Leadscoring 2.0: sneller én slimmer door AI en automatisering

Met leadscoring classificeren bedrijven hun leads. Ze kijken daarbij naar allerlei demografische- en gedragsfactoren om te bepalen aan welke leads ze waarschijnlijk iets kunnen verkopen. Als je leadscoring goed aanpakt, bespaart dat veel tijd en geld: sales en marketing kunnen zich dan volledig richten op de meest veelbelovende klanten.

Echter: zonder de juiste tools kan leadscoring een enorme klus zijn. Je moet eerst bepalen welke criteria relevant zijn, wat betekent dat je allerlei verschillende factoren nader moet bekijken. Vervolgens ligt er een enorme stapel klantgegevens om uit te zoeken en te analyseren. En dan voelt het soms ook nog eens alsof je op een bewegend doel probeert te schieten. Leadscoring-modellen moeten immers meebewegen met alle veranderingen; niet alleen in de markt, maar ook in het gedrag en de behoeften van de klant. En daarna begint pas het echte ‘scoren’: de leads daadwerkelijk classificeren.

Leadscoring: het (automatisch) scoren van inkomende leads met een numerieke waarde om aan te geven hoe geïnteresseerd ze zijn in je product of dienst. Door punten toe te kennen aan de acties van de prospect die je het meest waardevol acht, zoals het bezoeken van de prijspagina of het aanvragen van een demo, kun je een score voor je leads creëren die laat zien hoe actief ze zijn geweest en hoe hoog hun interesseniveau is. Je scoort je leads op potentie.

Leadscoring-software met voorspellende AI-tools is uitermate geschikt om dit alles in goede banen te leiden en tegelijkertijd meer uit je gegevens te halen. Daarnaast scheelt het je een hoop tijd en werk je dus efficiënter.

De evolutie van leadscoring-tools

Het begin: handmatige leadscoring

Voordat de huidige software en technologie bestonden, moesten verkopers hun leads met de hand scoren. Dat betekende zorgvuldig uitzoeken welke potentiële klanten interessant waren, hun gegevens noteren en vervolgens in een spreadsheet hun score berekenen.

Hoewel het veel tijd vergde, was leadscoring toen al zeer effectief (en dat is het nog steeds). In 2012 zagen organisaties die aan leadscoring deden hun leadgeneratie-ROI met 77% toenemen ten opzichte van bedrijven die geen leads scoorden. En die trend zet zich nog steeds voort.

Stroomlijning van het proces: leadscoring met behulp van een CRM

Sindsdien hebben Customer Relationship Management-systemen (CRM) ervoor gezorgd dat dit proces automatisch en eenvoudiger verloopt. Met een CRM-systeem kunnen bedrijven per lead gegevens invoeren, waarna de software de leads scoort op basis van de geselecteerde criteria.

Deze gegevens bestaan voornamelijk uit demografische gegevens en expliciete informatie over potentiële klanten. Als je alleen een CRM-systeem inzet, blijft veel impliciete informatie dus buiten beschouwing

Sales en marketing moeten in zo’n geval nog steeds veel tijd steken in het checken van alle leads. Want alleen dan kunnen ze die goed scoren en de leads eruit filteren die waarschijnlijk niets gaan kopen.

Aangezien 84% van de bedrijven met een CRM dit systeem gebruikt voor het scoren van hun leads, staat de bruikbaarheid daarvan buiten kijf. In plaats van een compleet nieuw systeem voor leadscoring te ontwikkelen, is gekozen om er marketingautomatisering aan toe te voegen.

De volgende stap: marketingautomatisering

Met de komst van marketingautomatisering werd het mogelijk om het online gedrag van leads te volgen en bepaalde impliciete informatie te verzamelen. De koppeling van marketingautomatisering aan CRM’s betekende betere automatisering en stroomlijning van processen. Daardoor konden opeens veel grotere én veel meer gevarieerde gegevenssets worden geanalyseerd en vergeleken.

Zo konden bedrijven bijhouden hoe vaak een potentiële klant de website had bezocht, deze informatie gebruiken om punten aan de leadscore toe te voegen en vervolgens alle gegevens opnemen in het profiel van de lead in het CRM-systeem.

