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.
Scoring esplicito: valutare i profili degli interessati
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.
Stabilire le categorie e valutarne il peso
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 % |
Assegnare i punteggi alle categorie
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 |
Assegnare una valutazione sulla base della compatibilità con il profilo ideale
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.
Scoring implicito: valutare il comportamento degli utenti
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.
Stabilire le categorie e valutarne il peso
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 % |
Assegnare un punteggio di scoring alle categorie
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 |
Stabilire un rating sulla base della compatibilità con il profilo ideale
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 |