Account Scoring: Cara Membangun Model B2B yang Berhasil

Lead scoring dibangun untuk dunia di mana satu orang menemukan Anda, mengunduh sesuatu, dan akhirnya berbicara dengan sales. Deal B2B tidak lagi bekerja seperti itu. Riset Forrester 2024 menemukan bahwa rata-rata 13 orang terlibat dalam satu keputusan pembelian. Jika Anda memberi skor masing-masing secara terpisah, Anda mendapat tiga belas lead suam-suam kuku, bukan satu akun yang hangat. Skoring akun memperbaikinya dengan menggabungkan setiap sinyal ke perusahaan yang benar-benar akan menandatangani kontrak.

Artikel ini menjelaskan cara membangun model account scoring yang dipercaya sales: apa isinya, mengapa kecocokan dan engagement tidak boleh dijumlahkan, cara menghitung keluasan komite pembelian, dan contoh perhitungan yang bisa Anda sesuaikan.

Account Scoring vs Lead Scoring

Perbedaannya ada pada unit, dan itu mengubah hampir semua hal di tahap selanjutnya.

• Lead scoring menilai satu orang. Lead scoring memberi poin pada perilaku orang itu sendiri: email yang dibuka, aset yang diunduh, halaman yang dilihat. Lead scoring bagus untuk memutuskan kapan kontak yang sudah dikenal siap ditelepon.
• Account scoring menilai satu perusahaan. Scoring ini menggabungkan perilaku semua orang dari perusahaan tersebut, teridentifikasi atau tidak, dan memadukannya dengan seberapa cocok perusahaan itu dengan ideal customer profile Anda. Scoring ini efektif untuk menentukan perusahaan mana yang layak mendapat perhatian sales dan marketing saat ini.

Anda membutuhkan keduanya. Account scoring menentukan di mana harus fokus, lead scoring menentukan siapa yang harus dihubungi di dalam akun tersebut. Jika saat ini Anda hanya memiliki lead scoring, pertahankan: bagian di bawah menunjukkan cara mengagregasi sinyalnya ke tingkat perusahaan.

Kesalahannya: Satu Angka untuk Kecocokan dan Engagement

Model skoring akun yang umum menjumlahkan poin kecocokan dan poin engagement menjadi satu total dari 100. Terlihat rapi. Namun menghasilkan keputusan yang buruk.

Akun enterprise yang sangat cocok tetapi belum pernah mengunjungi situs Anda dan startup yang tidak cocok tetapi magangnya membaca dua puluh artikel blog bisa mendapat skor yang sama. Sales melihat dua angka "65" dan sama sekali tidak tahu bahwa yang satu adalah target strategis tanpa intent dan yang lain hanyalah noise dengan banyak aktivitas. Satu angka menyembunyikan satu-satunya hal yang perlu diketahui rep. Argumen yang sama berlaku untuk lead individual, yang dibahas dari sisi outbound dalam penjelasan tentang fit score vs intent score ini.

Sebaliknya, gunakan dua skor pada dua sumbu:

• Skor kecocokan (0-100): seberapa dekat perusahaan dengan ICP Anda. Berubah perlahan. Berdasarkan firmografis dan teknografis.
• Skor engagement (0-100): seberapa aktif perusahaan tersebut melakukan riset saat ini. Berubah setiap hari. Didasarkan pada perilaku di situs web, data intent, dan respons kampanye, dengan peluruhan.

Lalu bertindaklah berdasarkan kombinasinya, bukan jumlahnya. Grid sederhana sudah cukup:

Grid ini juga memberi tim pemasaran tugas yang jelas untuk kuadran kecocokan tinggi dan engagement rendah, yang merupakan tempat sebagian besar program account-based seharusnya membelanjakan anggarannya.

