Hesap Skorlama: İşe Yarayan Bir B2B Modeli Nasıl Kurulur

Lead puanlama, tek bir kişinin sizi bulduğu, bir şey indirdiği ve sonunda satış ekibiyle konuştuğu bir dünya için tasarlandı. B2B anlaşmaları artık böyle işlemiyor. Forrester'ın 2024 araştırması, bir satın alma kararına ortalama 13 kişinin dahil olduğunu ortaya koydu. Her birini ayrı puanladığınızda bir sıcak hesap yerine on üç ılık lead elde edersiniz. Hesap puanlama, her sinyali sözleşmeyi gerçekten imzalayacak şirkette toplayarak bunu çözer.

Bu yazı, satış ekibinin güvendiği bir hesap skorlama modelinin nasıl kurulacağını açıklıyor: modele neler girer, uygunluk ve etkileşim neden asla toplanmamalıdır, satın alma komitesinin genişliği nasıl sayılır ve uyarlayabileceğiniz uygulamalı bir örnek.

Hesap Puanlama ve Lead Puanlama

Fark birimdedir ve bu, sonraki neredeyse her şeyi değiştirir.

• Lead puanlama tek bir kişiyi derecelendirir. O kişinin kendi davranışını ödüllendirir: açılan e-postalar, indirilen içerikler, görüntülenen sayfalar. Bilinen bir kişinin ne zaman görüşmeye hazır olduğuna karar vermede başarılıdır.
• Hesap skorlama tek bir şirketi derecelendirir. O şirketten gelen herkesin, tanımlanmış olsun ya da olmasın, davranışını bir araya getirir ve bunu şirketin ideal müşteri profilinize ne kadar uyduğuyla birleştirir. Şu anda hangi şirketlerin satış ve pazarlama ilgisini hak ettiğine karar vermekte başarılıdır.

İkisine de ihtiyacınız var. Hesap puanlama nereye odaklanacağınıza, lead puanlama ise o hesap içinde kimi arayacağınıza karar verir. Bugün yalnızca lead puanlamanız varsa onu koruyun: aşağıdaki bölümler, sinyallerini şirket düzeyine nasıl taşıyacağınızı gösteriyor.

Hata: Uygunluk ve Etkileşim İçin Tek Bir Rakam

Yaygın bir hesap puanlama modeli, uyum puanlarını ve etkileşim puanlarını 100 üzerinden tek bir toplamda birleştirir. Düzenli görünür. Kötü kararlar üretir.

Sitenizi hiç ziyaret etmemiş mükemmel uyumlu bir kurumsal hesap ile stajyeri yirmi blog yazısı okumuş zayıf uyumlu bir startup aynı puanı alabilir. Satış iki tane "65" görür ve birinin niyeti olmayan stratejik bir hedef, diğerinin ise çok aktiviteli bir gürültü olduğundan haberi olmaz. Tek bir rakam, satış temsilcisinin bilmesi gereken tek şeyi gizler. Aynı argüman tek tek lead'ler için de geçerlidir; uyum puanı ve niyet puanı üzerine bu açıklayıcı yazıda giden iletişim tarafından ele alınıyor.

Bunun yerine iki eksende iki puan tutun:

• Uyum puanı (0-100): Şirketin ICP'nize ne kadar yakından uyduğu. Yavaş değişir. Firmografik ve teknografik verilere dayanır.
• Etkileşim puanı (0-100): şirketin şu anda ne kadar aktif araştırma yaptığı. Her gün değişir. Web sitesi davranışı, niyet verisi ve kampanya yanıtlarına dayanır, zamanla azalır.

Ardından toplama göre değil, kombinasyona göre aksiyon alın. Basit bir tablo işi görür:

Bu tablo, pazarlamaya yüksek uyumlu ve düşük etkileşimli köşe için de net bir görev verir; çoğu hesap tabanlı programın bütçesini harcaması gereken yer de burasıdır.

Uyum Puanına Neler Girer

Uyum, ideal müşteri profilinizden gelir ve yönetimin ICP'nin ne olmasını umduğundan değil, kazanılan anlaşma verilerinizden oluşturulmalıdır. Tipik girdiler:

• Sektör (dikey başına kazanma oranınıza göre ağırlıklandırılmış)
• Çalışan sayısı veya gelir aralığı
• Coğrafya (satış yapabileceğiniz, destek verebileceğiniz ve uyum sağlayabileceğiniz yerler)
• Teknoloji yığını (entegre olduğunuz bir platformu ya da yerini aldığınız bir rakibi kullanıyor) (kişiselleştirme odaklı bir B2B martech yığını oluşturma rehberimiz hangi entegrasyonların önemli olduğunu anlatıyor)
• İş modeli sinyalleri (örneğin bir satış ekibi var, ücretli müşteri edinme yürütüyor, B2B satış yapıyor)

Her girdiyi, kazanılan anlaşmaları kaybedilenlerden ne kadar güçlü ayırdığına göre ağırlıklandırın. Örneğin kazanılan gelirinizin çoğu 200-2.000 çalışanlı yazılım şirketlerinden geliyorsa, uyum puanlarının çoğunu bu iki özellik hak eder. Web sitesi kişiselleştirmesi için ICP oluşturma rehberimiz analizi adım adım anlatıyor.

