù)據(jù)可以包括潛在客戶在線參與的頻率，或者瀏覽表示有購(gòu)買(mǎi)興趣的特定網(wǎng)站頁(yè)面的頻率等等。在這種模式下，市場(chǎng)營(yíng)銷人員對(duì)某些行動(dòng)的重要性進(jìn)行排名，以衡量客戶意圖、篩選線索。例如，一個(gè)訪客通過(guò)自然搜索找到了主頁(yè)，并填寫(xiě)了表格或訂閱了更多信息，他很可能比打開(kāi)電子郵件或閱讀一篇博客文章后而跳轉(zhuǎn)到這個(gè)網(wǎng)站的訪問(wèn)者，獲得更高的評(píng)分。

理想的情況下，線索評(píng)分是準(zhǔn)確的，營(yíng)銷人員可以將最有價(jià)值的新線索連同一些有用的信息傳遞給銷售團(tuán)隊(duì)。不幸的是，我們并不是生活在一個(gè)理想的世界里，傳統(tǒng)的線索評(píng)分也不總是準(zhǔn)確。營(yíng)銷人員仍然通常依靠自己的主觀判斷或過(guò)去的數(shù)據(jù)來(lái)評(píng)估他們認(rèn)為與銷售相關(guān)的行動(dòng)。商機(jī)仍然會(huì)從縫隙中溜走，或者銷售團(tuán)隊(duì)可能會(huì)依據(jù)不準(zhǔn)確的評(píng)分，花太多的時(shí)間去追逐不合格的線索。

傳統(tǒng)的線索評(píng)分方式非常僵硬，存在大量遺留的人工/流程錯(cuò)誤。假設(shè)營(yíng)銷人員分析一個(gè)線索的入站行為。如果潛在客戶進(jìn)入主頁(yè)，然后要求進(jìn)行演示，根據(jù)市場(chǎng)人員的合格性評(píng)分模板，這個(gè)線索可能會(huì)獲得一個(gè)很高的評(píng)分。然而，這些行為并沒(méi)有告訴你他的消費(fèi)能力、購(gòu)買(mǎi)意圖等方面的任何信息。因此會(huì)導(dǎo)致錯(cuò)誤的線索評(píng)分，從而對(duì)銷售代表產(chǎn)生錯(cuò)誤的引導(dǎo)

CRM數(shù)據(jù)不完整的問(wèn)題，也導(dǎo)致了線索評(píng)分的不準(zhǔn)確性。CRM數(shù)據(jù)只有在銷售代表正確填寫(xiě)時(shí)才是完整的。大多數(shù)評(píng)分模型失敗的原因，主要有兩個(gè):

• 較低的數(shù)據(jù)填寫(xiě)率，導(dǎo)致CRM數(shù)據(jù)不完整。
• 只有一部分?jǐn)?shù)據(jù)（比如贏單數(shù)據(jù)）在數(shù)據(jù)分析中使用。一個(gè)好的預(yù)測(cè)模型需要大量的高質(zhì)量數(shù)據(jù)。

傳統(tǒng)線索評(píng)分方法所涉及的數(shù)據(jù)，只是潛在客戶數(shù)據(jù)集合的“冰山一角”，眾多有意義的數(shù)據(jù)并沒(méi)有被利用。

在下面情況下，線索評(píng)分也是無(wú)法應(yīng)用的：

• 如果你沒(méi)有非常大量線索，線索評(píng)分就不是很有用了。
• 如果你的機(jī)構(gòu)沒(méi)有主動(dòng)的進(jìn)行實(shí)時(shí)線索評(píng)分，它也是無(wú)用的。
• 它需要提前建立特定的數(shù)據(jù)采集點(diǎn)。如果你是一家新公司，這些數(shù)據(jù)點(diǎn)經(jīng)常并不是為人所知的。
• 由于它是根據(jù)公司和營(yíng)銷人員的主觀判斷形成的，所以線索評(píng)分可能并不總是非常準(zhǔn)確。

由于這些原因，市場(chǎng)需要更準(zhǔn)確的評(píng)分方法。如果你一直在手動(dòng)給線索評(píng)分，并且擁有CRM系統(tǒng)，那么你應(yīng)該認(rèn)真考慮采用預(yù)測(cè)性的線索評(píng)分。隨著人工智能、大數(shù)據(jù)和機(jī)器學(xué)習(xí)的進(jìn)步，預(yù)測(cè)性線索評(píng)分在CRM中變得越來(lái)越普遍。

