לכל המאמרים ←

Lead scoring 101 - איך להשתמש בדאטה כדי לחשב lead score בסיסי

ליד סקורינג ב-HubSpot מהבסיס: איך משלבים דאטת התאמה והתנהגות, נותנים משקל לאיתותים מתוך עסקאות שנסגרו וקובעים סף שהמכירות סומכות עליו.

ליד סקורינג נועד לענות לצוות המכירות על שאלה אחת: מכל הלידים שיש במערכת, למי שווה להרים טלפון כבר היום? דירוג לידים הוא מספר שאתם נותנים לכל ליד לפי מידת ההתאמה שלו ללקוח האידיאלי שלכם ולפי רמת המעורבות שלו, כך שהמכירות משקיעות את הזמן בלידים שהכי סביר שייסגרו, במקום לעבור על הרשימה מלמעלה למטה. אפשר לבנות מודל מתוחכם מאוד, אבל דירוג פשוט שמשקף את המציאות שווה הרבה יותר ממודל מפואר שאף אחד לא מאמין לו. ריכזנו לכם כאן איך בונים דירוג כזה מתוך הדאטה שכבר יושבת אצלכם ב-HubSpot.

רוצים לבנות את זה בעצמכם, צעד אחר צעד? תעברו על מדריך מעשי לכלי ה-lead scoring של HubSpot. ותזכרו שליד סקורינג עובד רק על רשימה נקייה, אז כדאי להתחיל מבניית רשימת לידים נקייה (באנגלית).

נקודות מפתח

  • דירוג לידים טוב משלב דאטת התאמה, כמו תפקיד, גודל חברה ותעשייה, עם דאטת התנהגות, כי כל אחת מהן לבד נותנת תמונה מטעה.
  • את הנקודות קובעים לפי העסקאות שכבר נסגרו (closed-won), ולא לפי תחושת בטן, ועדיף להתחיל עם תריסר כללים שאתם יודעים להסביר.
  • בלי נקודות שליליות על סימנים כמו מייל בדומיין חינמי, מתחרים או הסרה מרשימת התפוצה, הדירוג רק עולה ולא מבחין בין לידים.
  • את הסף שממנו ליד עובר למכירות קובעים יחד, שיווק ומכירות, לפי נתוני ההמרה בפועל, אחרת אנשי המכירות פשוט לא ישתמשו בדירוג.
  • ב-HubSpot הדירוג מזין workflows שמנתבים לנציג לידים מעל הסף ומכניסים לטיפוח את מי שמתחתיו, ואת המודל כדאי לכייל מחדש לפחות פעמיים-שלוש בשנה.

מה זה ליד סקורינג, ולמה הוא כל כך חשוב ב-B2B?

ליד סקורינג הוא השיטה לדרג את כל הלידים לפי מספר אחד, כדי שהמכירות יתחילו מההזדמנויות הטובות ביותר ולא יעבדו על ניחושים. ב-B2B, שבו עסקאות נשקלות לאורך זמן, מערבות כמה בעלי עניין ונסגרות לאט, לדירוג הזה יש משקל גדול במיוחד: לנציגים יש מספר שעות מוגבל, וחלק לא קטן מאנשי הקשר במערכת פשוט לא יקנו אף פעם. הדירוג הופך רשימה ארוכה, שבה כל השמות נראים אותו דבר, לסדר עדיפויות ברור. כשעושים את זה נכון, השיווק והמכירות מסכימים סוף-סוף מה זה ליד ״מוכן״, לידים טובים מחכים פחות זמן לטיפול, והנציגים לא שורפים שבוע שלם על שמות שנראים פעילים אבל לא ייסגרו לעולם.

תרשים: דאטת התאמה ודאטת התנהגות מתחברות לדירוג אחד של הליד, שקובע את הסף שממנו ליד מוכן למכירה

מה נכנס לתוך דירוג הלידים?

