رفتن به محتوای اصلی
legion logomark logo
امتیازدهی لید

سرنخ‌های مهم‌تر را زودتر بررسی کنید

هر رفتار معتبر، امتیاز مشخصی دارد. مجموع امتیاز، ترتیب بررسی سرنخ‌ها را نشان می‌دهد. این عدد خرید را تضمین نمی‌کند.

  • امتیاز بر اساس رفتار
  • اولویت پیگیری
  • قواعد قابل تنظیم
نمای سگمنت‌بندی و تحلیل مشتریان در لژیون
پاسخ مستقیم

امتیازدهی لید چیست؟

امتیازدهی سرنخ، ترتیب بررسی را مشخص می‌کند. رفتار یا ویژگی معتبر امتیاز می‌گیرد. مجموع امتیاز فقط یک راهنمای کاری است.

  • امتیاز بر اساس رفتار
  • اولویت پیگیری
  • قواعد قابل تنظیم

برندهایی که از لژیون برای مدیریت رابطه با مشتری استفاده کرده‌اند

سینره
لیموهاست
کافه نون
رهنما
میس ویک
تیتانا
مکانیزم

امتیازدهی لید چطور کار می‌کند؟

نشانه‌های مهم را انتخاب کنید. برای هر نشانه امتیاز بگذارید. داده تازه، امتیاز سرنخ را تغییر می‌دهد.

نمای تغییر گروه‌بندی رفتاری مشتریان در لژیون
۱

تعریف نتیجه موردنظر

ابتدا تصمیم بعدی را مشخص کنید. تماس یا بررسی انسانی می‌تواند همان تصمیم باشد.

۲

انتخاب نشانه‌های مناسب

فقط رفتار یا ویژگی مرتبط را انتخاب کنید. هر داده باید منبع روشن داشته باشد.

۳

تعیین وزن مثبت و منفی

هر نشانه، امتیاز مثبت یا منفی می‌گیرد. مقدارها باید ساده بمانند.

۴

تعریف آستانه‌های عملیاتی

هر بازه امتیاز به یک اقدام مشخص وصل می‌شود. آستانه را روی داده واقعی بسنجید.

۵

بازبینی با نتیجه واقعی

امتیاز را با پاسخ یا خرید واقعی مقایسه کنید. قاعده بی‌اثر را حذف کنید.

۶

استفاده در سگمنت‌بندی و سناریو

امتیاز می‌تواند شرط یک گروه باشد. اقدام حساس همچنان بررسی انسانی می‌خواهد.

نتیجه

این قابلیت چه تغییری را باید قابل مشاهده کند؟

نتیجه زمانی قابل اتکاست که در رفتار واقعی مشتری دیده شود؛ نه فقط در تعداد استفاده از قابلیت. خروجی‌های تعریف‌شده صفحه را کنار خرید، مراجعه و سفر مشتری بررسی کنید.

اولویت‌بندی روشن‌تر سرنخ‌ها

تیم با یک قاعده مشترک، ترتیب بررسی را می‌بیند.

هماهنگی بازاریابی و پیگیری

تیم‌ها دلیل اولویت هر سرنخ را با همان داده می‌بینند.

کاهش پیگیری‌های نامرتبط

سرنخ کم‌امتیاز از تماس فوری جدا می‌شود. حذف خودکار انجام نمی‌شود.

یادگیری از داده واقعی

نتیجه واقعی، قاعده‌های کم‌اثر را نشان می‌دهد. امتیاز پیش‌بینی قطعی نیست.

تنظیمات

قبل از فعال‌سازی چه تصمیم‌هایی باید روشن باشند؟

تنظیم قابلیت را به تصمیم‌های روشن درباره مخاطب، شرط، زمان، ارزش و محدودیت تبدیل کنید تا رفتار آن قابل بررسی و قابل تغییر بماند.

۰۱قاعده

منابع امتیاز

منبع هر امتیاز را مشخص کنید. رویداد تکراری نباید دوباره امتیاز بگیرد.

۰۲قاعده

وزن هر نشانه

وزن باید اهمیت همان نشانه را نشان دهد. دلیل آن نیز قابل توضیح باشد.

