Qualificação por pontos, ou lead scoring, atribui um valor a cada lead para que o time trabalhe primeiro os mais promissores. Modelos bons separam aderência, que é o quanto a empresa se parece com o seu ICP, de engajamento, que é o que ela fez. A nota organiza a fila; ela não prevê receita.
O que é
Pontuar transforma um monte de leads em uma fila. Cada regra que você adiciona é uma afirmação sobre o que antecede um fechamento, escrita de forma explícita o bastante para ser contestada. Entram dois tipos de sinal. Aderência é estrutural e estável: setor, região, porte, tecnologia do site. Engajamento é comportamental e perecível: visita à página de preços, resposta, pedido de demonstração. Somar tudo em um número só esconde a diferença entre uma empresa ótima que ignorou você e uma empresa ruim que clica em tudo.
Como funciona
Comece dando pontos às características que os seus melhores clientes tinham antes de comprar e tirando pontos dos desqualificadores, como região que você não atende ou categoria que você não entrega. Pontuação negativa importa mais do que parece: é ela que mantém a fila honesta. Depois aplique decaimento, para que uma visita de seis semanas atrás não fique acima de uma resposta de ontem. Revise o modelo contra o resultado todo mês. Se lead com nota alta não fecha mais do que lead com nota baixa, o modelo é enfeite.
Por que importa para conseguir clientes
O recurso escasso na prospecção é atenção, não dado. Uma equipe de duas pessoas consegue pesquisar cinco empresas direito ou passar os olhos em cinquenta, e a nota decide quais cinco. Ela também resolve discussão entre marketing e vendas com regra em vez de preferência. Para agência que entrega e prospecta na mesma semana, fila ordenada significa que os vinte minutos disponíveis vão para a empresa com mais chance de responder.
Exemplo no LeadCanvas
Uma agência que busca comércios independentes dá pontos para ficha com avaliações recentes, pontos para categoria em que já tem caso, e tira pontos de rede fora da sua área de atendimento. Ela ordena as empresas retornadas com essa regra e trabalha o topo da lista primeiro. Como o critério está escrito, a mesma regra roda na cidade seguinte e os resultados ficam comparáveis em vez de anedóticos.
Erros comuns
Pontuar com dado que ninguém conferiu, o que produz ranking confiante em cima de chute. Tratar nota como intenção: nota alta significa vale olhar, nunca quer comprar. Montar trinta regras que ninguém explica, e por isso ninguém confia. E congelar o modelo por um ano enquanto oferta, mercado e canais mudam por baixo.
Termos relacionados
O perfil de cliente ideal alimenta a metade de aderência do modelo. Os dados de intenção alimentam a metade de engajamento. O enriquecimento de dados preenche os campos que as regras leem, e o envelhecimento de dados explica por que esses campos precisam ser reconferidos. Os links abaixo abrem essas entradas.