什么是預(yù)測(cè)性線索評(píng)分

預(yù)測(cè)性線索評(píng)分，是一種數(shù)據(jù)驅(qū)動(dòng)的線索評(píng)分方法。它使用歷史數(shù)據(jù)、活動(dòng)數(shù)據(jù)、以及預(yù)測(cè)模型，來(lái)識(shí)別最有可能轉(zhuǎn)換為銷售的線索。它使用大數(shù)據(jù)和機(jī)器學(xué)習(xí)算法評(píng)估現(xiàn)有客戶和潛在客戶的關(guān)鍵行為，并對(duì)他們進(jìn)行分級(jí)，從而更容易區(qū)分哪些潛在客戶更容易轉(zhuǎn)化、留存或購(gòu)買(mǎi)公司的產(chǎn)品和服務(wù)。

預(yù)測(cè)性線索評(píng)分的好處在于，你不必弄清楚合格線索應(yīng)該包含哪些屬性，或者每個(gè)屬性應(yīng)該有多少權(quán)重。對(duì)于許多營(yíng)銷人員來(lái)說(shuō)，確定一個(gè)合理的公式是非常困難的，而且通常歸結(jié)為一個(gè)“嘗試和檢查”的過(guò)程。然而，有了預(yù)測(cè)性的線索評(píng)分，算法會(huì)查看你成交的客戶有哪些共同信息，那些還沒(méi)有成交的線索有哪些共同信息。然后提出一個(gè)公式，自動(dòng)為線索分組，所以你可以很容易地找出最合格的線索。

預(yù)測(cè)性線索評(píng)分中的“預(yù)測(cè)性”，指的是基于一系列算法的預(yù)測(cè)模型。用這些算法來(lái)尋找完美或近乎完美的客戶，這樣銷售代表就不必猜測(cè)哪些線索最有可能成交，特別是你使用通話記錄數(shù)據(jù)，來(lái)跟蹤這些通話表現(xiàn)的時(shí)候。

利用歷史數(shù)據(jù)和人口統(tǒng)計(jì)數(shù)據(jù)，可以構(gòu)建一個(gè)更加準(zhǔn)確和可靠的數(shù)據(jù)集。基于機(jī)器學(xué)習(xí)，預(yù)測(cè)性解決方案可以找出那些營(yíng)銷團(tuán)隊(duì)可能會(huì)錯(cuò)過(guò)的關(guān)鍵指標(biāo)，從而產(chǎn)生更高質(zhì)量的線索。更好的是，由于這是通過(guò)機(jī)器學(xué)習(xí)和預(yù)測(cè)分析來(lái)完成，許多流程可以同時(shí)運(yùn)行，從而為團(tuán)隊(duì)騰出時(shí)間來(lái)完成其他任務(wù)。

預(yù)測(cè)性線索評(píng)分的工作原理如下：

1. 首先分析CRM中所有已經(jīng)關(guān)閉的商機(jī)——既包括那些成交的，也包括那些失敗的。
2. 然后使用預(yù)測(cè)性線索評(píng)分平臺(tái)，在互聯(lián)網(wǎng)和專有數(shù)據(jù)源中掃描數(shù)千個(gè)數(shù)據(jù)信號(hào)，以確定理想客戶的數(shù)字指紋。
3. 基于這個(gè)數(shù)字指紋，創(chuàng)建評(píng)分系統(tǒng)。根據(jù)與現(xiàn)有客戶的匹配程度，對(duì)所有的線索、聯(lián)系人、客戶和商機(jī)進(jìn)行評(píng)分。

預(yù)測(cè)性線索評(píng)分示例

比如，兩個(gè)不同的營(yíng)銷活動(dòng)產(chǎn)生的線索和成本情況:

按照傳統(tǒng)線索評(píng)分模式，活動(dòng)1表現(xiàn)得似乎更加出色，同樣成本下，它產(chǎn)生了更多的線索。但是我們應(yīng)用預(yù)測(cè)性線索評(píng)分思路，進(jìn)一步分析不同線索組的歷史表現(xiàn)，并對(duì)其進(jìn)行分類，比如我們將歷史線索分為A、B、C三類，其中A類是評(píng)分最高的線索，B、C依次下降。通過(guò)分析每一類線索在銷售漏斗中的轉(zhuǎn)化率，可以知道給定分?jǐn)?shù)線索轉(zhuǎn)化為商機(jī)的可能性。假設(shè)三類線索的轉(zhuǎn)化率如下。

使用這些歷史轉(zhuǎn)換率，就可以比較以上兩個(gè)活動(dòng)產(chǎn)生線索的具體情況。得到如下表格。

可見(jiàn)，雖然活動(dòng)1以較低的平均成本生產(chǎn)了更多線索，但活動(dòng)2預(yù)計(jì)將生產(chǎn)更多的管道價(jià)值。借助預(yù)測(cè)性線索評(píng)分方法，我們不必等上幾個(gè)月，就能看到活動(dòng)2看起來(lái)是一項(xiàng)更好的投資。使用它可以縮短活動(dòng)效果驗(yàn)證周期，我們可以快速做出更明智的決定，并在市場(chǎng)中獲得更高的回報(bào)。