Etkileşim Puanına Neler Girer

Etkileşim genel ilgiyi değil, satın alma faaliyetini ölçmelidir. Üç tür girdi önemlidir:

Derinlik: hesabın neye baktığı

Geç aşama sayfalara yüksek ağırlık verin: fiyatlandırma, karşılaştırma sayfaları, entegrasyon dokümanları, güvenlik sayfaları, hesabın sektöründen vaka çalışmaları. Blog trafiğine düşük ağırlık verin. On blog yazısı okuyan bir şirket bir konu hakkında bilgi ediniyordur. Fiyatlandırma sayfanızı ve SOC 2 sayfanızı okuyan bir şirket ise bir tedarikçiyi değerlendiriyordur.

Genişlik: kaç kişinin dahil olduğu

Bu, lead puanlamanın asla yakalayamayacağı girdidir ve bize göre en faydalı olanıdır. Aynı hafta içinde aynı şirketten iki kişinin sitenizde olması, şirket içinde bir konuşmanın yaşandığı anlamına gelir. Farklı birimlerden üç kişi, bir satın alma grubunun oluştuğu anlamına gelir. Tipik bir satın almaya çok sayıda kişinin dahil olduğu düşünüldüğünde (yukarıdaki Forrester rakamı 13), bu grubu kısmen görebilmek bile değerlidir.

Genişliği farklı ziyaretçi sayısına göre puanlayın; farklı rolleri çıkarabildiğinizde (örneğin bir ziyaretçi teknik dokümanları, diğeri fiyatlandırmayı okuyorsa) bonus verin.

Yakınlık: ne zaman gerçekleştiği

Zamanla azalmayan etkileşim, en yaygın ikinci modelleme hatasıdır. Mart ayında sitenizi yoğun şekilde gezip sonra sessizleşen bir hesap, Ekim'de sıcak değildir. Satış döngünüze bağlı olarak etkileşim puanlarını her 14-30 günde bir yarıya indirin. Daha kısa döngüler daha hızlı azalma gerektirir.

Üçüncü taraf niyet verisi satın alıyorsanız, onu üst sınırı olan ayrı bir etkileşim girdisi olarak ekleyin; böylece yalnızca bir konu ilgisi artışı, hiçbir birinci taraf aktivite olmadan bir hesabı "hemen satış" sütununa itemez. Web sitesi kişiselleştirme için niyet verisi kullanma yazımız ikisinin nasıl harmanlanacağını ele alıyor. Niyet verisi sağlayıcıları rehberimiz de birine güvenmeden önce nasıl pilot uygulama yapılacağını açıklıyor.

Hangi Sinyaller Göz Gezdirmeyi Değil, Satın Almayı Gösterir

Her ziyaret bir satın alma sinyali değildir. Üç blog yazısı okuyan biri kendi makalesi için araştırma yapıyor olabilir. Asıl yararlı ayrım, birinci taraf sinyaller (hesabın sitenizde yaptıkları; bunları doğrudan gözlemlersiniz) ile üçüncü taraf sinyaller (başka yerlerde yapılan ve bir niyet verisi tedarikçisi tarafından raporlanan konu araştırmaları; bunlara güvenmek zorundasınız) arasındadır.

• Birinci taraf, güçlü: Fiyatlandırma, karşılaştırma ve alternatifler sayfaları, entegrasyon veya API belgeleri, güvenlik ve uyumluluk sayfaları, uygulama veya onboarding sayfaları, hesabın kendi sektöründen vaka çalışmaları. Bunlar değerlendirme sayfalarıdır.
• Birinci taraf, kalıp: kısa bir süre içinde tekrarlanan ziyaretler. Ayda bir ziyaret ilgidir; bir haftada üç ziyaret bir değerlendirmedir. Hız da önemlidir: Fiyatlandırmayı, iki vaka çalışmasını ve güvenlik sayfasını iki günde inceleyen bir hesap, aynı sayfaları bir çeyrek boyunca okuyan bir hesaptan daha hızlı ilerliyordur.
• Üçüncü taraf: Konu artışları, inceleme sitesi aktivitesi, ürününüzün hizmet ettiği bir rol için işe alım. Hesapları siteyi ziyaret etmeden önce fark etmek için faydalı, sizden satın aldıklarının kanıtı olarak daha zayıf.
• Negatif: yalnızca kariyer sayfası ziyaretleri, rakip alan adları, öğrenciler ve pazar dışı bölgeler. Puan düşürme olmadan sitenizi inceleyen bir rakip bir satış uyarısını tetikleyebilir.