שני סוגי דאטה: התאמה (מי הם) והתנהגות (מה הם עשו). דאטת התאמה היא הנתונים הדמוגרפיים והפירמוגרפיים, כמו תפקיד, גודל החברה, תעשייה ומיקום, והיא אומרת לכם אם הליד בכלל דומה ללקוח טוב. דאטת התנהגות היא המעורבות: עמודים שהליד ביקר בהם, מיילים שפתח, טפסים שמילא ודמו שביקש. היא אומרת לכם כמה הוא מתעניין דווקא עכשיו. דירוג חזק משלב את שתיהן, כי כל אחת לבד מטעה: ליד שמתאים בדיוק לפרופיל אבל לא עשה כלום עוד לא מוכן, וליד פעיל מאוד שלא מתאים לפרופיל לא ייסגר אף פעם. אתם נותנים נקודות על מאפיינים ועל פעולות שחוזרים אצל לקוחות אמיתיים, ומורידים נקודות על איתותים שליליים.

לדוגמה: VP of Sales בחברת SaaS של 200 עובדים (התאמה חזקה), שביקר פעמיים השבוע בעמוד המחירים (התנהגות חזקה), צריך לקבל דירוג גבוה בהרבה מסטודנט שהוריד ebook אחד.

איך בונים דירוג לידים בסיסי ב-HubSpot?

יוצרים שדה דירוג, מרכזים בו את הקריטריונים החיוביים והשליליים, נותנים לכל קריטריון ערך בנקודות, ו-HubSpot מחשב את הסכום אוטומטית לכל איש קשר. ל-HubSpot יש שדה מובנה בשם HubSpot Score, וברוב החבילות אפשר לבנות גם שדה דירוג ידני, שבו אתם קובעים את הכללים בעצמכם. התהליך זהה בשני המקרים:

  1. תשלפו את העסקאות שנסגרו (closed-won) ותבדקו מה היה משותף ללקוחות שמאחוריהן: תפקידים, גודל חברה ותעשיות, ואילו פעולות הם עשו לפני שהעסקה נסגרה.
  2. תכתבו קריטריונים חיוביים לאיתותים האלה (למשל ״התפקיד כולל Director או VP״, ״ביקר בעמוד המחירים״, ״ביקש דמו״), ותנו לכל אחד נקודות לפי כמה טוב הוא מנבא לקוח אמיתי.
  3. תכתבו קריטריונים שליליים לסימנים שפוסלים ליד (מייל בדומיין חינמי, חברה מתחרה, מדינה מחוץ לאזור הפעילות, הסרה מרשימת התפוצה), ותורידו עליהם נקודות.
  4. תשמרו את השדה. HubSpot מחשב מחדש את הדירוג של כל איש קשר בכל פעם שנכנסת דאטה חדשה, כך שהמספר נשאר מעודכן בלי עבודה ידנית.

את הגרסה הראשונה כדאי להשאיר קטנה בכוונה: תריסר כללים שאתם יודעים להסביר שווים יותר מארבעים כללים שאתם לא יודעים.

איך מחליטים כמה נקודות שווה כל איתות?

תסתכלו על הלקוחות שכבר סגרתם, ותנו משקל למאפיינים שבאמת היו משותפים להם: את הנקודות קובעת הדאטה, לא תחושת הבטן. הדרך המהירה ביותר למודל אמין היא ללמוד ממי שכבר קנה. אילו תפקידים, גדלי חברות ותעשיות חוזרים הכי הרבה אצל הלקוחות שלכם? אילו פעולות, כמו בקשת דמו או ביקורים חוזרים בעמוד המחירים, הגיעו לפני עסקה שנסגרה? תנו יותר נקודות לאיתותים שחזרו אצל לקוחות אמיתיים, ופחות לאיתותים החלשים. ולא פחות חשוב, תנו נקודות שליליות על מה שפוסל ליד. דירוג שרק מוסיף נקודות מנפח את כולם, ורק הורדת הנקודות מאפשרת לו להבחין בין ליד לליד.

לדוגמה, אם כמעט בכל עסקה שנסגרה בשנה האחרונה הלקוח ביקש דמו, הפעולה הזאת שווה הרבה נקודות. ואם כמעט אף ליד עם מייל בדומיין חינמי לא קנה, ליד כזה צריך לאבד נקודות.

איך קובעים את הסף שממנו ליד עובר למכירות?