۰۳قاعده

امتیاز منفی

امتیاز منفی فقط با دلیل روشن استفاده می‌شود. رفتار طبیعی نباید جریمه شود.

۰۴قاعده

آستانه‌های گروه‌بندی

هر بازه را به یک اقدام واقعی وصل کنید. نام گروه نیز روشن باشد.

۰۵قاعده

تاریخ و تازگی رفتار

رفتار قدیمی شاید امروز مهم نباشد. اثر زمان را با قاعده روشن کم کنید.

۰۶قاعده

بازبینی دوره‌ای

نتیجه هر گروه را دوره‌ای بررسی کنید. افزودن قاعده همیشه مفید نیست.

سناریوهای کاربردی

این قابلیت در چه موقعیت‌هایی استفاده می‌شود؟

مثال‌های صفحه نشان می‌دهند قاعده و رفتار مورد انتظار چگونه باید به یک موقعیت واقعی مشتری وصل شوند.

تکمیل فرم و بازگشت دوباره

سناریو: سرنخ فرم را تکمیل کرده است. سپس دوباره به سایت برمی‌گردد.

قاعده: فرم معتبر و بازگشت تازه، هرکدام امتیاز مشخص می‌گیرند.

رفتار مورد انتظار: سرنخ دارای دو نشانه، زودتر بررسی می‌شود.

تناسب با مخاطب هدف

سناریو: برخی نقش‌ها یا کسب‌وکارها با محصول تناسب بیشتری دارند.

قاعده: فقط ویژگی تأییدشده امتیاز می‌گیرد. داده حدسی یا حساس حذف می‌شود.

رفتار مورد انتظار: تناسب سرنخ از میزان تعامل جدا دیده می‌شود.

عبور از آستانه بررسی

سناریو: تیم می‌خواهد سرنخ‌های مهم را در یک فهرست ببیند.

قاعده: عبور از آستانه، سرنخ را وارد گروه بررسی می‌کند.

رفتار مورد انتظار: همه اعضای تیم، یک ترتیب مشترک می‌بینند.

کاهش اثر فعالیت قدیمی

سناریو: سرنخ قبلاً فعال بوده اما اخیراً رفتاری نداشته است.

قاعده: اثر رفتار قدیمی با قاعده زمان کمتر می‌شود.

رفتار مورد انتظار: فعالیت قدیمی، اولویت امروز را بالا نگه نمی‌دارد.

ورود به سناریوی پرورش

سناریو: سرنخ برای تماس مستقیم آماده نیست.

قاعده: گروه میانی، محتوای سبک‌تر دریافت می‌کند. رضایت کانال باید موجود باشد.

رفتار مورد انتظار: شدت ارتباط با وضعیت سرنخ هماهنگ می‌شود.

یکپارچه‌سازی

این قابلیت به چه داده و سیستم‌هایی وابسته است؟

منبع داده و مسئولیت هر سیستم باید روشن باشد تا خرید، رویداد یا مزیت به هویت درست مشتری متصل شود.

پلتفرم داده مشتری

رفتارها زیر پروفایل همان سرنخ نگه داشته می‌شوند.

وابستگی: شناسه و پروفایل معتبر

فرم و رویداد

فرم یا رویداد معتبر می‌تواند امتیاز بسازد.

وابستگی: رویداد پایدار و بدون ثبت تکراری

سگمنت‌بندی مشتریان

امتیاز می‌تواند یکی از شرط‌های ورود به گروه باشد.

وابستگی: تعریف آستانه و قاعده گروه‌بندی

اتومیشن بازاریابی

تغییر گروه می‌تواند یک پیگیری مجاز را شروع کند.

وابستگی: تریگر و اقدام تأییدشده

راهنمای انتخاب

امتیاز لید ابزار اولویت‌بندی است، نه پیش‌بینی قطعی

امتیاز باید به یک تصمیم کاری وصل باشد. نتیجه واقعی، درستی قاعده را نشان می‌دهد.

وضعیت

سرنخ زیاد و رفتار قابل ثبت

۱
روش مناسب

امتیازدهی قاعده‌محور

دلیل

تیم یک ترتیب مشترک برای بررسی می‌بیند.

