Kontoscoring: så bygger du en B2B-modell som fungerar

Leadscoring byggdes för en värld där en person hittade dig, laddade ner något och så småningom pratade med sälj. B2B-affärer fungerar inte längre så. Forresters forskning från 2024 visade att i genomsnitt 13 personer är inblandade i ett köpbeslut. När du poängsätter var och en av dem separat får du tretton ljumma leads i stället för ett hett konto. Kontopoängsättning löser det genom att föra samman varje signal till det företag som faktiskt kommer att skriva under avtalet.

Det här inlägget förklarar hur du bygger en modell för kontoscoring som sälj litar på: vad som ingår, varför passform och engagemang aldrig ska adderas, hur du räknar köpgruppens bredd och ett genomräknat exempel som du kan anpassa.

Account scoring jämfört med lead scoring

Skillnaden är enheten, och den förändrar nästan allt längre fram i kedjan.

• Lead scoring bedömer en person. Det belönar personens eget beteende: öppnade e-postmeddelanden, nedladdat material, visade sidor. Det är bra på att avgöra när en känd kontakt är redo för ett samtal.
• Kontoscoring bedömer ett företag. Den sammanställer beteendet hos alla från det företaget, identifierade eller inte, och kombinerar det med hur väl företaget passar din ideala kundprofil. Den är bra på att avgöra vilka företag som förtjänar uppmärksamhet från sälj och marknad just nu.

Du behöver båda. Kontoscoring avgör var du ska fokusera, lead scoring avgör vem du ska ringa inom kontot. Om du bara har lead scoring i dag, behåll den: avsnitten nedan visar hur du rullar upp dess signaler till företagsnivå.

Misstaget: en enda siffra för passform och engagemang

En vanlig modell för kontopoängsättning lägger ihop passformspoäng och engagemangspoäng till en totalsumma av 100. Den ser prydlig ut. Den leder till dåliga beslut.

Ett storföretagskonto som matchar perfekt men aldrig har besökt din webbplats och en startup som matchar dåligt men vars praktikant har läst tjugo blogginlägg kan få samma poäng. Sälj ser två ”65:or” och har ingen aning om att den ena är ett strategiskt mål utan intention och den andra är brus med mycket aktivitet. Den enda siffran döljer det enda säljaren behövde veta. Samma argument gäller för enskilda leads, vilket tas upp från outbound-sidan i den här förklaringen av matchningspoäng kontra intentpoäng.

Ha i stället två poäng på två axlar:

• Matchningspoäng (0–100): hur väl företaget matchar din ICP. Förändras långsamt. Baseras på firmografiska och teknografiska data.
• Engagemangspoäng (0–100): hur aktivt företaget researchar just nu. Ändras dagligen. Baseras på beteende på webbplatsen, intentdata och kampanjrespons, med avtagande vikt över tid.

Agera sedan på kombinationen, inte summan. Ett enkelt rutnät räcker:

Matrisen ger också marknadsföringen en tydlig uppgift för hörnet med hög passform och lågt engagemang, vilket är där de flesta kontobaserade program bör lägga sin budget.

Vad som ingår i matchningspoängen

Matchningen kommer från din ideala kundprofil, och den ska byggas på data från vunna affärer, inte på vad ledningen hoppas att ICP:n är. Typiska indata:

• Bransch (viktad efter din vinstfrekvens per vertikal)
• Intervall för antal anställda eller omsättning
• Geografi (där du kan sälja, ge support och följa reglerna)
• Teknikstack (använder en plattform du integrerar med eller en konkurrent du ersätter) (vår guide om att bygga en B2B-martechstack kring personalisering går igenom vilka integrationer som spelar roll)
• Signaler om affärsmodellen (till exempel har ett säljteam, kör betald kundanskaffning, säljer B2B)

Vikta varje indata efter hur tydligt den skiljer vunna affärer från förlorade. Om till exempel merparten av dina vunna intäkter kommer från mjukvaruföretag med 200–2 000 anställda förtjänar de två attributen merparten av passformspoängen. Vår guide till att bygga en ICP för webbplatspersonalisering går igenom analysen.

Vad engagemangspoängen består av

Engagemang ska mäta köpaktivitet, inte allmänt intresse. Tre typer av indata spelar roll:

Djup: vad kontot tittade på

Vikta sidor från sena faser tungt: prissidan, jämförelsesidor, integrationsdokumentation, säkerhetssidor, kundcase från kontots bransch. Vikta bloggtrafik lätt. Ett företag som läser tio blogginlägg lär sig om ett ämne. Ett företag som läser prissidan och din SOC 2-sida utvärderar en leverantör.

