Il lead scoring è la valutazione dei lead: in questa fase viene analizzata la qualità dei contatti raccolti. Nella valutazione giocano un ruolo sia la quantità di informazioni per ciascun lead (punteggio esplicito) sia la reazione del lead alla comunicazione (punteggio implicito). Da simili criteri si è in grado di dedurre quanto sia alta la probabilità che un potenziale cliente si trasformi in un cliente vero e proprio.
L’espressione inglese to score something significa “valutare, dare un punteggio a qualcosa”; nel lead scoring si tratta di una valutazione sui lead. Pertanto si giudica non solo la qualità e lo status dei contatti, ma indirettamente anche le possibilità di vendita dell’azienda.
Generalmente è possibile effettuare una valutazione oggettiva per stabilire se un contatto sia pronto per la vendita solamente confrontandolo con altri contatti. Per questo nell’analisi si utilizzano due criteri principali: con uno si verifica la completezza delle informazioni relative al contatto o al profilo dell’utente (si parla a questo proposito anche di informazioni esplicite) mentre con l’altro si valuta la reazione del lead avuta in seguito a dei tentativi di contatto durante la lead nurturing e così si ottengono informazioni implicite.
Lo scopo del lead scoring è, tra gli altri, quello di facilitare il coordinamento e il lavoro di squadra tra il reparto di marketing e quello delle vendite. Questo avviene già all’inizio del processo del lead management attraverso un pre-selezionamento dei lead ricevuti, anche e soprattutto attraverso linee guida chiare, che stabiliscono quando un lead è pronto all’acquisto e con quale priorità si debba trattarlo.
Tali regole e linee guida si condensano in un modello di lead scoring (lead scoring model), che si implementa sia nel marketing, sia nella vendita in ambito B2B e B2C. Il modello aiuta a decidere se il personale di vendita deve insistere su un contatto e procedere poi al lead routing, o se è ancora necessario prendersi cura di lui e continuare con la lead nurturing.
Secondo la già citata distinzione tra informazioni implicite ed esplicite avviene anche uno scoring implicito (implicit) o esplicito (explicit), entrambi applicati nel modello del lead scoring.
Lo scoring esplicito si occupa delle informazioni di contatto e quindi del profilo del lead.
Nel B2C le informazioni rilevanti sono dati sociodemografici come età, sesso o luogo di residenza. Nel B2B hanno un ruolo centrale, ad esempio la posizione del contatto nell’azienda, il settore al quale l’azienda appartiene, il suo numero di dipendenti o il fatturato annuale previsto. Ogni azienda decide autonomamente quali dati espliciti vorrebbe menzionare nella valutazione del profilo. Per lo scoring è importante una stretta collaborazione tra il settore delle vendite e il marketing: insieme determinano i fattori per decidere quali siano i clienti migliori.
Da queste considerazioni emerge un profilo generale dell’interessato, di cui si determinano i fattori più importanti. Le singole categorie (nel seguente esempio sono la posizione, il settore e il numero di dipendenti) hanno un peso differente a seconda delle esigenze aziendali. La posizione del contatto nell’azienda è per il nostro esempio il fattore con il peso maggiore:
Categoria | Importanza |
Posizione | 50 % |
Settore | 30 % |
Numero di dipendenti | 20 % |
In questo passaggio si analizza il peso delle categorie e per questo si assegnano dei punteggi (score). Ci serviamo di un esempio dall’ambito del B2B. In questo settore l’amministratore delegato solitamente ottiene un miglior valore di posizionamento rispetto a quello del caporeparto, che a sua volta è più in alto degli stagisti. Nel nostro esempio 10 è il punteggio massimo.
Posizionamento della categoria | Punteggio (score) |
Amministratore delegato | 10 |
Caporeparto delle vendite | 9 |
Dipendenti che si occupano di pubbliche relazioni | 6 |
Addetto alla reception | 5 |
Stagista | 1 |
In base al peso e ai singoli punteggi si ricava un profilo ideale che si adatta al 100 % con il cliente ideale definito inizialmente. Alla fine si confronta il profilo dell’interessato con quello ideale e si enumerano le somiglianze, ricavandone un altro rating. Nel nostro esempio, il valore A è la convergenza più alta, quello D invece la più bassa.
Compatibilità con il profilo ideale | Rating |
> 75 % | A |
50–75 % | B |
25–50 % | C |
< 25 % | D |
I contatti con il valore di rating A si adattano molto bene al profilo ideale creato e sono quindi rilevanti per l’azienda. Nel nostro esempio è l’amministratore delegato di un’azienda che proviene da un settore adatto e gestisce un’azienda sufficientemente grande (numero di dipendenti). Grazie a un punteggio alto nelle tre categorie più rilevanti, soddisfa particolarmente bene tutti i criteri e ottiene così il rating A.
Lo scoring implicito si occupa del comportamento degli interessati, ad esempio analizzando le loro reazioni dopo aver preso contatto o le misure di Content Marketing. Le analisi e la valutazione del comportamento dovrebbero chiarire quale sia il grado di interesse.
Esistono svariati parametri che vi aiutano a chiarire se un cliente abbia raggiunto o meno il “grado di maturazione” desiderato. Tra questi ci sono, tra gli altri, il tempo di permanenza sul sito, le visite, i clic, i download e le richieste di contatto. Più il potenziale cliente si informa e si occupa di un prodotto concreto, più aumentano le probabilità che si decida a comprare o a scaricare un white paper o un ebook, ad esempio per approfondire un interesse di cui ha già raggiunto un livello avanzato.
