Hur man kombinerar marknadsautomatiseringens ledande poäng och ledningsgrader - dummies

I marknadsautomatisering kan lead scoring ofta förväxlas med blygradering, men dessa två modeller har flera olika användningsområden, vilket kommer att illustrera för dig:

• En ledningsmodell är metoden för mätning av interaktioner eller beteenden. Du använder lead scoring för att mäta en persons försäljning beredskap. Fastställande av försäljningsberedskap baseras normalt på interaktioner med marknadsföringsmaterial och kampanjer. Vanliga åtgärder för att göra poäng är

  • Sidvisningar

  • E-postklick

  • Nedladdningar

  • Sökord

  • Kampanjens beröringspunkter

  • Formulär kompletteringar

• A ledningsmodell är metoden för att mäta demografiska kvaliteter hos människor. Du använder blygradering för att mäta en persons demografiska passform. Graderna är baserade på fält i din databas och brukar använda en A-till-F-skala, precis som de betyg du fått i skolan. Vanliga kriterier för betyg är

• Företagsstorlek

• Företagets placering

• Företagets intäkter

• Programvara som används av företag

• Industri

• Nedan visas en persons ledningsresultat baserat på henne interaktioner med marknadsföringstillgångar, medan hennes ledande betyg mäts från hennes arbetsuppgifter och företagsstorlek.

Du måste använda ledningskvaliteter som separata databasfält i samband med din ledande ställningsmodell eller riskerar att skicka mycket aktiva försäljningsklar leads till säljare när de faktiskt är en dålig demografisk passform.

Om du till exempel bygger ledande poäng endast i samband med din marknadsföring, kan din poängmodell identifiera en högskolebarn som gör ett forskningspapper som en snygg prognos på grund av hans aktivitetsnivå. Om du däremot riktar in VP-nivå-varumärkeschefer, måste din högskolestudent filtreras ut med låg betyg baserat på avsaknad av en arbetstitel.

Om du separerar ledresultat från ledningskvaliteter i din databas istället för att kombinera dem med ett poäng kan du tydligare se möjligheten att passa demografiskt och aktivitetsbaserat. Att skilja de två siffrorna från varandra är det enklaste sättet att utesluta framtidsutsikter som är aktiva men inte kan fatta ett köpbeslut.