وضعیت

سرنخ کم و شناخت مستقیم تیم

۲
روش مناسب

فرایند ساده بدون امتیاز پیچیده

دلیل

هزینه نگهداری مدل شاید بیشتر از سود آن باشد.

وضعیت

داده پراکنده یا هویت نامطمئن

۳
روش مناسب

ابتدا داده‌ها را یکپارچه کنید

دلیل

داده ناقص یا تکراری، امتیاز را نامعتبر می‌کند.

وضعیت

نیاز به پیش‌بینی احتمالی خرید

۴
روش مناسب

پس از آماده‌شدن داده، مدل تحلیلی جدا بسازید

دلیل

امتیاز قاعده‌محور، احتمال خرید را پیش‌بینی نمی‌کند.

استقرار

این قابلیت چگونه از طراحی به اجرای قابل بررسی می‌رسد؟

فعال‌سازی با تعریف رفتار و قواعد شروع می‌شود، سپس داده متصل و اجرا روی دامنه محدود بررسی می‌شود.

  1. ۱

    تعریف رفتار هدف

    مشخص کنید این قابلیت باید کدام رفتار مشتری را تغییر دهد و چه شاخصی برای بررسی نتیجه استفاده می‌شود.

  2. ۲

    تعیین قواعد و محدودیت‌ها

    نرخ، سقف، شرط، دوره و استثناها را با اقتصاد کسب‌وکار و تجربه مشتری هماهنگ کنید.

  3. ۳

    اتصال داده لازم

    رویداد، خرید، بخش مشتریان یا ویژگی موردنیاز را از منبع معتبر متصل و کیفیت هویت مشتری را بررسی کنید.

  4. ۴

    اجرای محدود و بازبینی

    سناریو را ابتدا روی دامنه مشخص اجرا کنید و بعد از مشاهده رفتار واقعی، دامنه را توسعه دهید.

پرسش‌های پرتکرار

سوالات پرتکرار

پاسخ کوتاه به پرسش‌هایی که معمولاً هنگام بررسی این راهکار، نیازهای فنی و مسیر راه‌اندازی مطرح می‌شوند.

امتیاز سرنخ با سگمنت چه تفاوتی دارد؟

امتیاز یک عدد برای اولویت است. سگمنت، گروهی با شرط مشخص می‌سازد.

پاسخ سؤال ۱

آیا امتیازدهی سرنخ از هوش مصنوعی استفاده می‌کند؟

این قابلیت قاعده‌محور است. کسب‌وکار، نشانه و امتیاز هرکدام را تعیین می‌کند.

پاسخ سؤال ۲

چه داده‌ای برای امتیاز سرنخ مناسب است؟

رفتار یا ویژگی مرتبط با منبع روشن مناسب است. داده حدسی استفاده نمی‌شود.

پاسخ سؤال ۳

آیا امتیاز بالا خرید را تضمین می‌کند؟

خیر. امتیاز فقط ترتیب بررسی را نشان می‌دهد.

پاسخ سؤال ۴

امتیاز قدیمی چگونه اصلاح می‌شود؟

اثر زمان با قاعده روشن کم می‌شود. نتیجه واقعی نیز دوره‌ای بررسی می‌شود.

پاسخ سؤال ۵

آیا آستانه می‌تواند پیگیری را شروع کند؟

بله، اگر کانال مجاز باشد. اقدام حساس همچنان بررسی انسانی می‌خواهد.

پاسخ سؤال ۶

مدل امتیاز چه زمانی بازبینی می‌شود؟

بازه به حجم سرنخ و سرعت نتیجه بستگی دارد. قاعده بی‌اثر حذف می‌شود.

پاسخ سؤال ۷

لژیون را برای کسب‌وکارتان بررسی کنید

در دمو، چند نشانه و یک آستانه روشن را بررسی می‌کنیم.

امکاناتباشگاه مشتریانپلتفرم داده مشتریسگمنت‌بندی مشتریاناتومیشن بازاریابیدمو

امتیازدهی لید؛ اولویت‌بندی سرنخ‌ها برای پیگیری | لژیون