Katso kaikki kirjoitukset

Liidien pisteytys eli lead scoring tarkoittaa tapaa, jolla yrityksissä ryhmitellään liidejä esimerkiksi demografisten tietojen tai ostokäyttäytymisen perusteella. Liidien pisteytys auttaa myynnin parissa työskenteleviä päättelemään, mitkä liidit ovat lämpimiä eli keitä asiakkaita myynnin kannattaa priorisoida.

Konsepti on kaikkea muuta kuin uusi, mutta sen suosio on kasvanut tasaiseen tahtiin viimeisen viiden vuoden ajan paitsi maailmalla myös suomalaisten yritysten keskuudessa.

Myynnin ja markkinoinnin asiantuntijat nojaavat yhä vahvemmin liidien pisteytykseen, eikä ihme – onhan se heittämällä helpoin tapa säästää aikaa ja rahaa. Huolella tehdyn pisteytyksen ansiosta myyjä tietää, mihin ja keihin hänen kannattaa kallisarvoista aikaansa todennäköisimmin käyttää kauppojen syntymiseksi.

Monen muun myynnin toiminnon tavoin myös liidien pisteytys hoidettiin aikoinaan manuaalisesti. Ehkä muistatkin – tai jos et, osaat varmasti kuvitella – kuinka hidasta ja tuskallista liidien kahlaaminen, arviointi ja prioriteettijärjestykseen asettelu käsipelillä on (99,99999 % firmoista tekee tämän ihmisvoimin). Nykyisellä asiakas- ja ennen kaikkea asiakasdatan määrällä prosessia olisi lähes mahdotonta hoitaa ilman nykyaikaisia työkaluja.

Puhumattakaan siitä, kuinka markkinat muuttuvat nopeammin kuin koskaan ja samaa tahtia elävät myös asiakkaiden tarpeet ja ostokäyttäytyminen. Siksi myös liidien pisteytykseen käytettävien mallien on sopeuduttava alati vaihtuviin olosuhteisiin.

Parhaiten taltutat muuttuvan ympäristön aikaansaamat haasteet hyödyntämällä liidien pisteytykseen kehittynyttä tietotekniikkaa, jossa tekoäly ja ennakoivat ominaisuudet työskentelevät taukoamatta tarjotakseen myyntitiimisi käyttöön uusia ja entistä syvemmälle asiakkaan käyttäytymiseen tunkeutuvia näkemyksiä. Parhaimmillaan muutos voi tuntua yhtä suurelta kuin resiinan pumppauksesta pikajunan pehmeälle penkille siirtyminen – ja nyt kerron, miksi.
 

Liidien pisteytyksen evoluutio

Liidien hallinnan lihasvoimin kulkeva resiina, eli manuaalinen pisteytys


Kuten edellä mainitsin, ennen teknologian ja nykyaikaisten työkalujen kehittymistä liidit pisteytettiin käsin. Tätä voisi verrata kiskoilla lihasvoimin matkaa hitaasti ja vaivalloisesti taittavaan resiinaan – pisteytysprosessi piti sisällään prospektien huolellista tutkimista, heidän tietojensa kirjaamista käytössä oleviin tietokantoihin ja varsinaisen pisteytyksen venkslaamista ees taas taulukkolaskentaohjelmalla.

Tehtävä vaati eittämättä tekijältään sinnikkyyttä mutta on todistanut olevansa vaivan arvoinen. Tästä kielii muun muassa statistiikka seitsemän vuoden takaa, jolloin liidejään pisteyttävät yritykset kokivat ilokseen 77 prosentin kasvun liidien hankinnan ROI:ssa verrattuna yrityksiin, jotka eivät vielä olleet liidiresiinan pumppuun tarttuneet.
 

Höyryveturin vallankumous, eli CRM-avustettu pisteytys


Siitä asti, kun liidien pisteytys pääsi vauhtiin, on CRM-ohjelmistoihin rakennettu sisäisiä työkaluja pisteytysprosessin yksinkertaistamiseksi ja automatisoinniksi. Kaikki asiakkaista kerätty data voidaan syöttää CRM-ohjelmistoon, joka sitten pisteyttää liidit automaattisesti valittujen kriteerien mukaan. Tämä asiakasdata koostuu pääsääntöisesti potentiaalisten asiakkaiden demografisista ja täsmällisemmistä, kaupanteon potentiaalia koskevista tiedoista.

Potentiaaliseen asiakkaaseen epäsuorasti viittaavat tiedot sen sijaan jäävät pois yhtälöstä, kun liidien pisteytykseen käytetään vain ja ainoastaan CRM-ohjelmistoa.