Apa Saja yang Masuk ke Fit Score

Kecocokan berasal dari ideal customer profile Anda, dan harus dibangun dari data closed-won Anda, bukan dari ICP yang diharapkan pimpinan. Input yang umum:

• Industri (dibobot berdasarkan win rate Anda per vertikal)
• Rentang jumlah karyawan atau pendapatan
• Geografi (di mana Anda bisa menjual, memberi dukungan, dan mematuhi regulasi)
• Tech stack (menggunakan platform yang terintegrasi dengan Anda, atau pesaing yang Anda gantikan) (panduan kami tentang membangun martech stack B2B berbasis personalisasi membahas integrasi mana yang penting)
• Sinyal model bisnis (misalnya, memiliki tim sales, menjalankan akuisisi berbayar, menjual ke B2B)

Beri bobot setiap input berdasarkan seberapa kuat input tersebut membedakan deal yang menang dari yang kalah. Misalnya, jika sebagian besar pendapatan closed-won Anda berasal dari perusahaan software dengan 200-2.000 karyawan, kedua atribut tersebut layak mendapatkan sebagian besar poin kecocokan. Panduan kami tentang membangun ICP untuk personalisasi website menjelaskan analisisnya langkah demi langkah.

Apa Saja yang Masuk ke Skor Engagement

Engagement harus mengukur aktivitas pembelian, bukan minat umum. Tiga jenis input yang penting:

Kedalaman: apa yang dilihat oleh akun tersebut

Beri bobot besar pada halaman tahap akhir: harga, halaman perbandingan, dokumentasi integrasi, halaman keamanan, studi kasus dari industri akun tersebut. Beri bobot kecil pada trafik blog. Perusahaan yang membaca sepuluh artikel blog sedang mempelajari suatu topik. Perusahaan yang membaca halaman harga dan halaman SOC 2 Anda sedang mengevaluasi vendor.

Luas: berapa banyak orang yang terlibat

Inilah input yang tidak pernah bisa ditangkap lead scoring, dan menurut kami input yang paling berguna. Dua orang dari perusahaan yang sama di situs Anda dalam minggu yang sama berarti sedang ada percakapan internal. Tiga orang dari fungsi yang berbeda berarti buying group telah terbentuk. Dengan pembelian umumnya melibatkan banyak orang (angka Forrester di atas adalah 13), bahkan visibilitas sebagian ke dalam kelompok itu sudah berharga.

Beri skor keluasan berdasarkan jumlah pengunjung yang berbeda, dengan bonus jika Anda dapat menyimpulkan peran yang berbeda (misalnya, satu pengunjung membaca dokumentasi teknis dan yang lain membaca halaman harga).

Kebaruan: kapan hal itu terjadi

Engagement tanpa peluruhan adalah kesalahan pemodelan kedua yang paling umum. Akun yang menjelajahi situs Anda habis-habisan pada bulan Maret lalu menghilang tidaklah hangat di bulan Oktober. Bagi dua poin engagement setiap 14–30 hari tergantung siklus penjualan Anda. Siklus yang lebih pendek membutuhkan peluruhan yang lebih cepat.

Jika Anda membeli data intent third-party, tambahkan sebagai input engagement terpisah dengan batas, agar lonjakan topik saja tidak bisa mendorong akun ke kolom "sales sekarang" tanpa aktivitas first-party apa pun. Artikel kami tentang menggunakan data intent untuk personalisasi situs web membahas cara memadukan keduanya. Panduan kami tentang penyedia data intent menjelaskan cara menjalankan pilot sebelum Anda mengandalkannya.

Sinyal Mana yang Menandakan Membeli, Bukan Sekadar Melihat-lihat

Tidak setiap kunjungan merupakan sinyal pembelian. Orang yang membaca tiga artikel blog mungkin sedang meriset artikelnya sendiri. Perbedaan yang berguna adalah antara sinyal first-party (apa yang dilakukan akun di situs Anda, yang Anda amati langsung) dan sinyal third-party (riset topik di tempat lain, dilaporkan oleh vendor intent data, yang harus Anda percayai begitu saja).

• First-party, kuat: halaman harga, perbandingan dan alternatif, dokumentasi integrasi atau API, halaman keamanan dan kepatuhan, halaman implementasi atau onboarding, studi kasus dari industri akun itu sendiri. Ini adalah halaman evaluasi.
• Pihak pertama, pola: kunjungan berulang dalam rentang waktu singkat. Satu kunjungan sebulan adalah minat; tiga kunjungan dalam seminggu adalah evaluasi. Kecepatan juga penting: akun yang menjelajahi halaman harga, dua studi kasus, dan halaman keamanan dalam dua hari bergerak lebih cepat daripada akun yang membaca halaman yang sama selama satu kuartal.
• Pihak ketiga: lonjakan topik, aktivitas di situs ulasan, rekrutmen untuk posisi yang dilayani produk Anda. Berguna untuk menemukan akun sebelum mereka berkunjung, tetapi lebih lemah sebagai bukti bahwa mereka akan membeli dari Anda.
• Negatif: kunjungan yang hanya ke halaman karier, domain pesaing, mahasiswa, dan wilayah di luar pasar. Tanpa pengurangan skor, pesaing yang mempelajari situs Anda bisa memicu notifikasi ke sales.

