Account scoring: cum construiești un model B2B care funcționează

Lead scoringul a fost construit pentru o lume în care o singură persoană te găsea, descărca ceva și ajungea în cele din urmă să vorbească cu vânzările. Dealurile B2B nu mai funcționează așa. Cercetarea Forrester din 2024 a constatat că în medie 13 persoane sunt implicate într-o decizie de achiziție. Când îi evaluezi pe fiecare separat, obții treisprezece leaduri călduțe în loc de un cont fierbinte. Scoringul conturilor rezolvă asta, adunând fiecare semnal la nivelul companiei care va semna efectiv contractul.

Acest articol explică cum construiești un model de account scoring în care echipa de vânzări are încredere: ce intră în el, de ce potrivirea și implicarea nu ar trebui niciodată adunate, cum măsori amploarea comitetului de achiziție și un exemplu practic pe care îl poți adapta.

Account scoring vs lead scoring

Diferența este unitatea de măsură, iar asta schimbă aproape tot ce urmează.

• Lead scoring-ul evaluează o singură persoană. Recompensează comportamentul ei: emailuri deschise, materiale descărcate, pagini vizualizate. Este bun la a decide când un contact cunoscut este pregătit pentru un apel.
• Account scoring-ul evaluează o companie. Agregă comportamentul tuturor persoanelor din acea companie, identificate sau nu, și îl combină cu cât de bine se potrivește compania profilului tău de client ideal. Este bun pentru a decide ce companii merită acum atenția vânzărilor și a marketingului.

Ai nevoie de amândouă. Account scoring decide unde să te concentrezi, lead scoring decide pe cine să suni în cadrul acelui cont. Dacă azi ai doar lead scoring, păstrează-l: secțiunile de mai jos arată cum îi agregi semnalele la nivel de companie.

Greșeala: o singură cifră pentru potrivire și implicare

Un model frecvent de scoring al conturilor adună punctele de potrivire și punctele de engagement într-un singur total din 100. Arată ordonat. Produce decizii proaste.

Un cont enterprise cu potrivire perfectă care nu ți-a vizitat niciodată site-ul și un startup cu potrivire slabă al cărui stagiar a citit douăzeci de articole de blog pot ajunge la același scor. Vânzările văd doi de „65” și habar n-au că unul este o țintă strategică fără intenție, iar celălalt e zgomot cu multă activitate. Cifra unică ascunde singurul lucru pe care reprezentantul trebuia să-l știe. Același argument se aplică leadurilor individuale, tratat din perspectiva outbound în acest articol despre fit score vs intent score.

Păstrează în schimb două scoruri pe două axe:

• Scor de potrivire (0-100): cât de bine se potrivește compania cu ICP-ul tău. Se schimbă lent. Se bazează pe date firmografice și tehnografice.
• Scor de engagement (0–100): cât de activ cercetează compania în acest moment. Se schimbă zilnic. Se bazează pe comportamentul de pe site, datele de intenție și răspunsurile la campanii, cu scădere în timp.

Apoi acționează pe baza combinației, nu a sumei. O grilă simplă face treaba:

Această grilă îi dă marketingului și o sarcină clară pentru colțul cu potrivire mare și engagement scăzut, unde majoritatea programelor account-based ar trebui să-și cheltuiască bugetul.

Ce intră în scorul de potrivire

Potrivirea provine din profilul clientului ideal și ar trebui construită din datele tale closed-won, nu din ce speră conducerea că este ICP-ul. Inputuri tipice:

• Industria (ponderată cu rata de câștig pe fiecare verticală)
• Numărul de angajați sau intervalul de venituri
• Geografia (unde poți vinde, oferi suport și respecta reglementările)
• Stack tehnologic (folosește o platformă cu care te integrezi sau un competitor pe care îl înlocuiești) (ghidul nostru despre construirea unui stack martech B2B în jurul personalizării arată ce integrări contează)
• Semnale despre modelul de business (de exemplu, are o echipă de vânzări, face achiziție plătită, vinde B2B)

Ponderează fiecare criteriu după cât de puternic separă tranzacțiile câștigate de cele pierdute. De exemplu, dacă majoritatea veniturilor din tranzacțiile câștigate vin de la companii de software cu 200-2.000 de angajați, aceste două atribute merită cea mai mare parte din punctele de potrivire. Ghidul nostru despre construirea unui ICP pentru personalizarea site-ului te conduce prin analiză.