預(yù)測(cè)性線索評(píng)分與傳統(tǒng)線索評(píng)分的區(qū)別

傳統(tǒng)線索評(píng)分，主要關(guān)注潛在客戶對(duì)產(chǎn)品的興趣、以及與銷售代表交談的意愿；而預(yù)測(cè)性線索評(píng)分，則主要關(guān)注識(shí)別產(chǎn)品的理想客戶。傳統(tǒng)的線索評(píng)分，可以看作是“行為”匹配（activity fit）——潛在客戶的行為表明了他們要成為客戶的傾向。預(yù)測(cè)性線索評(píng)分，則看作是“畫(huà)像”匹配（demographic fit）——潛在客戶的畫(huà)像指紋與現(xiàn)有客戶的指紋匹配。那些行為匹配分?jǐn)?shù)很高，但畫(huà)像匹配分?jǐn)?shù)很低的線索，購(gòu)買(mǎi)我們產(chǎn)品的可能性仍然很低。但是畫(huà)像匹配得分很高的線索，無(wú)論它的行為匹配得分如何，他們?nèi)匀痪哂休^高的購(gòu)買(mǎi)傾向。

預(yù)測(cè)性線索評(píng)分的好處

使用預(yù)測(cè)性線索評(píng)分，可以節(jié)省團(tuán)隊(duì)大量時(shí)間，并減少傳統(tǒng)線索評(píng)分所需的一些繁瑣手工工作。它可以減少大量的猜測(cè)工作，增加更多的實(shí)際銷售時(shí)間（spend less time guessing and more time selling）。

以下是使用預(yù)測(cè)性線索評(píng)分的一些好處:

• 犯更少的錯(cuò)誤，因?yàn)樗鼘⑷说囊蛩嘏懦诜治鲋狻?/li>
• 可以提供豐富的數(shù)據(jù)信息，這將增加決策的信心。
• 可以獲得更全面的數(shù)據(jù)視圖，對(duì)每個(gè)數(shù)據(jù)之間的聯(lián)系有一個(gè)360度的視角。
• 它將識(shí)別出你以前從未注意到的新的模式，發(fā)現(xiàn)數(shù)據(jù)集之間隱藏的關(guān)系。

彌合市場(chǎng)與銷售之間的空隙

要取得業(yè)務(wù)成功，離不開(kāi)市場(chǎng)與銷售團(tuán)隊(duì)的密切配合。簡(jiǎn)單地說(shuō)，市場(chǎng)團(tuán)隊(duì)負(fù)責(zé)產(chǎn)生線索，銷售團(tuán)隊(duì)則要將這些線索轉(zhuǎn)化為銷售。問(wèn)題是，如果轉(zhuǎn)交給銷售團(tuán)隊(duì)一些低質(zhì)量的線索，他們就會(huì)將時(shí)間和資源花在這些永遠(yuǎn)也不會(huì)成交的線索上面。而那些好的線索則等待在銷售管道中，被銷售團(tuán)隊(duì)忽略了。甚至在銷售有機(jī)會(huì)做推介之前，就丟失了。

手工線索評(píng)分，可以消除那些轉(zhuǎn)化率極低的線索，但卻無(wú)法區(qū)分價(jià)值100元的線索與價(jià)值10000元線索的區(qū)別。預(yù)測(cè)性線索評(píng)分不僅可以使任務(wù)自動(dòng)化，讓銷售團(tuán)隊(duì)騰出時(shí)間進(jìn)行實(shí)際的銷售工作，而且還可以識(shí)別出最有價(jià)值的線索，以便他們將精力集中在最有可能產(chǎn)生最大ROI的線索上。對(duì)于那些還沒(méi)有準(zhǔn)備好銷售的線索，可以留給市場(chǎng)團(tuán)隊(duì)做進(jìn)一步的線索培育。他們可以在將來(lái)轉(zhuǎn)化成銷售，而不是被遺棄。

預(yù)測(cè)性線索評(píng)分使用的數(shù)據(jù)，既包括市場(chǎng)方面網(wǎng)站的行為分析和社交媒體平臺(tái)數(shù)據(jù)，也包括銷售方面的CRM數(shù)據(jù)。所有工作都是自動(dòng)化進(jìn)行的，人為錯(cuò)誤更少，也不會(huì)因?yàn)槭袌?chǎng)和銷售團(tuán)隊(duì)缺乏溝通，導(dǎo)致線索處理延遲。所以，預(yù)測(cè)性線索評(píng)分，可以讓市場(chǎng)銷售團(tuán)隊(duì)更好的配合，并彌合市場(chǎng)與銷售團(tuán)隊(duì)之間的空隙。