Aşağıdaki uygulamalı örnekle tutarlı örnek etkileşim ağırlıkları. Bunları bir karşılaştırma ölçütü olarak değil, geriye dönük test edilecek bir başlangıç noktası olarak görün:

İki kural etkileşim puanını dürüst tutar. Tek bir form doldurmayı veya indirmeyi yaklaşık 10 puanla sınırlayın; böylece tek bir kilitli içerik bir hesabı tek başına "hemen satışa" itemez. Ayrıca zamanla azalmayı uyuma değil, yalnızca etkileşime uygulayın: Bir şirket sessizleşti diye ICP'nize uymayı bırakmaz.

Uygulamalı Örnek: Üç Hesap, Bir Hafta

Üç kurgusal hesaba uygulanmış temsili bir model. Ağırlıklar örnek için uydurulmuştur; sizinkiler kendi kazanılan anlaşma verilerinizden gelmelidir.

Uyum ağırlıkları: hedef sektör 35, çalışan aralığı 30, CRM'inizle entegre 20, hedef bölge 15.

Etkileşim ağırlıkları: fiyatlandırma görüntüleme 15, karşılaştırma veya güvenlik sayfası 15, sektörel vaka çalışması 10, her ek farklı ziyaretçi 10 (en fazla 30), blog görüntüleme 2 (en fazla 10), niyet artışı 10. Puanlar her 21 günde yarıya iner.

İlk satırdaki hesabı kontrol edin: fiyatlandırma 15, güvenlik sayfası 15, vaka çalışması 10 ve her biri 10 puanlık üç ek ziyaretçi, toplam 70 eder. 200 üzerinden tek bir toplama eklendiğinde fintech şirketi 88 puanla rahatça ikinci sıraya yerleşirdi ve bir temsilci onu kolayca sıcak bir lead olarak görebilirdi. İki eksende tablo daha nettir: uygunluk güçlü, ancak orada henüz kimse değerlendirme yapmıyor. Bu şirket, outbound ve kişiselleştirilmiş içerik için hedef listesine aittir. Ajans ise bir SDR'ın öğleden sonrasını harcamaya değmez.

Hesap Puanlarını Web Sitenizde Kullanmak

Puanlar genellikle bir satış aracı olarak görülür, ancak web sitesinin ne göstereceğine karar vermek için de aynı derecede faydalıdır. Tablodan çıkan birkaç kural:

• Yüksek uygunluk, düşük etkileşim: sektöre özgü kanıtlar ve düşük taahhüt gerektiren bir CTA gösterin (karşılaştırma raporu, ROI hesaplayıcı). Amaç ikinci bir ziyareti kazanmaktır.
• Yüksek uyum, yüksek etkileşim: içerik CTA'larını doğrudan bir toplantı teklifiyle değiştirin ve hero'da hesabın sektörünü belirtin.
• Düşük uyum, yüksek etkileşim: satış demosu yerine self-servis bir yola veya daha hafif bir plana yönlendirin.

Markettailor'ın hesap tabanlı pazarlama özellikleri bu tür kuralları sayfada uygular: Bir şirket tanımlandığında, uyum ve etkileşim katmanı hangi hero'yu, kanıtı ve CTA'yı göreceğini belirler.

Satışa Devri Otomatikleştirmek

Kimsenin harekete geçmediği bir puan süsten ibarettir. Devir teslimin, yazılı olarak tanımlanmış ve CRM'inize veya pazarlama otomasyonunuza yerleştirilmiş üç şeye ihtiyacı vardır:

1. Eşikler. Tek bir kesim noktası değil, tabloyu kullanın. "Hemen satışa" hücresi yüksek uyum ve yüksek etkileşim hücresidir; orta uyum ve yüksek etkileşim hücresi ise önce niteleme için bir SDR'a gider. İçeriğiniz büyüdükçe etkileşim dağılımları değiştiği için kesim noktalarını her çeyrek geriye dönük teste göre yeniden kontrol edin.
2. Yönlendirme. Hesabın CRM'de bir sorumlusu varsa, sorumluya yönlendirin. Yoksa bölgeye ya da segmente göre yönlendirin ve sırayla dağıtımı yalnızca son adım olarak kullanın. Ortak bir gelen kutusundaki uyarı, kimsenin sahiplenmediği bir uyarıdır. Web sitesi lead'lerini yönlendirme rehberimiz, atamadan önce lead'leri hesaplarla eşleştirmeyi ele alıyor.
3. SLA. Her seviye için bir yanıt süresi belirleyin; örneğin "hemen satış" için aynı iş günü, SDR nitelendirmesi için bir hafta içinde. Ardından bunu raporlayın. Uyarılar beklerken hesaplar satın alma penceresinden çıkar.

