Deel artikel
Voorspellende leadscores met AI: worden jouw leads klanten?
door Floris van Muijen op 10-11-23 9:30
Trek je met jouw marketingautomatisering software dagelijks nieuwe leads aan? Vind je het lastig om te bepalen welke leads je als eerste op moet volgen? Of kost het je veel tijd om scorecriteria voor je gewone leadscores vast te stellen? En om ze daarna goed te onderhouden? Dan zijn de nieuwe voorspellende leadscores met AI echt wat voor jou.
Met AI-aangedreven voorspellende leadscores prioriteer je jouw leads namelijk geautomatiseerd. Je focust je hierdoor echt alleen nog op je allerbeste verkoopkansen. En zo werk je super efficiënt en bespaar je hartstikke veel tijd. Laten we er eens wat meer op inzoomen.
Hoe voorspellende leadscores met AI je bij je sales helpen
Eerst even een stap terug. Hoe werken de gewone leadscores ook alweer? Met gewone leadscores kwalificeer je de contactpersonen, bedrijven, leads en deals in je CRM-systeem.
Voldoet een record in je CRM-systeem aan je scorecriteria? Dan komen er automatisch punten bij. Voldoet een record er juist niet meer aan? Dan gaan er automatisch punten vanaf. De meeste leadscores hebben een puntenbereik van 0-100.
De scorecriteria stel je zelf in. Bijvoorbeeld op basis van:
- Formulierinzendingen op je landingspagina’s.
- Aantal en soort pagina bezoeken.
- Afgeleverde en geopende e-mails en de reacties erop (open en click rates van je lead nurturing campagnes).
- Aan- en afmeldingen voor je e-mailabonnementen.
- Sociale betrokkenheid van je contacten (klikken, retweets en gedeelde berichten op Facebook, LinkedIn en Twitter).
- Aantal dagen sinds het laatste bezoek of de laatste klik.
- Demografische informatie (locatie, leeftijd, burgerlijke staat, branche, functietitel, etc.).
- Bedrijfsinformatie (omvang, type, branche, B2B/ B2C, etc.).
- Spam (hoe zijn de formulieren op je website ingevuld? Zijn er bijvoorbeeld hoofdletters voor de naam gebruikt?).
Om dit goed te doen analyseer je de contacten in je CRM-systeem. Wat hebben je klanten gemeen met elkaar? En welke kenmerken hebben je contacten, die juist geen klant zijn geworden? Ook praat je hiervoor met je klanten en het verkoopteam. Op basis van je bevindingen bepaal je welke scorecriteria zwaar wegen en welke niet.
Stel dat je veel auto’s aan 60-plussers verkoopt. Maar dat er een lead van 21 jaar binnenkomt. Hoe groot is de kans dat je daar een auto aan verkoopt? Misschien is het slim om er punten voor af te trekken.🚗
Of stel dat je alleen wasmachines in Nederland levert. En nu komt er ineens een lead uit België binnen. Ook daar wil je misschien punten voor aftrekken. En stel dat je websiteformulier een optioneel veld voor het telefoonnummer bevat. En dat je contact het toch invult. Wat doe je daarmee?📞
Hoe iemand met je website omgaat zegt veel over zijn of haar interesses. Wat en hoeveel downloaden de leads die uiteindelijk klant worden? Welke websitepagina’s bekijken ze? Misschien wil je hogere leadscores geven voor het bezoeken van bepaalde pagina’s. Bijvoorbeeld je prijspagina’s of landingspagina’s waarop je een demo kunt aanvragen.
Is er al een tijdje geen interactie meer geweest? Bijvoorbeeld 10, 30 of 90 dagen? Dan wil je daar misschien punten voor aftrekken. Welke periode je kiest hangt natuurlijk af van de producten en/ of diensten die je levert. Bovendien kun je leadscores voor meerdere productlijnen, persona’s en regio’s instellen. Er zijn dus heel wat dingen waar je rekening mee kunt houden.
Jouw leadscores gebruik je om je contacten te segmenteren. Opvolg meldingen voor sales te activeren. En om je website te personaliseren met dynamische content.
In deze artikelen vertellen we je er meer over:
➜ Hoe werkt HubSpot Lead Scoring?
➜ Succesvol online leads genereren met marketingautomatisering.
Leadscores verbeteren de leadoverdracht van sales naar marketing en verhogen het aantal conversies. Sales volgt de beste verkoopkansen als eerste op. De minder goede verkoopkansen komen later aan de beurt. Of zelfs helemaal niet. Omdat er een kleinere kans is dat dit uiteindelijk klanten worden.