Come per i dati espliciti degli utenti, anche nello scoring implicito si scelgono i parametri rilevanti per la propria azienda, che nel nostro esempio sono la richiesta di un’offerta, il download di un ebook, le visite a una landing page e la reazione a una newsletter.
Categoria | Peso |
Richiesta di un’offerta attraverso il modulo contatti | 55 % |
Download ebook | 30 % |
Visita alla landing page | 10 % |
Apertura della newsletter | 5 % |
Altri dati, stesso procedimento: anche nello scoring implicito si valuta il peso delle categorie. Nel nostro esempio si tratta delle visite della landing page, valutando la loro attualità e frequenza di aggiornamento. Il punteggio massimo è ancora 10.
Visite alla landing page | Punteggio |
2 visite negli ultimi 7 giorni | 10 |
2 visite negli ultimi 30 giorni | 5 |
1 visita nell’ultimo trimestre | 1 |
Come nello scoring esplicito, si confrontano ora i singoli profili degli interessati con quello ideale e si stabilisce il grado di compatibilità.
Un interessato molto attivo che visita il sito web regolarmente e che ha già richiesto un’offerta e scaricato un ebook corrisponde a un livello elevato con il profilo ideale e ottiene il rating 1.
Compatibilità con il profilo ideale | Rating |
> 75 % | 1 |
50–75 % | 2 |
25–50 % | 3 |
< 25 % | 4 |
Alla fine si collegano scoring esplicito e implicito, cioè entrambe le valutazioni eseguite. Entrambi i valori sono importanti, ma solo in relazione tra loro sono davvero rilevanti. Infatti i contatti il cui profilo si adatta molto bene e che hanno ottenuto nello scoring una A, non sono di alcuna utilità per un’azienda se dimostrano poco interesse verso i prodotti e i servizi. Quindi anche se si è ottenuto come lead un dirigente, un caporeparto o anche i responsabili per le vendite, non è ancora una garanzia per il successo.
Infatti, nonostante il rating A nei dati espliciti, il rating dello scoring implicito potrebbe essere molto basso, ad esempio quando il lead non ha reagito a nessuna delle misure durante la fase di lead nurturing.
Dall’altro lato, un grande interesse verso i prodotti è inutile se il profilo non coincide nemmeno minimamente con quello ideale. Nel B2B un esempio classico è una persona (un contatto) che non ha alcun potere decisionale. Nel B2C capita spesso di allacciare contatti sulla base di dati demografici, come il reddito, con persone che non sono nella posizione di comprare il prodotto. Nonostante un alto rating nello scoring implicito, il contatto ha quindi poco valore.
Entrambi i rating sono rilevanti per interpretare i dati in maniera corretta. Il risultato è un sistema generale di valutazione, naturalmente da adattare sulla base del caso singolo:
Chi intende gestire una lead nurturing efficace che porti poi a solide basi per il lead routing ha bisogno necessariamente del lead scoring. Un modello di lead scoring (lead scoring model) professionale e ben ponderato si concentra sui lead che sembrano avere maggiore possibilità di acquisto o di arrivare a una conclusione. In questo modo il reparto marketing e vendite sono in grado di distribuire e sfruttare il tempo e le risorse in maniera più efficiente. Per questo vanno categorizzate e priorizzate le richieste.
Se si deduce che nel gruppo dal 20 % al 30 % dei propri contatti la probabilità di acquisto è maggiore, ci si può impegnare maggiormente in questo segmento di lead. Allo stesso tempo è bene non trascurare i restanti contatti: anche un lead con scoring B3 potrebbe diventare, con le giuste misure, un cliente. Un lead con un valore più basso dovrebbe comunque godere di minore priorità nel lead routing. Questo gruppo si collega più facilmente alle campagne di lead nurturing automatizzate, con le quali si ottengono altri potenziali clienti.
L’automazione del marketing è l’automazione dei processi di marketing con l’aiuto di piattaforme software: strumenti appropriati collegano i database dei clienti ad applicazioni per il lead management consentendo una pianificazione delle campagne nelle quali le misure di marketing automatizzate vengono attuate, misurate e valutate. Vi spieghiamo come beneficiare dell’automazione del marketing.
Come un buon giardiniere che segue le sue piante in ogni fase di crescita assicurando loro condizioni ottimali, così anche un buon marketer ha cura delle sue relazioni con i clienti. Infatti, raramente basta un solo contatto con il potenziale cliente per convincerlo di un prodotto. Nel cosiddetto lead management si segue l’interessato dal primo contatto fino alla vendita.
Siete alla ricerca di potenziali clienti in rete? Al giorno d’oggi è sempre più difficile ottenere l’attenzione degli utenti. Ed è qui che interviene la lead generation: vi aiuta a fidelizzare gli interessati e nel migliore dei casi, a trasformarli in clienti. Ma come funziona la lead generation?
Avete instaurato il contatto con il potenziale cliente. E ora? Passare il lead subito alla vendita sarebbe un grave errore, perché la maggior parte degli interessati non è ancora pronta ad accettare offerte concrete. Qui entra in gioco la lead nurturing, cioè la cura dei contatti e l’ulteriore qualificazione dei lead con il content adatto.
