Скоринг акаунтів: як побудувати B2B-модель, що працює

Скоринг лідів створювали для світу, де одна людина знаходила вас, щось завантажувала й зрештою говорила з продажами. B2B-угоди більше так не працюють. Дослідження Forrester 2024 року показало, що в середньому в ухваленні рішення про покупку беруть участь 13 людей. Коли ви оцінюєте кожного з них окремо, то отримуєте тринадцять «теплуватих» лідів замість одного «гарячого» акаунта. Скоринг акаунтів це виправляє, збираючи всі сигнали на рівні компанії, яка насправді підпише контракт.

У цьому матеріалі пояснюємо, як побудувати модель скорингу акаунтів, якій довірятиме відділ продажу: що до неї входить, чому відповідність і залученість ніколи не слід складати, як рахувати широту групи ухвалення рішення, і наводимо розібраний приклад, який можна адаптувати.

Скоринг акаунтів і лід-скоринг

Різниця в одиниці виміру, і вона змінює майже все, що відбувається далі.

• Лід-скоринг оцінює одну людину. Він винагороджує її власну поведінку: відкриті листи, завантажені матеріали, переглянуті сторінки. Він добре визначає, коли відомий контакт готовий до дзвінка.
• Скоринг акаунтів оцінює одну компанію. Він агрегує поведінку всіх людей із цієї компанії, ідентифікованих чи ні, і поєднує її з тим, наскільки компанія відповідає вашому профілю ідеального клієнта. Він добре допомагає вирішити, які компанії заслуговують на увагу продажу й маркетингу саме зараз.

Потрібні обидва. Скоринг акаунтів визначає, на чому зосередитися, скоринг лідів — кому дзвонити всередині цього акаунта. Якщо зараз у вас є лише скоринг лідів, залиште його: розділи нижче показують, як агрегувати його сигнали до рівня компанії.

Помилка: одна цифра для відповідності та залученості

Поширена модель скорингу акаунтів додає бали відповідності й бали залученості в один підсумок зі 100. Виглядає охайно. Призводить до поганих рішень.

Ідеально відповідний корпоративний акаунт, який ніколи не відвідував ваш сайт, і стартап, що погано відповідає профілю, чий стажер прочитав двадцять статей у блозі, можуть отримати однакову оцінку. Продажі бачать дві «65» і не мають уявлення, що одна — стратегічна ціль без наміру, а друга — шум із великою активністю. Єдине число приховує саме те, що менеджерові треба було знати. Той самий аргумент стосується й окремих лідів — з боку аутбаунду це розглянуто в поясненні оцінки відповідності та оцінки наміру.

Натомість ведіть дві оцінки на двох осях:

• Оцінка відповідності (0–100): наскільки компанія відповідає вашому ICP. Змінюється повільно. Ґрунтується на фірмографічних і технографічних даних.
• Оцінка залученості (0–100): наскільки активно компанія досліджує тему зараз. Змінюється щодня. Базується на поведінці на сайті, даних про наміри та реакції на кампанії, із загасанням.

Потім дійте на основі комбінації, а не суми. Простої сітки достатньо:

Ця сітка також дає маркетингу чітке завдання для кута «висока відповідність, низька залученість», куди більшість account-based програм і мають спрямовувати бюджет.

З чого складається оцінка відповідності

Відповідність визначається вашим профілем ідеального клієнта, і будувати його слід на даних про виграні угоди, а не на тому, яким керівництво хотіло б бачити ICP. Типові вхідні дані:

• Галузь (зважена за вашим коефіцієнтом виграшу для кожної вертикалі)
• Кількість співробітників або діапазон доходу
• Географія (де ви можете продавати, підтримувати клієнтів і дотримуватися вимог)
• Технологічний стек (використовує платформу, з якою ви інтегруєтеся, або конкурента, якого ви витісняєте) (у нашому посібнику про побудову B2B-стеку martech навколо персоналізації пояснено, які інтеграції важливі)
• Сигнали бізнес-моделі (наприклад, має відділ продажів, веде платне залучення, продає B2B)

Зважуйте кожен показник за тим, наскільки сильно він відрізняє виграні угоди від програних. Наприклад, якщо більша частина виручки з виграних угод надходить від компаній з ПЗ на 200–2000 працівників, ці два атрибути заслуговують на більшість балів відповідності. Наш посібник зі створення ICP для персоналізації сайту покроково описує аналіз.

Із чого складається оцінка залученості

Взаємодія має вимірювати купівельну активність, а не загальний інтерес. Важливі три типи вхідних даних:

Глибина: що переглядав акаунт

Надавайте велику вагу сторінкам пізнього етапу: ціни, сторінки порівняння, документація з інтеграцій, сторінки безпеки, кейси з галузі акаунта. Трафіку блогу — малу. Компанія, що читає десять дописів у блозі, вивчає тему. Компанія, що читає ціни та вашу сторінку SOC 2, оцінює постачальника.