Uiteraard maken leadscores je marketing- en verkoopteams productiever. Maar het kost wel wat moeite om je leadscoresysteem in te richten. Bovendien moet je het blijven evalueren en onderhouden.
Met AI-aangedreven voorspellende leadscores ga je een stapje verder. Met behulp van machine learning voorspelt je AI-software of je leads klant worden.
Hiervoor gebruikt het de gegevens van je prospects én van je eerdere klanten. Zo kijkt het bijvoorbeeld naar het koopgedrag uit het verleden. En herkent het de prospects die zich ongeveer hetzelfde gedragen.
Artificial Intelligence creëert dus eigenlijk een soort ‘ideale klant’ met al je data. En vervolgens beoordeelt het in hoeverre je leads daaraan voldoen. Daarna richt je je op de leads die geïnteresseerd zijn. De andere leads val je niet lastig. Het handmatig beoordelen van leads is dus niet meer nodig. En het onderhouden van je leadscoresysteem ook niet.
4 Voordelen van voorspellende leadscores met AI
1. Er is een optimale samenwerking tussen marketing en verkoop
Met voorspellende leadscores verbetert de samenwerking van sales en marketing. AI levert namelijk diepe klantinzichten op.
Marketing focust zich hierdoor op de kanalen en onderwerpen die de beste leads opleveren. En sales sluit makkelijk deals, omdat marketing meer topleads aanlevert. Een mooie win-win situatie!
2. Er blijft meer tijd over voor het échte commerciële werk
Dit voordeel ligt eigenlijk wel voor de hand. Met een geautomatiseerd leadscoresysteem verspil je minder tijd. Er blijft dus meer tijd over voor het échte commerciële werk. Zoals meer en betere leads binnenhalen. En de gekwalificeerde leads in de juiste volgorde opvolgen.
3. Je systeem maakt minder fouten bij de beoordeling van leads
Medewerkers benaderen leads anders dan een machine. Bij mensen spelen namelijk altijd subjectieve factoren mee. Zoals herinneringen en ervaringen, die ze hebben. Met computergestuurde algoritmen heb je daar geen last van.
4. Je AI-aangedreven voorspellingen worden steeds beter
Hoe meer je jouw AI-software met ‘data’ traint hoe nauwkeuriger de voorspellingen worden. En dat gebeurt eigenlijk helemaal vanzelf. Zodra je deals sluit en klanten bedient verzamelt je AI-systeem data. Bijvoorbeeld van het online gedrag op je website. Het e-mailgedrag en andere interacties met je organisatie.
Goede AI-software zoals HubSpot verrijkt deze gegevens ook nog eens. Bijvoorbeeld met bedrijfsgegevens, die het online vindt. En de contactgegevens uit e-mailhandtekeningen. Al deze data gebruikt Artificial Intelligence voor de nieuwe voorspellingen.
Hoe gebruik je voorspellende leadscores met AI in HubSpot?
Met het ‘predictive leadscoresysteem’ van HubSpot kwalificeer je jouw leads met AI. De software gebruikt hiervoor de gegevens van het complete aankooptraject. Van je huidige leads en prospects. Maar ook van de klanten, die je al hebt.
Met deze scores maakt HubSpot jouw voorspellende leadscores inzichtelijk:
1. De kans om een deal te sluiten
Hoe groot is de kans dat je contact binnen de komende 90 dagen klant wordt? Deze score vertelt je dat. Bijvoorbeeld 33% kans.
HubSpot houdt hiervoor met veel dingen rekening. Uiteraard kijkt het naar het online gedrag van je leads. Net zoals bij de traditionele leadscores. Maar daarnaast beoordeelt het ook nog andere data. Bijvoorbeeld:
- De interacties die in HubSpot CRM zijn opgeslagen.
- Het aantal gelogde notities.
- Hoe lang geleden je contact een afspraak heeft gehad.
- Hoe lang geleden er voor het laatst contact is geweest.
- Of er een telefoonnummer beschikbaar is.
- Of het e-mailadres een gratis e-maildomein heeft (bijvoorbeeld Gmail).
- Wanneer het contact is aangemaakt.
- Wat de levenscyclusfase van je contact is.
- Gegevens die HubSpot met HubSpot Insights heeft toegevoegd. Zoals de bedrijfsomzet en de bedrijfsomvang.
2. Contactprioriteit
Hiermee filter je jouw beste en slechtste leads. Zodat je precies weet welke leads de hoogste prioriteit hebben voor opvolging.