Her uyarı gerekçesini taşımalıdır: şirket ve uyum nitelikleri, puan ve puana en çok katkıda bulunan sinyaller (“bu hafta 3 ziyaretçi, iki kez fiyatlandırma, güvenlik sayfası”), son yedi günde ziyaret edilen sayfalar niyete göre sıralanmış olarak, bilinen kişiler ve hesabın okuduklarına dayalı önerilen bir yaklaşım. Bir hesabın neden sıcak olduğunu görebilen temsilci onu arar; yalnızca “82” gören temsilci aramaz.

Model Nasıl Kalibre Edilir?

Bir puanlama modeli bir hipotezdir. Satış ekibi ona güvenmeden önce geçmiş verilerle test edin.

1. Son 12 ayın kazanılan ve kaybedilen fırsatlarını, hesabın uyum özellikleriyle birlikte dışa aktarın.
2. Her hesabı, fırsat oluşturulmadan 30 gün önceki görünümüne göre puanlayın.
3. Kazanılan hesapların yüksek uygunluk ve yüksek etkileşim köşesinde toplandığını kontrol edin. Toplanmıyorsa ağırlıklarınız yanlıştır.
4. "Hemen satış" sütununda olup hiçbir zaman fırsata dönüşmeyen hesaplara bakın. Bunlar sizin yanlış pozitiflerinizdir. Onları yukarı iten girdiyi bulun ve ağırlığını azaltın.
5. Geriye dönük testi her çeyrekte yeniden yapın. Ürün değiştikçe ICP'ler de kayar.

Ağırlıklar ve eşikler için bir başlangıç çalışma sayfası isterseniz, lead puanlama modeli şablonumuz aynı uyum ve davranış yapısını kullanıyor ve küçük değişikliklerle hesap düzeyinde de çalışıyor.

Satış Ekibinin Puanı Görmezden Gelmesine Yol Açan Dört Hata

Tüm veritabanını puanlamak. 40.000 hesabı puanlamak, anlamsız 12'ler ve 17'lerden oluşan uzun bir kuyruk yaratır. Asgari uyum eşiğini geçen hesapları puanlayın, gerisini puansız bırakın. Daha küçük ve daha temiz bir liste gerçekten kullanılır.

Nedenleri gizlemek. 82'lik bir puan, temsilciye ne söyleyeceği hakkında hiçbir şey söylemez. Her puan, en çok katkı yapan üç sinyaliyle birlikte gelmelidir ("bu hafta 3 ziyaretçi, fiyatlandırma iki kez görüntülendi, HubSpot kullanıyor"). Temsilciler kendilerine açıklayabildikleri şeye güvenir.

Mevcut müşterileri potansiyel müşteri olarak saymak. Bir müşterinin dokümanlarınızı okuyan çalışanları etkileşim skorunu her hafta yükseltir. Müşteri hesaplarını ayrı bir genişleme ya da müşteri sağlığı modeline yönlendirin; aksi takdirde yeni iş fırsatlarını gölgede bırakırlar. Bunun yerine onları bir müşteri deneyimine yönlendirin; bkz. müşteri elde tutma ve kaybı azaltma için kişiselleştirme.

Hiçbir girdiyi emekliye ayırmamak. Her çeyreklik incelemeden sonra girdiler eklenir ve neredeyse hiç çıkarılmaz. Bir yıl sonra modelin yarısı gereksiz 30 girdisi olur. Bir girdi eklediğinizde bir tane çıkarın ve toplamı bir düzinenin altında tutun.

Küçük Başlayın

Başlamak için tahmine dayalı bir modele ihtiyacınız yok. Dört uyum özelliği, beş etkileşim girdisi, zamanla azalma ve iki eksenli bir tablo, tek rakamlı bir modelden daha iyi bir başlangıç noktasıdır. Bir elektronik tabloda oluşturun, geriye dönük test edin, ardından satış ekibi ilk 20 hesabın doğru göründüğünü kabul ettiğinde CRM'inize veya kişiselleştirme platformunuza taşıyın.

Uyum ve etkileşim katmanlarının her hesabın sitenizde gördüklerini nasıl belirleyebileceğini görmek için fiyatlandırma sayfamızdan bir tanıtım ayarlayın.