Широта: скільки людей залучено

Це вхідні дані, яких лід-скоринг ніколи не охопить, і, на нашу думку, найкорисніші. Дві людини з однієї компанії на вашому сайті того самого тижня означають, що всередині компанії йде обговорення. Троє людей із різних підрозділів означають, що сформувалася закупівельна група. Оскільки типова закупівля залучає багато людей (наведена вище цифра Forrester — 13), навіть часткова видимість цієї групи цінна.

Оцінюйте охоплення за кількістю унікальних відвідувачів, з бонусом, коли можна визначити різні ролі (наприклад, один відвідувач читає технічну документацію, а інший — ціни).

Давність: коли це сталося

Залученість без згасання — друга за поширеністю помилка моделювання. Акаунт, який активно переглядав ваш сайт у березні, а потім замовк, не є «гарячим» у жовтні. Зменшуйте бали залученості вдвічі кожні 14–30 днів залежно від циклу продажу. Коротші цикли потребують швидшого згасання.

Якщо ви купуєте сторонні дані про наміри, додайте їх як окремий вхідний параметр залученості з обмеженням, щоб сплеск теми сам по собі не міг перемістити акаунт у колонку «продажі зараз» без жодної активності за власними даними. Наша стаття про використання даних про наміри для персоналізації сайту пояснює, як поєднувати ці два джерела. Наш посібник щодо постачальників даних про наміри пояснює, як протестувати одного з них у пілоті, перш ніж на нього покладатися.

Які сигнали вказують на купівлю, а не на перегляд

Не кожен візит — сигнал купівлі. Людина, що читає три статті в блозі, може готувати власну статтю. Корисно розрізняти first-party сигнали (що акаунт робить на вашому сайті, ви спостерігаєте це напряму) і third-party сигнали (дослідження теми деінде, про яке повідомляє постачальник даних про наміри, і в яке доводиться вірити на слово).

• First-party, сильні: сторінки цін, порівнянь і альтернатив, документація з інтеграцій або API, сторінки безпеки та комплаєнсу, сторінки впровадження чи онбордингу, кейси з галузі самого акаунта. Це сторінки оцінювання.
• Власні дані, патерн: повторні візити за короткий період. Один візит на місяць — це інтерес; три візити за тиждень — оцінювання. Швидкість теж важлива: акаунт, що за два дні переглянув ціни, два кейси й сторінку про безпеку, рухається швидше, ніж той, хто читає ті самі сторінки впродовж кварталу.
• Сторонні: сплески інтересу до тем, активність на сайтах відгуків, наймання на роль, яку обслуговує ваш продукт. Корисні, щоб помітити акаунти ще до візиту, але слабший доказ того, що вони купуватимуть саме у вас.
• Негативні: візити лише на сторінку вакансій, домени конкурентів, студенти та регіони поза ринком. Без вирахувань конкурент, який вивчає ваш сайт, може запустити сповіщення для відділу продажів.

Приклад ваг залученості, узгоджений із розібраним прикладом нижче. Сприймайте їх як відправну точку для перевірки на історичних даних, а не як бенчмарк:

Два правила тримають оцінку взаємодії чесною. Обмежте будь-яке окреме заповнення форми чи завантаження приблизно 10 балами, щоб один закритий матеріал не міг самостійно перевести акаунт у статус «передати в продажі зараз». І застосовуйте затухання лише до взаємодії, а не до відповідності: компанія не перестає відповідати вашому ICP через те, що затихла.

Розібраний приклад: три акаунти, один тиждень

Ілюстративна модель, застосована до трьох вигаданих акаунтів. Ваги вигадано для прикладу; ваші мають ґрунтуватися на власних даних про виграні угоди.

Ваги відповідності: цільова галузь 35, діапазон чисельності 30, інтеграція з вашою CRM 20, цільовий регіон 15.

Ваги залученості: перегляд цін 15, сторінка порівняння чи безпеки 15, галузевий кейс 10, кожен додатковий окремий відвідувач 10 (макс. 30), перегляд блогу 2 (макс. 10), сплеск наміру 10. Бали зменшуються вдвічі кожні 21 день.

Перевірте арифметику в першому рядку: ціни — 15, сторінка безпеки — 15, кейс — 10, і троє додаткових відвідувачів по 10 — разом 70. Якщо скласти все в один загальний бал зі 200, фінтех-компанія отримала б 88, упевнене друге місце, і менеджер легко назвав би її гарячим лідом. За двома осями картина зрозуміліша: висока відповідність, але там ще ніхто нічого не оцінює. Її місце — у цільовому списку для аутбаунду й персоналізованого контенту. На агенцію не варто витрачати пів дня SDR.

Використання балів акаунтів на сайті

Скоринг зазвичай вважають інструментом продажів, але він так само корисний для рішення, що показувати на сайті. Кілька правил, які випливають із сітки:

• Висока відповідність, низька залученість: показуйте галузеві докази й CTA з низьким порогом зобов'язань (звіт із бенчмарками, ROI-калькулятор). Мета — заслужити другий візит.
• Висока відповідність, висока залученість: замініть контентні CTA на пряму пропозицію зустрічі й назвіть галузь акаунта на першому екрані.
• Низька відповідність, висока залученість: спрямовуйте на шлях самообслуговування чи легший план замість демо з продажами.