Dit zijn de opties van de contactprioriteit:
- Heel hoog
- Hoog
- Gemiddeld
- Laag
- Gesloten/ gewonnen
De kans dat je een deal sluit is natuurlijk het grootst bij ‘Heel hoog’. Bij ‘Laag’ is de kans het kleinst. Hoe HubSpot je contacten over de verschillende opties verdeelt? De 4 opties (heel hoog, hoog, gemiddeld en laag) staan allemaal voor 25%.
- Contacten met een score die lager is dan 25% komen in ‘Laag’.
- Contacten met een score tussen 25% - 50% komen in ‘Gemiddeld’.
- Contacten met een score tussen 50% - 75% komen in ‘Hoog’.
- Contacten met een score die hoger is dan 75% komen in ‘Heel hoog’.
Deze score is trouwens pas zichtbaar als je minimaal 100 contacten hebt. Anders heeft HubSpot namelijk te weinig data om voorspellende leadscores te berekenen. Wil je schakelen tussen je traditionele en voorspellende leadscores? Dan is dat in een handomdraai geregeld.
3 CRM-frustraties die bij veel organisaties bedrijfsgroei belemmeren
De laatste HubSpot updates | november 2024
Datamanagement: zo kom je van verwaarloosde & versnipperde CRM-data af
Deel artikel
- december 2024 (1)
- november 2024 (12)
- oktober 2024 (16)
- september 2024 (10)
- augustus 2024 (6)
- juli 2024 (6)
- juni 2024 (6)
- mei 2024 (6)
- april 2024 (19)
- maart 2024 (6)
- februari 2024 (9)
- januari 2024 (6)
- december 2023 (9)
- november 2023 (10)
- oktober 2023 (7)
- september 2023 (11)
- augustus 2023 (7)
- juli 2023 (6)
- juni 2023 (4)
- mei 2023 (11)
- april 2023 (10)
- maart 2023 (9)
- februari 2023 (6)
- januari 2023 (7)
- december 2022 (6)
- november 2022 (10)
- oktober 2022 (8)
- september 2022 (7)
- augustus 2022 (6)
- juli 2022 (6)
- juni 2022 (6)
- mei 2022 (5)
- april 2022 (8)
- maart 2022 (9)
- februari 2022 (9)
- januari 2022 (9)
- december 2021 (7)
- november 2021 (1)
- oktober 2021 (5)
- september 2021 (8)
- augustus 2021 (2)
- juli 2021 (2)
- juni 2021 (1)
- mei 2021 (1)
- maart 2021 (1)
- februari 2021 (1)
- januari 2021 (5)
- december 2020 (1)
- november 2020 (6)
- oktober 2020 (5)
- september 2020 (9)
- augustus 2020 (2)
- juli 2020 (10)
- juni 2020 (7)
- mei 2020 (5)
- april 2020 (5)
- maart 2020 (6)
- januari 2020 (1)
- december 2019 (1)
- november 2019 (1)
- oktober 2019 (3)
- september 2019 (5)
- augustus 2019 (2)
- juni 2019 (2)
- mei 2019 (3)
- april 2019 (3)
- maart 2019 (5)
- februari 2019 (2)
- januari 2019 (5)
- december 2018 (2)
- november 2018 (4)
- oktober 2018 (1)
- september 2018 (9)
- augustus 2018 (4)
- juli 2018 (5)
- juni 2018 (1)
- maart 2017 (5)
- februari 2017 (4)
- januari 2017 (6)
- december 2016 (6)
- november 2016 (4)
- september 2016 (3)
- augustus 2016 (2)
- juli 2016 (4)
- juni 2016 (2)
- mei 2016 (3)
- april 2016 (2)
- februari 2016 (3)
- december 2015 (1)
- november 2015 (4)
- oktober 2015 (2)
- september 2015 (5)
- augustus 2015 (5)
- juli 2015 (5)
- juni 2015 (2)
- mei 2015 (2)
- april 2015 (6)
- maart 2015 (9)
- februari 2015 (1)
- januari 2015 (3)
- december 2014 (4)
- november 2014 (5)
- oktober 2014 (8)
- september 2014 (3)
- augustus 2014 (3)
- juli 2014 (3)
- mei 2014 (4)
- april 2014 (5)
- maart 2014 (6)
- februari 2014 (6)
- januari 2014 (4)
- december 2013 (2)
- november 2013 (3)
- oktober 2013 (4)