Bredd: hur många personer som är involverade

Det här är indata som lead scoring aldrig kan fånga, och enligt vår mening den mest användbara. Två personer från samma företag på din webbplats samma vecka betyder att ett samtal pågår internt. Tre personer från olika funktioner betyder att en köpgrupp har bildats. Eftersom ett typiskt köp involverar många personer (Forresters siffra ovan är 13) är även en delvis inblick i den gruppen värdefull.

Poängsätt bredd utifrån unika besökare, med en bonus när du kan härleda olika roller (till exempel en besökare som läser teknisk dokumentation och en annan som läser priser).

Aktualitet: när det hände

Engagemang utan avklingning är det näst vanligaste modelleringsmisstaget. Ett konto som frossade på din webbplats i mars och sedan tystnade är inte hett i oktober. Halvera engagemangspoängen var 14:e till 30:e dag beroende på din säljcykel. Kortare cykler kräver snabbare avklingning.

Om du köper intentdata från tredje part, lägg till den som en separat engagemangsfaktor med ett tak, så att en ämnesökning ensam inte kan flytta ett konto till kolumnen ”sälj nu” utan någon förstapartsaktivitet. Vårt inlägg om att använda intentdata för webbplatspersonalisering tar upp hur du blandar de två. Vår guide till leverantörer av intentdata förklarar hur du testar en innan du förlitar dig på den.

Vilka signaler som tyder på köp, inte bara surfande

Alla besök är inte köpsignaler. Den som läser tre blogginlägg kanske gör research inför en egen artikel. Den användbara skillnaden går mellan förstapartssignaler (vad kontot gör på din webbplats, som du observerar direkt) och tredjepartssignaler (ämnesresearch på andra ställen, rapporterad av en leverantör av intentionsdata, som du får lita på).

• Förstapart, stark: pris-, jämförelse- och alternativsidor, integrations- eller API-dokumentation, sidor om säkerhet och regelefterlevnad, sidor om implementering eller onboarding, kundcase från kontots egen bransch. Det här är utvärderingssidor.
• Förstapart, mönster: upprepade besök inom en kort period. Ett besök i månaden är intresse; tre besök på en vecka är en utvärdering. Hastigheten spelar också roll: ett konto som går igenom priser, två kundcase och säkerhetssidan på två dagar rör sig snabbare än ett som läser samma sidor under ett kvartal.
• Tredje part: ämnestoppar, aktivitet på recensionssajter, rekrytering till en roll som din produkt riktar sig till. Användbart för att upptäcka konton innan de besöker dig, svagare som bevis på att de köper av dig.
• Negativt: besök enbart på karriärsidan, konkurrenters domäner, studenter och regioner utanför marknaden. Utan avdrag kan en konkurrent som studerar din webbplats utlösa en säljavisering.

Exempel på engagemangsvikter, i linje med det räknade exemplet nedan. Se dem som en startpunkt att backtesta, inte en benchmark:

Två regler håller engagemangspoängen ärlig. Sätt ett tak på omkring 10 poäng för ett enskilt ifyllt formulär eller en nedladdning, så att ett enda spärrat material inte kan driva ett konto till ”sälj nu” på egen hand. Och låt bara engagemanget avta över tid, aldrig matchningen: ett företag slutar inte matcha din ICP bara för att det blivit tyst.

Räknat exempel: tre konton, en vecka

En illustrativ modell tillämpad på tre fiktiva konton. Vikterna är påhittade för exemplet; dina bör komma från din egen data om vunna affärer.

Matchningsvikter: målbransch 35, storleksklass för antal anställda 30, integrerar med ditt CRM 20, målregion 15.

Vikter för engagemang: visning av prissidan 15, jämförelse- eller säkerhetssida 15, kundcase från branschen 10, varje ytterligare unik besökare 10 (max 30), visning av blogginlägg 2 (max 10), intentökning 10. Poängen halveras var 21:a dag.

Kontrollera räkningen på första raden: prissidan 15, säkerhetssidan 15, kundcase 10 och tre ytterligare besökare à 10 blir 70. Adderat till en totalsumma av 200 skulle fintechbolaget hamna på 88, tryggt på andra plats, och en säljare skulle lätt kunna kalla det för ett hett lead. Med två axlar blir bilden tydligare: stark passform, men ingen där utvärderar ännu. Det hör hemma på mållistan för utgående bearbetning och personaliserat innehåll. Byrån är inte värd en eftermiddag för en SDR.

Använd kontopoäng på din webbplats

Poäng ses oftast som ett säljverktyg, men de är lika användbara för att bestämma vad webbplatsen ska visa. Några regler som följer av rutnätet:

• Hög passform, lågt engagemang: visa branschspecifika bevis och en CTA med lågt åtagande (benchmarkrapport, ROI-kalkylator). Målet är att förtjäna ett andra besök.
• Hög passform, högt engagemang: ersätt innehålls-CTA:er med ett direkt erbjudande om möte och nämn kontots bransch i heron.
• Låg passform, högt engagemang: skicka till en självbetjäningsväg eller en lättare plan i stället för en säljdemo.