Contoh bobot engagement, konsisten dengan contoh kasus di bawah. Anggap sebagai titik awal untuk diuji balik, bukan benchmark:

Dua aturan menjaga skor engagement tetap jujur. Batasi setiap isian formulir atau unduhan di sekitar 10 poin, agar satu aset ber-gate tidak bisa mendorong akun ke "sales sekarang" dengan sendirinya. Dan terapkan peluruhan hanya pada engagement, jangan pada kecocokan: perusahaan tidak berhenti cocok dengan ICP Anda hanya karena sedang tidak aktif.

Contoh Kasus: Tiga Akun, Satu Minggu

Model ilustratif yang diterapkan pada tiga akun fiktif. Bobotnya dibuat-buat untuk contoh ini; bobot Anda sebaiknya berasal dari data kemenangan Anda sendiri.

Bobot fit: industri target 35, rentang jumlah karyawan 30, terintegrasi dengan CRM Anda 20, wilayah target 15.

Bobot engagement: kunjungan halaman harga 15, halaman perbandingan atau keamanan 15, studi kasus industri 10, setiap pengunjung berbeda tambahan 10 (maks. 30), kunjungan blog 2 (maks. 10), lonjakan intent 10. Poin berkurang setengah setiap 21 hari.

Periksa hitungan di baris pertama: harga 15, halaman keamanan 15, studi kasus 10, dan tiga pengunjung tambahan masing-masing 10, totalnya 70. Jika digabung menjadi satu total dari 200, perusahaan fintech itu akan mendapat 88, dengan nyaman di posisi kedua, dan sales bisa dengan mudah menganggapnya sebagai lead panas. Dengan dua sumbu, gambarannya lebih jelas: kecocokannya kuat, tetapi belum ada yang sedang mengevaluasi. Akun ini layak masuk daftar target untuk outbound dan konten yang dipersonalisasi. Sementara agensi itu tidak sepadan dengan waktu SDR seharian.

Menggunakan Skor Akun di Website Anda

Skor biasanya diperlakukan sebagai alat bantu sales, padahal sama bergunanya untuk menentukan apa yang ditampilkan situs web. Beberapa aturan yang mengikuti dari grid ini:

• Kecocokan tinggi, engagement rendah: tampilkan bukti spesifik industri dan CTA dengan komitmen rendah (laporan benchmark, kalkulator ROI). Tujuannya mendapatkan kunjungan kedua.
• Kecocokan tinggi, engagement tinggi: ganti CTA konten dengan tawaran meeting langsung dan sebutkan industri akun tersebut di hero.
• Kecocokan rendah, engagement tinggi: arahkan ke jalur swalayan atau paket yang lebih ringan, bukan demo sales.

Fitur account-based marketing dari Markettailor menerapkan aturan seperti ini di halaman: setelah perusahaan teridentifikasi, tier kecocokan dan engagement-nya menentukan hero, bukti, dan CTA yang dilihatnya.

Mengotomatiskan Serah Terima ke Sales

Skor yang tidak ditindaklanjuti siapa pun hanyalah hiasan. Serah terima membutuhkan tiga hal yang didefinisikan secara tertulis dan dibangun ke dalam CRM atau marketing automation Anda:

1. Ambang batas. Gunakan grid, bukan satu batas tunggal. "Sales sekarang" adalah sel kecocokan tinggi dan engagement tinggi; sel kecocokan sedang dan engagement tinggi diserahkan ke SDR untuk dikualifikasi terlebih dahulu. Periksa ulang batasnya terhadap back-test setiap kuartal, karena distribusi engagement bergeser seiring bertambahnya konten Anda.
2. Routing. Jika akun punya pemilik di CRM, arahkan ke pemiliknya. Jika tidak, arahkan berdasarkan teritori atau segmen, dan gunakan round-robin hanya sebagai langkah terakhir. Notifikasi di inbox bersama adalah notifikasi yang tidak dimiliki siapa pun. Panduan kami tentang routing lead dari website membahas pencocokan lead ke akun sebelum penugasan.
3. SLA. Sepakati waktu respons per tier, misalnya pada hari kerja yang sama untuk "sales sekarang" dan dalam seminggu untuk kualifikasi SDR, lalu laporkan hasilnya. Akun keluar dari jendela pembelian sementara notifikasi masih menunggu.