Ce intră în scorul de engagement

Engagementul ar trebui să măsoare activitatea de cumpărare, nu interesul general. Contează trei tipuri de date de intrare:

Profunzime: ce a consultat contul

Acordă o pondere mare paginilor din etapele avansate: prețuri, pagini de comparație, documentație de integrare, pagini de securitate, studii de caz din industria contului. Acordă o pondere mică traficului de pe blog. O companie care citește zece articole de blog învață despre un subiect. O companie care citește prețurile și pagina ta SOC 2 evaluează un furnizor.

Amploare: câți oameni sunt implicați

Acesta este inputul pe care lead scoring-ul nu îl poate capta niciodată și, în opinia noastră, este cel mai util. Două persoane din aceeași companie pe site-ul tău în aceeași săptămână înseamnă că are loc o discuție internă. Trei persoane din funcții diferite înseamnă că s-a format un grup de cumpărare. Cum o achiziție tipică implică mulți oameni (cifra Forrester de mai sus este 13), chiar și o vizibilitate parțială asupra acelui grup este valoroasă.

Acordă scor lărgimii după numărul de vizitatori distincți, cu un bonus când poți deduce roluri diferite (de exemplu, un vizitator citește documentația tehnică și altul prețurile).

Recență: când s-a întâmplat

Engagementul fără estompare în timp este a doua cea mai frecventă greșeală de modelare. Un cont care a „devorat” site-ul în martie și apoi a tăcut nu e fierbinte în octombrie. Înjumătățește punctele de engagement la fiecare 14–30 de zile, în funcție de ciclul de vânzare. Ciclurile mai scurte au nevoie de o estompare mai rapidă.

Dacă cumperi date de intenție third-party, adaugă-le ca input de engagement separat, cu un plafon, astfel încât un vârf de interes pe un subiect să nu poată împinge singur un cont în coloana „vânzări acum” fără nicio activitate first-party. Articolul nostru despre folosirea datelor de intenție pentru personalizarea site-ului arată cum le combini. Ghidul nostru despre furnizorii de date de intenție explică cum testezi unul într-un pilot înainte să te bazezi pe el.

Ce semnale indică cumpărare, nu simplă navigare

Nu orice vizită este un semnal de cumpărare. Cineva care citește trei articole de blog poate să se documenteze pentru propriul articol. Distincția utilă este între semnalele first-party (ce face contul pe site-ul tău, ce observi direct) și semnalele third-party (cercetare pe subiect în altă parte, raportată de un furnizor de date de intenție, pe care trebuie să o accepți pe încredere).

• First-party, puternic: pagini de prețuri, comparații și alternative, documentație de integrare sau API, pagini de securitate și conformitate, pagini de implementare sau onboarding, studii de caz din industria contului. Acestea sunt pagini de evaluare.
• First-party, tipar: vizite repetate într-o fereastră scurtă. O vizită pe lună înseamnă interes; trei vizite într-o săptămână înseamnă o evaluare. Contează și viteza: un cont care parcurge prețurile, două studii de caz și pagina de securitate în două zile se mișcă mai repede decât unul care citește aceleași pagini pe parcursul unui trimestru.
• Third-party: creșteri de interes pe subiecte, activitate pe site-uri de recenzii, angajări pentru un rol deservit de produsul tău. Utile pentru a identifica conturile înainte să te viziteze, mai slabe ca dovadă că vor cumpăra de la tine.
• Negative: vizite doar pe pagina de cariere, domenii ale competitorilor, studenți și regiuni din afara pieței. Fără deduceri, un competitor care îți studiază site-ul poate declanșa o alertă de vânzări.