Maar ook al kon dit soort online activiteit nu via marketingautomatisering worden bijgehouden, dat betekende nog niet dat die technologie onderscheid kon maken tussen verschillende soorten informatie. Zo was niet te zeggen of een potentiële klant de website had bezocht uit interesse in een bepaald product of om alleen maar even rond te kijken.

Volgens een rapport van Demand Gen gaf 61% van de respondenten aan dat ze ‘misleidende koopsignalen’ een van de lastigste aspecten van leadscoring vonden. Kennelijk is de tijd rijp voor een upgrade van leadscoring-software: voorspellende leadscoring die gebruikmaakt van AI.

Software die al het werk doet: voorspellende leadscoring

Volgens het State of Marketing rapport van Salesforce heeft AI van alle tools en technologieën die door marketeers worden gebruikt, de beste papieren om de komende jaren nog veel te groter te groeien. Dit is aannemelijk, omdat er AI-software is ontwikkeld die een oplossing biedt voor veel van de problemen waar sales en marketing tegenaan lopen.

Hetzelfde geldt voor leadscoring: voorspellende leadscoring is speciaal ontwikkeld om te bepalen welke criteria bij een goede lead horen, en vervolgens leadscoring-modellen te maken die volledig zijn afgestemd op je bedrijf. Bovendien is deze technologie flexibel genoeg om zich aan te passen aan de veranderende markt.

Hieronder volgen een paar voorbeelden van hoe AI tot betere leadscoring kan leiden:

• Verzameling en analyse van meer gegevens. Een CRM-platform met AI heeft vooral een enorme reikwijdte op het gebied van gegevensverzameling: het analyseert automatisch de klantgegevens in je CRM, gegevens die samenhangen met activiteiten (e-mail, agenda, etc.), gegevens die afkomstig zijn van social media en zelfs IoT-gegevens. Je leadscoring-tools kunnen dus zelf enorme hoeveelheden nieuwe en oude verkoopgegevens uitpluizen en op basis daarvan bepalen wat de beste leads zijn.
• Perfect afgestemde leadscoring-modellen. Voorspellende leadscoring maakt gebruik van algoritmes om vast te stellen welke eigenschappen geconverteerde leads met elkaar gemeen hebben, en ook welke eigenschappen niet-geconverteerde leads met elkaar gemeen hebben. Gewapend met die kennis kan je leadscoring-software verschillende modellen voor voorspellende scoring maken en testen, en vervolgens automatisch het model kiezen dat het meest geschikt is voor een set voorbeeldgegevens. Het resultaat is een zeer nauwkeurig leadscoring-model dat helemaal is afgestemd op jouw bedrijf. Zelf de juiste criteria uitzoeken is dus voorgoed verleden tijd.

• Grotere nauwkeurigheid en flexibiliteit. Omdat je leadscoring-software met machine learning werkt, worden je leadscores steeds nauwkeuriger. De software analyseert alle gegevens voortdurend opnieuw en verwerkt daarbij meteen eventuele nieuwe inzichten. Deze informatie kan ook worden gebruikt om geregeld de scoringmodellen bij te werken, voor nog nauwkeurigere voorspellingen voor je leads. Deze software kan dus perfect inspelen op alle veranderingen in de markt en het gedrag van je klanten.
• Breder inzetbaar. Wanneer je een CRM gebruikt waarin AI-technologie is verwerkt, heb je daar ook iets aan bij allerlei andere werkzaamheden rond leadscoring en leadmanagement. Zo heb je meer inzicht in je accounts, kun je voorspellingen voor deals opvragen en krijg je na een evenement of een bepaalde periode een herinnering om een follow-up te doen. Je software met AI kan allerlei werkzaamheden voor je stroomlijnen, zodat jij je aandacht kunt richten op de beste leads. En dat betekent een kortere reactietijd én meer interactie met de klant.
• Deals sluiten en klantrelaties opbouwen met AI. Voorspellende leadscoring doet het zware werk op het gebied van gegevensanalyse en selectie van leads die waarschijnlijk klant worden. Wanneer sales- en marketingmensen zich volledig op de beste leads kunnen richten, kunnen ze in minder tijd meer deals sluiten en tegelijkertijd een betere band met de klant opbouwen.