Liidien hallinnan höyryveturin kyydissä myynnin ja markkinoinnin on yhä edelleen lyötävä pökköä pesään käsin ja uhrattava aikaa liidien tutkimiseen ennen kuin he voivat suodattaa liidien joukosta ne, jotka eivät vielä ole lämmenneet tarpeeksi ostopäätöstä varten.

Kuten kehityksen kiskoilla vuosikymmeniä kulkeneet markkinoinnin ammattilaiset tietävät, liidien hallinnan höyryveturi oli valtava edistysaskel lihasvoimin kulkevaan liidiresiinaan verrattuna mutta kulki silti melkoisen verkkaisesti ja vaivalloisesti tehden matkanteosta huomattavasti hitaampaa kuin se parhaimmillaan voisi olla.
 

LUE MYÖS ► CRM nyt, eilen sekä vuonna 2034

Liidien käsittelyn lättähattu: markkinoinnin automaatio


Haasteista huolimatta koko rautatietä oli turha keksiä uudelleen – vain kulkupelin oli muututtava. Siksipä sen sijaan, että liidien pisteytykselle olisi kehitetty kokonaan uudet käytännöt, paras tapa lisätä vauhtia oli museoida höyryveturi ja tuoda tilalle vauhtia lisäävä liidien pisteytyksen lättähattu.

Käytännössä se tarkoitti markkinoinnin automaation lisäämistä valmiiseen veturiin. Automaatio mahdollisti muun muassa liidien nettikäyttäytymisen seuraamisen sekä tietynlaisten epäsuorien tietojen keräämisen. Markkinoinnin automaation linkittäminen CRM-ohjelmistoon mahdollisti määrältään suuremman ja entistä monipuolisemman datan analysoinnin ja vertailun samalla kun prosesseja automatisoitiin ja virtaviivaistettiin.

Yrityksissä pystyttiin nyt valjastamaan markkinoinnin automaatio esimerkiksi seuraamaan, kuinka usein prospektit vierailivat verkkosivuilla. Tätä tietoa puolestaan kyettiin vihdoin hyödyntämään pisteytysprosessissa, kunhan se oli linkitettynä liidin profiiliin.

Mutta kuten olemme jo aiemmin todenneet, markkinoinnin automaatio on hyvä renki mutta kehno isäntä – eikä lättähattukaan lopulta tuonut pysyvää ratkaisua rataliikenteen ongelmiin. Automaatio toki mahdollisti prospektin käyttäytymisen seurannan, muttei se ollut tarpeeksi fiksu erottamaan tästä toiminnasta tärkeitä yksityiskohtia.

Kuten siis vaikkapa sitä, vierailiko prospekti verkkosivuilla siksi, että hän on todella aikeissa ostaa kyseisen tuotteen tai palvelun vai päätyikö hän sivustolle ihan vaan huvin vuoksi surffaillessaan tai aiheeseen tutustuessaan ilman varsinaista ostoaikomusta.

Lättähattu liikkui vaivattomammin ja vei lopulta määränpäähän, vaikkakin verkkaisesti. Ongelmaksi kuitenkin muodostuivat yllä kuvatun kaltaiset harhaanjohtavat ostosignaalit. Liidirata on kaivannut kipeästi sähköistystä ja nyt se on vihdoin täällä – pisteytyksen pikajuna eli tekoälyavusteinen ja ennakoiva liidien pisteytys.
 

Ota rento asento, nappaa hyvä kirja käteen ja istahda pikajunan kyytiin – näin toimii ennakoiva liidien pisteytys


Salesforcen State of Marketing -raportti paljastaa, että kaikista saatavilla olevista työkaluista tai teknologioista juuri tekoäly tulee kiitämään pikajunan tavoin halki myynnin ja markkinoinnin rataverkoston. Tämä johtuu suureksi osaksi siitä, että myynnin tekoäly on kehitetty varta vasten auttamaan myynnin ja markkinoinnin ammattilaisia haasteissa, joita he päivittäin työssään kohtaavat.

Sama pätee liidien pisteytykseen: ennakoiva liidien pisteytys on suunniteltu nimenomaan päättelemään, mitkä kriteerit kielivät lämpimästä ellei jopa suorastaan polttavasta liidistä, luomaan uusia pisteytysmalleja juuri sinun yrityksesi tarpeisiin perustuen sekä sopeutumaan jatkuvasti muutoksen tuulessa huojuviin markkinoihin.