Exemple de ponderi de implicare, în acord cu exemplul practic de mai jos. Tratează-le ca punct de plecare pentru testare pe date istorice, nu ca benchmark:

Două reguli mențin scorul de engagement onest. Plafonează orice formular completat sau orice descărcare la aproximativ 10 puncte, ca un singur material restricționat să nu poată împinge singur un cont la „vânzări acum”. Și aplică degradarea în timp doar engagementului, niciodată potrivirii: o companie nu încetează să se potrivească cu ICP-ul tău pentru că a tăcut o vreme.

Exemplu practic: trei conturi, o săptămână

Un model ilustrativ aplicat la trei conturi fictive. Ponderile sunt inventate pentru exemplu; ale tale ar trebui să provină din propriile date despre deal-urile câștigate.

Ponderi de fit: industria țintă 35, intervalul de angajați 30, integrarea cu CRM-ul tău 20, regiunea țintă 15.

Ponderile de engagement: vizualizarea prețurilor 15, pagină de comparație sau de securitate 15, studiu de caz din industrie 10, fiecare vizitator distinct suplimentar 10 (maximum 30), vizualizare de blog 2 (maximum 10), creștere a intenției 10. Punctele se înjumătățesc la fiecare 21 de zile.

Verifică calculul de pe primul rând: prețuri 15, pagina de securitate 15, studiu de caz 10 și trei vizitatori suplimentari a câte 10 fiecare fac 70. Adunată într-un singur total din 200, compania fintech ar ajunge la 88, confortabil pe locul doi, iar un reprezentant ar putea foarte ușor să o considere un lead fierbinte. Pe două axe imaginea e mai clară: potrivire puternică, dar nimeni de acolo nu evaluează încă. Locul ei este pe lista țintă pentru outbound și conținut personalizat. Agenția nu merită o după-amiază a unui SDR.

Folosirea scorurilor de cont pe site

Scorurile sunt de obicei tratate ca instrument de vânzări, dar sunt la fel de utile pentru a decide ce afișează site-ul. Câteva reguli care decurg din grilă:

• Potrivire mare, implicare redusă: arată dovezi specifice industriei și un CTA cu angajament redus (raport de benchmark, calculator de ROI). Scopul este să obții o a doua vizită.
• Potrivire mare, engagement mare: înlocuiește CTA-urile de conținut cu o ofertă directă de întâlnire și numește industria contului în hero.
• Potrivire slabă, engagement ridicat: direcționează spre o cale self-serve sau spre un plan mai ușor, în locul unui demo cu vânzările.

Funcțiile de account-based marketing din Markettailor aplică pe pagină reguli ca acestea: odată ce o companie este identificată, nivelul ei de potrivire și de implicare decide ce hero, ce dovezi și ce CTA vede.

Automatizarea predării către vânzări

Un scor pe baza căruia nu acționează nimeni este doar decor. Predarea are nevoie de trei lucruri definite în scris și integrate în CRM sau în marketing automation:

1. Praguri. Folosește grila, nu un singur prag. „Vânzări acum” este celula cu potrivire mare și engagement mare; celula cu potrivire medie și engagement mare merge mai întâi la un SDR pentru calificare. Reverifică pragurile față de testul retroactiv în fiecare trimestru, pentru că distribuțiile de engagement se schimbă pe măsură ce crește conținutul tău.
2. Rutare. Dacă contul are un proprietar în CRM, direcționează către proprietar. Dacă nu, direcționează pe teritoriu sau segment și folosește round-robin doar ca ultim pas. O alertă într-un inbox comun este o alertă de care nu răspunde nimeni. Ghidul nostru despre rutarea lead-urilor de pe website explică asocierea lead-urilor cu conturi înainte de alocare.
3. SLA. Stabilește un timp de răspuns pentru fiecare tier, de exemplu în aceeași zi lucrătoare pentru „vânzări acum” și în maximum o săptămână pentru calificarea de către SDR, și raportează pe el. Conturile ies din fereastra de cumpărare în timp ce alertele așteaptă.