Markettailors funktioner för account-based marketing tillämpar regler som dessa på sidan: när ett företag har identifierats avgör dess matchnings- och engagemangsnivå vilken hero, vilka bevis och vilken CTA det ser.

Automatisera överlämningen till sälj

En poäng som ingen agerar på är dekoration. Överlämningen behöver tre saker definierade skriftligt och inbyggda i ditt CRM eller din marketing automation:

1. Tröskelvärden. Använd rutnätet, inte en enda gräns. ”Sälj nu” är cellen med hög matchning och högt engagemang; cellen med medelgod matchning och högt engagemang går till en SDR för kvalificering först. Kontrollera gränserna mot backtestet varje kvartal, eftersom engagemangsfördelningen förskjuts när ditt innehåll växer.
2. Fördelning. Om kontot har en ansvarig i CRM, skicka till den ansvariga. Om inte, fördela efter distrikt eller segment, och använd round robin bara som sista steg. En avisering i en delad inkorg är en avisering som ingen äger. Vår guide om fördelning av leads från webbplatsen går igenom hur du matchar leads mot konton före tilldelning.
3. SLA. Kom överens om en svarstid per nivå, till exempel samma arbetsdag för ”sälj nu” och inom en vecka för SDR-kvalificering, och rapportera på den. Konton lämnar köpfönstret medan aviseringarna väntar.

Varje larm ska innehålla sina skäl: företags- och passformsattribut, poängen med de viktigaste bidragande signalerna (”3 besökare den här veckan, prissidan två gånger, säkerhetssidan”), sidorna som besökts de senaste sju dagarna rangordnade efter köpavsikt, kända kontakter och en föreslagen vinkel utifrån vad kontot har läst. En säljare som ser varför ett konto är hett ringer det; en säljare som bara ser ”82” gör det inte.

Så kalibrerar du modellen

En poängmodell är en hypotes. Testa den mot historiken innan sälj börjar förlita sig på den.

1. Exportera de senaste 12 månadernas vunna och förlorade affärsmöjligheter tillsammans med kontots matchningsattribut.
2. Poängsätt varje konto som det skulle ha sett ut 30 dagar innan affärsmöjligheten skapades.
3. Kontrollera att vunna konton samlas i hörnet med hög passform och högt engagemang. Gör de inte det är dina vikter fel.
4. Titta på kontona i ”sälj nu” som aldrig blev affärsmöjligheter. Det är dina falska positiva. Hitta den faktor som drev upp dem och minska dess vikt.
5. Kör backtestet igen varje kvartal. ICP:er glider i takt med att produkten förändras.

Om du vill ha ett arbetsblad att börja med för vikter och gränsvärden använder vår mall för lead scoring-modell samma struktur för matchning och beteende och fungerar på kontonivå med små ändringar.

Fyra misstag som får säljteamet att ignorera poängen

Att poängsätta hela databasen. Att poängsätta 40 000 konton ger en lång svans av meningslösa 12:or och 17:or. Poängsätt de konton som klarar en lägsta matchningsnivå och lämna resten utan poäng. En mindre och renare lista blir faktiskt använd.

Att dölja skälen. En poäng på 82 säger ingenting till en säljare om vad hen ska säga. Varje poäng bör komma med sina tre viktigaste bidragande signaler (”3 besökare den här veckan, prissidan visad två gånger, använder HubSpot”). Säljare litar på det de kan förklara för sig själva.

Att räkna befintliga kunder som prospekt. En kunds anställda som läser din dokumentation får engagemangspoängen att lysa upp varje vecka. Skicka kundkonton till en separat modell för expansion eller kundhälsa, annars tränger de undan nya affärer. Led dem i stället till en kundupplevelse; se personalisering för kundlojalitet och minskad churn.

Att aldrig pensionera en indata. Indata läggs till efter varje kvartalsgenomgång och tas nästan aldrig bort. Efter ett år har modellen 30 indata, varav hälften är överflödiga. När du lägger till en indata, ta bort en annan, och håll det totala antalet under ett dussin.

Börja i liten skala

Du behöver ingen prediktiv modell för att komma igång. Fyra matchningsattribut, fem engagemangsindata, avtagande vikt och ett rutnät med två axlar är en bättre utgångspunkt än en modell med en enda siffra. Bygg den i ett kalkylark, backtesta den och flytta den sedan till ditt CRM eller din personaliseringsplattform när säljteamet håller med om att de 20 främsta kontona ser rätt ut.

För att se hur nivåer för passform och engagemang kan styra vad varje konto ser på din webbplats, boka en genomgång via vår prissida.