תבחרו את הדירוג שממנו ליד נחשב מוכן למכירה, ותקבעו אותו לפי מה שנתוני ההמרה שלכם מראים בפועל. המספר עצמו לא אומר כלום עד שמותחים קו: מאיזה דירוג השיווק מעביר את הליד למכירות? סף נמוך מדי יציף את המכירות בלידים חלשים וישחק את האמון של אנשי המכירות בדירוג, וסף גבוה מדי ישאיר לידים טובים בצד. תשתמשו בדאטה שלכם כדי לבדוק מאיזה דירוג שיעור ההמרה של הלידים באמת מתחיל לעלות, ותסכמו על הסף יחד, שיווק ומכירות, כי בדירוג שאנשי המכירות לא מאמינים בו, הם פשוט לא ישתמשו. הסדר כאן חשוב: קודם מגדירים איתותי התאמה והתנהגות מתוך לקוחות אמיתיים, אחר כך נותנים להם משקל, ורק אז קובעים סף ששני הצוותים חתומים עליו.

איך דירוג הלידים מפעיל את הניתוב ואת טיפוח הלידים?

הדירוג מזין את ה-workflows שלכם: לידים מעל הסף מנותבים ומוקצים לנציג, ולידים מתחתיו נכנסים לטיפוח עד שהם מטפסים. דירוג מצדיק את עצמו רק כשהוא מפעיל משהו. ב-HubSpot מחברים את שדה הדירוג לאוטומציה: כשאיש קשר חוצה את קו המוכנות למכירה, workflow מעדכן את ה-lifecycle stage שלו ל-MQL או ל-SQL, מקצה לו מנהל לקוח בסבב בין הנציגים ושולח לנציג התראה, כדי שיטפל בליד כל עוד הוא חם. לידים שמתחת לקו לא נזרקים. הם נכנסים לרצף של טיפוח לידים ששומר על הקשר איתם, וכל פעולה שלהם ממשיכה לצבור נקודות, עד שהם חוצים את הסף ומנותבים אוטומטית. הלולאה הסגורה הזאת היא מה שהופך את ליד הסקורינג לחלק מהעבודה ביום-יום, במקום עוד מספר יפה במערכת.

תהליך עבודה: הגדרת איתותים, מתן משקל, קביעת סף, ומשם ניתוב של לידים עם דירוג גבוה וטיפוח של לידים עם דירוג נמוך

מהן הטעויות הנפוצות ביותר בליד סקורינג?

הגדולות שבהן: דירוג שמבוסס רק על התנהגות, התעלמות מאיתותים שליליים, סף שנקבע לפי תקווה, ומודל שאף אחד לא חוזר אליו. דירוג שמבוסס רק על התנהגות מתגמל כל מי שלחץ על משהו, כולל מחפשי עבודה, סטודנטים ומתחרים, ומשאיר את המכירות בלי שום תמונה של ההתאמה. בלי הורדת נקודות, הדירוג של כל ליד רק עולה, עד שהמודל כבר לא מבדיל בין ליד טוב לליד חלש. סף אופטימי מציף את הנציגים בלידים חלשים, ומהר מאוד הם לומדים להתעלם מהדירוג לגמרי. ומודל שהוגדר פעם אחת ונשכח מתרחק בהדרגה מהמציאות, ככל שהשוק והמוצר שלכם משתנים. בסוף כל הטעויות האלה מובילות לאותה תוצאה: המכירות מפסיקות לסמוך על הדירוג, ומצב כזה גרוע אפילו יותר מאשר לא לדרג בכלל.

איך שומרים על מודל הדירוג מדויק לאורך זמן?

בודקים אותו בקביעות מול מה שבאמת נסגר, ומעדכנים את המשקלים כשהשוק והמוצר שלכם משתנים. מודל ליד סקורינג הוא השערה, והוא צריך לעמוד שוב ושוב במבחן התוצאות. האיתותים שניבאו לקוחות טובים בשנה שעברה יכולים להיחלש כשאתם מתחילים למכור לחברות גדולות יותר, משיקים מוצר חדש או נכנסים לפלח שוק חדש. מדי פעם תבדקו אם הלידים עם הדירוג הגבוה הם עדיין אלה שנסגרים, ואם לא, תכיילו מחדש. ב-HubSpot אפשר לבנות את המודל עם שדות דירוג ידניים, ובחבילות הגבוהות יותר גם עם דירוג לידים חיזויי, אבל בשתי הדרכים העיקרון זהה: בודקים את המודל מול התוצאות ומכווננים. דירוג שאף אחד לא מתחזק סוטה לאט-לאט, עד שהמכירות מפסיקות לסמוך עליו, ואז כל ההשקעה בו ירדה לטמיון.