Функції account-based маркетингу Markettailor застосовують подібні правила на сторінці: щойно компанію ідентифіковано, її рівень відповідності й залученості визначає, який перший екран, докази та CTA вона побачить.

Автоматизація передачі лідів у продажі

Оцінка, на яку ніхто не реагує, — це прикраса. Для передачі потрібно письмово визначити три речі та вбудувати їх у CRM чи систему автоматизації маркетингу:

1. Пороги. Використовуйте сітку, а не один поріг. «Продажі зараз» — комірка з високою відповідністю й високою залученістю; комірку із середньою відповідністю й високою залученістю спершу передають SDR для кваліфікації. Щокварталу перевіряйте пороги за ретроспективним тестом, бо розподіл залученості зміщується з ростом контенту.
2. Маршрутизація. Якщо в акаунта є власник у CRM, передавайте власникові. Якщо ні — за територією чи сегментом, а ротацію використовуйте лише як останній крок. Сповіщення в спільній скриньці — це сповіщення, яке нікому не належить. Зіставлення лідів з акаунтами перед призначенням описано в нашому посібнику з маршрутизації лідів із сайту.
3. SLA. Погодьте час реакції для кожного рівня, наприклад того самого робочого дня для «продажі зараз» і протягом тижня для кваліфікації SDR, і звітуйте про нього. Поки сповіщення чекають, акаунти виходять із вікна купівлі.

Кожне сповіщення має містити причини: атрибути компанії та відповідності, бал із найвагомішими сигналами («3 відвідувачі цього тижня, двічі сторінка цін, сторінка безпеки»), сторінки, відвідані за останні сім днів, упорядковані за наміром, відомі контакти та запропонований кут розмови на основі того, що акаунт читав. Продавець, який бачить, чому акаунт «гарячий», зателефонує; продавець, який бачить лише «82», — ні.

Як відкалібрувати модель

Скорингова модель — це гіпотеза. Перевірте її на історичних даних, перш ніж продажі почнуть на неї спиратися.

1. Експортуйте можливості зі статусами closed-won і closed-lost за останні 12 місяців з атрибутами відповідності акаунтів.
2. Оцініть кожен акаунт таким, яким він був за 30 днів до створення можливості.
3. Перевірте, чи акаунти з виграними угодами зосереджені в куті з високою відповідністю та високою залученістю. Якщо ні, ваші ваги неправильні.
4. Подивіться на акаунти в колонці «продажі зараз», які так і не стали можливостями. Це ваші хибнопозитивні результати. Знайдіть вхідний параметр, що підняв їх угору, і зменште його вагу.
5. Повторюйте ретроспективну перевірку щокварталу. ICP змінюється разом із продуктом.

Якщо вам потрібен робочий шаблон для ваг і порогів, наш шаблон моделі скорингу лідів використовує ту саму структуру відповідності й поведінки та з невеликими змінами працює на рівні акаунтів.

Чотири помилки, через які відділ продажів ігнорує оцінку

Скоринг усієї бази. Скоринг 40 000 акаунтів дає довгий хвіст безглуздих 12 і 17. Оцінюйте акаунти, що проходять мінімальний поріг відповідності, а решту залиште без оцінки. Менший і чистіший список справді використовують.

Приховування причин. Оцінка 82 нічого не каже менеджеру про те, що говорити. Кожна оцінка має супроводжуватися трьома головними сигналами, що на неї вплинули («3 відвідувачі цього тижня, ціни переглянуто двічі, використовує HubSpot»). Менеджери довіряють тому, що можуть собі пояснити.

Наявні клієнти зараховуються до потенційних. Працівники клієнта, що читають вашу документацію, щотижня підсвічуватимуть оцінку залученості. Спрямовуйте акаунти клієнтів в окрему модель розширення чи «здоров'я» клієнта, інакше вони витіснять новий бізнес. Натомість показуйте їм клієнтський досвід; див. персоналізація для утримання й зменшення відтоку.

Ніколи не прибирати вхідні дані. Вхідні показники додаються після кожного квартального перегляду й майже ніколи не прибираються. За рік модель має 30 вхідних показників, половина з яких дублюються. Додаючи показник, прибирайте інший і тримайте загальну кількість у межах дюжини.

Почніть з малого

Для початку предиктивна модель не потрібна. Чотири атрибути відповідності, п’ять показників залученості, затухання і двовимірна сітка — краща відправна точка, ніж модель з одним числом. Побудуйте її в таблиці, перевірте ретроспективно, а потім перенесіть у CRM чи платформу персоналізації, коли відділ продажів погодиться, що топ-20 акаунтів виглядають правильно.

Щоб побачити, як рівні відповідності та залученості можуть визначати, що бачить кожен акаунт на вашому сайті, забронюйте демонстрацію на нашій сторінці цін.