Tarkastellaan lähemmin muutamia esimerkkejä, millä eri tavoin tekoäly tekee liidien pisteytykselle saman mitä pikajuna teki raideliikenteelle:
 

1 - Datan tehokkaampi keräys ja automaattinen analysointi

Tekoäly analysoi automaattisesti CRM-ohjelmistoon tallennettua asiakasdataa ja yhdistelee siihen muita olennaisia, asiakkaaseen liittyviä tietoja, kuten sähköpostiviestejä ja kalenterimerkintöjä, sosiaalisia datavirtoja ja jopa potentiaalista IoT-dataa. Liidien pisteytyksen pikajuna ottaa ohjakset käsiinsä ja siivilöi massiivisia määriä sekä tuoreita että menneitä myyntitietoja määrittääkseen vahvimmat ja potentiaaliset liidit myyjien käyttöön.
 

2 - Viimeisen päälle tuunatut ja tarpeisiin personoidut pisteytysmallit

Ennakoiva liidien pisteytys hyödyntää algoritmeja määrittääkseen yhteisiä ominaisuuksia sekä konvertoineiden että suutariksi jääneiden liidien keskuudessa. Tämän tiedon ansiosta liidien pisteytykseen käyttämäsi työkalu voi luoda ja testata erilaisia ennakoivia pisteytysmalleja ja poimia automaattisesti parhaat päältä esimerkkidataan perustuvan päätöksen pohjalta. Höyryjunien lisäksi on aika museoida vuosia kestänyt summamutikassa arvailu – pisteytyksen pikajuna tuo myyntitiimin käyttöön viimeisen päälle tuunatun pisteytysmallin, joka on juuri teidän yrityksenne tarpeita varten luotu.
 

3 - Tiedon entistä parempi paikkansapitävyys ja sopeutumiskyky

Koneoppimista hyödyntämällä yrityksesi käytössä oleva pisteytystyökalu parantaa osumistarkkuuttaan analysoimalla dataa yhä uudelleen ja sulauttamalla siihen uutta, saatavilla olevaa tietoa. Se kykenee käyttämään näitä tietoja vanhojen pisteytysmallien säännölliseen päivittämiseen varmistaakseen tarkimmat mahdolliset ennusteet, jotka ottavat huomioon markkinoiden ailahtelut sekä asiakaskäyttäytymisen.
 

4 - Tekoäly tuo lisätukea päivittäisiin toimintoihin

Tekoälyrikastettu CRM ei vain helpota ja nopeuta myyntitiimin työskentelyä vaan tarjoaa lisätukea lukuisiin liidien pisteytykseen ja hallintaan liittyviin tehtäviin aina uusien näkemysten ja ennusteiden luomisesta yhteydenpitomuistutuksiin. Tekoälyn ansiosta ohjelmisto sujuvoittaa työpäivän kulkua mahdollistaen myyjien keskittymisen ja energian allokoinnin varmimpiin liideihin minimoiden samalla vastausaikaa ja kasvattaen asiakkaan sitoutuneisuutta.
 

Nimet paperiin ja suhteita luomaan tekoälyn avulla

Pikajuna on saapunut asemalle – ennakoiva liidien pisteytys on poistanut myyjien harteilta valtavan taakan jo pelkästään datan analysointia ja kuumimpien liidien määrittelyä ajatellen. Nyt kun myyjät tietävät entistä paremmin, mihin liideihin keskittyä, heillä on kaikki eväät piipahtaa entistä useammalla asemalla eli toisin sanottuna saada enemmän asiakkaiden nimiä sopimuspapereihin samassa ajassa kuin ennen rakentaen samalla entistä vahvempaa suhdetta asiakkaisiinsa.

Tekoälyn tuomat mahdollisuudet myyntiin ovat vasta alkutekijöissään. Emme malta odottaa luotijunan saapumista laiturille – ja kun näin tapahtuu, me kerromme siitä ensimmäisenä.
 

LUE MYÖS:

► Vala Afsharin tekoälyteesit: 3 näkökulmaa, jotka jokaisen myyntiorganisaation on omaksuttava viimeistään nyt

► Työn tulevaisuus tekoälyn aikakaudella — uusia uramahdollisuuksia vai vuoronumero kortistoon?

► Uusi Einstein Voice – sinä puhut ja tekoäly kuuntelee 🤖👂🏼

► Mikä on Einstein Vision, ja mitä yhteistä sillä on Game of Thronesin Tyrion Lannisterin kanssa? 🛡⚔️🤖