Setiap alert harus menyertakan alasannya: atribut perusahaan dan kecocokan, skor beserta sinyal penyumbang utamanya (“3 pengunjung minggu ini, halaman harga dua kali, halaman keamanan”), halaman yang dikunjungi dalam tujuh hari terakhir diurutkan menurut intent, kontak yang dikenal, dan sudut pendekatan yang disarankan berdasarkan apa yang dibaca akun tersebut. Rep yang bisa melihat mengapa sebuah akun sedang hangat akan meneleponnya; rep yang hanya melihat “82” tidak akan.

Cara Mengkalibrasi Model

Model skoring adalah hipotesis. Uji terhadap data historis sebelum sales mengandalkannya.

1. Ekspor peluang closed-won dan closed-lost selama 12 bulan terakhir beserta atribut kecocokan akunnya.
2. Nilai setiap akun sebagaimana keadaannya 30 hari sebelum peluang tercipta.
3. Pastikan akun closed-won mengumpul di sudut kecocokan tinggi dan engagement tinggi. Jika tidak, bobot Anda salah.
4. Lihat akun di kolom "sales sekarang" yang tidak pernah menjadi peluang. Itulah false positive Anda. Temukan input yang menaikkan skor mereka dan kurangi bobotnya.
5. Jalankan ulang back-test setiap kuartal. ICP bergeser seiring perubahan produk.

Jika Anda menginginkan lembar kerja awal untuk bobot dan ambang batas, template model lead scoring kami menggunakan struktur fit dan perilaku yang sama dan bisa dipakai di level akun dengan sedikit perubahan.

Empat Kesalahan yang Membuat Sales Mengabaikan Skor

Memberi skor seluruh database. Memberi skor 40.000 akun menghasilkan ekor panjang skor 12 dan 17 yang tidak bermakna. Beri skor akun yang lolos batas kecocokan minimum, dan biarkan sisanya tanpa skor. Daftar yang lebih kecil dan bersih akan benar-benar dipakai.

Menyembunyikan alasannya. Skor 82 tidak memberi tahu rep apa yang harus dikatakan. Setiap skor harus disertai tiga sinyal penyumbang teratasnya ("3 pengunjung minggu ini, halaman harga dilihat dua kali, menggunakan HubSpot"). Rep memercayai apa yang bisa mereka jelaskan kepada diri sendiri.

Menghitung pelanggan yang sudah ada sebagai prospek. Karyawan pelanggan yang membaca dokumentasi Anda akan membuat skor engagement menyala setiap minggu. Arahkan akun pelanggan ke model ekspansi atau kesehatan akun terpisah, atau mereka akan menenggelamkan bisnis baru. Arahkan mereka ke pengalaman pelanggan; lihat personalisasi untuk retensi dan pengurangan churn.

Tidak pernah membuang input. Input terus ditambahkan setelah setiap tinjauan kuartalan dan hampir tidak pernah dihapus. Setelah setahun, model berisi 30 input, separuhnya redundan. Setiap kali menambahkan input, hapus satu, dan jaga totalnya di bawah selusin.

Mulai dari yang Kecil

Anda tidak membutuhkan model prediktif untuk memulai. Empat atribut kecocokan, lima input engagement, peluruhan, dan grid dua sumbu adalah titik awal yang lebih baik daripada model satu angka. Bangun di spreadsheet, lakukan back-test, lalu pindahkan ke CRM atau platform personalisasi Anda setelah sales setuju bahwa 20 akun teratas terlihat tepat.

Untuk melihat bagaimana tier kecocokan dan engagement dapat menentukan apa yang dilihat setiap akun di situs Anda, pesan walkthrough dari halaman harga kami.