Fiecare alertă ar trebui să își includă motivele: atributele companiei și de potrivire, scorul cu principalele semnale care au contribuit („3 vizitatori săptămâna aceasta, prețuri de două ori, pagina de securitate”), paginile vizitate în ultimele șapte zile ordonate după intenție, contactele cunoscute și un unghi de abordare sugerat pe baza a ce a citit contul. Un reprezentant care vede de ce un cont e fierbinte îl va suna; unul care vede doar „82”, nu.

Cum calibrezi modelul

Un model de scoring este o ipoteză. Testează-l pe datele istorice înainte ca vânzările să se bazeze pe el.

1. Exportă oportunitățile closed-won și closed-lost din ultimele 12 luni, împreună cu atributele de potrivire ale contului.
2. Atribuie fiecărui cont scorul pe care l-ar fi avut cu 30 de zile înainte de crearea oportunității.
3. Verifică dacă conturile câștigate se grupează în colțul cu potrivire și implicare mari. Dacă nu, ponderile tale sunt greșite.
4. Uită-te la conturile din „vânzări acum” care nu au devenit niciodată oportunități. Acestea sunt falsurile tale pozitive. Găsește inputul care le-a împins în sus și redu-i ponderea.
5. Reia testul retroactiv în fiecare trimestru. ICP-urile se schimbă pe măsură ce se schimbă produsul.

Dacă vrei o foaie de lucru de pornire pentru ponderi și praguri, șablonul nostru de model de lead scoring folosește aceeași structură de fit și comportament și funcționează la nivel de cont cu modificări minore.

Patru greșeli care fac vânzările să ignore scorul

Să dai scor întregii baze de date. Scorurile pentru 40.000 de conturi produc o coadă lungă de 12 și 17 fără sens. Dă scor conturilor care trec de un prag minim de potrivire și lasă restul fără scor. O listă mai mică și mai curată chiar este folosită.

Ascunderea motivelor. Un scor de 82 nu-i spune nimic unui reprezentant despre ce să spună. Fiecare scor ar trebui să vină cu primele trei semnale care au contribuit („3 vizitatori săptămâna aceasta, prețurile văzute de două ori, folosește HubSpot”). Reprezentanții au încredere în ce își pot explica singuri.

Clienții existenți numărați ca prospecți. Angajații unui client care îți citesc documentația vor aprinde scorul de implicare în fiecare săptămână. Direcționează conturile de clienți către un model separat de expansiune sau de sănătate a contului, altfel vor înghesui business-ul nou. Direcționează-le în schimb către o experiență pentru clienți; vezi personalizarea pentru retenție și reducerea churn-ului.

Să nu retragi niciodată un input. Inputurile se adaugă după fiecare analiză trimestrială și aproape niciodată nu se elimină. După un an, modelul are 30 de inputuri, jumătate redundante. Când adaugi un input, elimină unul și păstrează totalul sub o duzină.

Începe cu pași mici

Nu ai nevoie de un model predictiv ca să începi. Patru atribute de potrivire, cinci inputuri de engagement, degradare în timp și o grilă pe două axe sunt un punct de pornire mai bun decât un model cu o singură cifră. Construiește-l într-un spreadsheet, testează-l retroactiv, apoi mută-l în CRM sau în platforma de personalizare după ce vânzările sunt de acord că primele 20 de conturi arată corect.

Ca să vezi cum pot determina nivelurile de potrivire și implicare ce vede fiecare cont pe site-ul tău, programează o prezentare de pe pagina de prețuri.