איך אנחנו ב-IV-Lead בונים ליד סקורינג?

מבחינתנו, דירוג לידים בסיסי, שנבנה מתוך העסקאות שסגרתם בפועל והמכירות סומכות עליו, שווה יותר ממודל משוכלל שנשען על הנחות. שני דברים מכריעים אם הוא יעבוד: האיתותים השליליים, שבלעדיהם הדירוג לא באמת מבחין בין לידים, והסף, שעובד רק כשהשיווק והמכירות קבעו אותו יחד. אז תתחילו פשוט, תתנו משקל לפי לקוחות אמיתיים, תמתחו את הקו ביחד, תחברו אותו לניתוב ולטיפוח, ותחזרו אליו מדי פעם. כך מקבלים דירוג שצוות המכירות באמת מתייחס אליו, בלי גלגולי עיניים.

רוצים מודל ליד סקורינג שצוות המכירות שלכם באמת יעבוד איתו? תקבעו איתנו אבחון פורטל של 30 דקות, ונראה לכם אילו איתותים מנבאים אצלכם לקוחות אמיתיים ואיך לבנות עליהם דירוג. את הבנייה עצמה אנחנו עושים במסגרת ההטמעה של HubSpot, ואם האתגר אצלכם הוא ההעברה משיווק למכירות סביב הדירוג, תקראו איך אנחנו ניגשים לRevOps.

שאלות נפוצות

מה ההבדל בין התאמה להתנהגות בליד סקורינג?
התאמה היא מי הליד: תפקיד, גודל החברה, תעשייה. היא אומרת לכם אם הוא דומה ללקוח טוב. התנהגות היא מה הליד עשה: ביקורים באתר, פתיחת מיילים, בקשות דמו. היא אומרת לכם כמה הוא מתעניין עכשיו. דירוג טוב משתמש בשתיהן, כי כל אחת לבד נותנת תמונה מטעה.

למה צריך גם נקודות שליליות?
בלי הורדת נקודות על סימנים שפוסלים ליד, כמו כתובות מייל פרטיות, מתחרים או הסרה מרשימת התפוצה, הדירוג של כל ליד רק עולה, והמודל לא יודע להבדיל בין ליד טוב לליד חלש. הנקודות השליליות הן מה שמאפשר לדירוג להבחין בין ליד חם באמת לבין ליד פעיל שפשוט לא מתאים.

האם צריך HubSpot Enterprise בשביל ליד סקורינג?
לא. ברוב החבילות אפשר לבנות שדה דירוג ידני, עם נקודות על התאמה ועל התנהגות. דירוג לידים חיזויי מבוסס AI זמין רק בחבילות גבוהות יותר, אבל לרוב הצוותים מודל ידני שתוכנן היטב מספיק בהחלט בהתחלה.

כל כמה זמן כדאי לעדכן את דירוג הלידים?
בכל פעם שהשוק, המוצר או פרופיל הלקוח האידיאלי שלכם משתנים, ולפחות פעמיים-שלוש בשנה. תבדקו אם הלידים עם הדירוג הגבוה הם עדיין אלה שנסגרים, ותעדכנו את המשקלים אם המודל התרחק מהמציאות.

שיתוף המאמר LinkedIn X WhatsApp

רוצים עוד תובנות כאלה?

הרשמו לעדכוני הבלוג - בלי ספאם.

Ohad Peter
נכתב על ידי

אוהד הוא מומחה HubSpot ב-IV-Lead. הוא מטמיע ומייעל HubSpot לצוותי B2B, ועוקב מקרוב אחרי כל מה שחדש במערכת - עדכוני מוצר, יכולות חדשות, ואיך באמת מיישמים אותן בעבודה.

התחברו ב-LinkedIn ←

המשיכו לקרוא

מהתאוריה לפרקטיקה

קבעו אבחון פורטל של 30 דקות.

נסתכל יחד על ה-HubSpot שלכם ונגיד ביושר אם IV-Lead היא ההתאמה הנכונה. בלי מצגת. בלי פיץ'.