Как в PandaDoc эффективно работают с лид-скорингом?

Виктор Кувшинов, Head of Product PandaDoc рассказал на конференции по продуктовому маркетингу Epic Growth Conference, как и для чего используется лидскоринг в Sales-assisted или в смешанных Self-service/Sales-assisted продуктах на примере PandaDoc.

Смотрите видео и читайте расшифровку под катом.

В целом я расскажу, как дать возможность sales-департаменту быть более эффективным и кратно увеличить рост вашего продукта.

Что такое лид-скоринг?

Лид-скоринг – это методология оценки и ранжирования каждого отдельно взятого лида в соответствии с тем, какой интерес он представляет для вашего бизнеса. Простыми словами, метод сегментирования потенциальных клиентов, которые находятся в воронке продаж.

Например, откуда лид пришел, какую компанию он представляет, какую должность занимает, какие действия совершил внутри вашего приложения. В рамках этой методологии вы начисляете очки (score) за каждое совершенное лид-ом действие и за каждую качественную характеристику, которой он обладает. Чем больше баллов зачисляются лиду, тем выше вероятность, что он совершит покупку.

Для чего нужен лид-скоринг?

В первую очередь, технология лид-скоринга позволяет sales-департаменту не тратить свое время и фокусироваться только на тех клиентах, которые потенциально выгодны для вашего бизнеса.

Звучит заманчиво, но для того, чтобы внедрить лид-скоринг, нужны условия:

В первую очередь, у вас должна быть команда, которая занимается продажами и напрямую работает с лидами. Условие #1
Sales-команда.

Вы собираете данные о ваших пользователях, в том числе демографическую информацию и поведенческие показатели. Условие #2
Аналитика.

Если эти условия релевантны для вашего продукта, я бы рекомендовал вам задуматься о внедрении лид-скоринг-а, потому что лид-скоринг – это про эффективность.

С чего начать работу с Лид-скорингом?

Портрет персоны

Отправной точкой лид-скоринга является понимание целевой аудитории и четкое представление персон. Я уверен, что для любого сформированного бизнеса есть понимание целевой аудитории. Но насколько бы детальным оно ни было, перед тем, как начать работу над лид-скорингом, я рекомендую поговорить с sales-командой. Она максимально приближена к контексту и знает, кто и почему конвертируется.

Это станет основой для работы с аналитиком, на основании которой вы будете формировать логику лид-скоринга. Вы узнаете очень много дополнительной информации, которая обогатит ваше представление о целевой аудитории.

Поведенческие показатели

Это совокупность и качественных характеристик, и взаимодействий с вашим продуктом на уровне сайта или приложения. Лид-скоринг строится (и это его очень важная составляющая) на поведенческих показателях.

Вот главный момент, на котором должны держать свой фокус ваши sales-менеджеры. Задача лид-скоринга выделить из всего потока входящих лидов тех, которые соответствует целевой аудитории, и из этого сегмента выделить тех, которые через свои поведенческие показатели подтверждают, что они заинтересованы в вашем продукте.

Как работает лид-скоринг?

В рамках работы с данными и с аналитикой важно провалидировать ваше представление о целевой аудитории. Найти дополнительные инсайты, ключевые действия, которые говорят о том, что пользователи, которым характерны эти параметры или действия, с большей вероятностью конвертируются.

Например, если мы говорим про стандартную модель бесплатного триала оформления подписки, то подсчитываем процент пользователей, которые оформили подписку после триала. Первый этап – это подсчет общей конверсии, то есть общая выборка ваших пользователей и какой процент из них достигает целевого действия.

Второй этап – тот самый этап работы с аналитикой, когда вы методом проб ищете ключевые действия, которые свойственны лидам и сегментам лидов с более высокой конверсией, чем ваша средняя конверсия в целом по продукту.

За каждую качественную характеристику и действие, вы должны начислять лиду score. И третий пункт суть лид-скоринга. Но здесь важно следующее: понять, насколько ценна каждая характеристика и действие относительно других действий и характеристик, которые есть у ваших пользователей.

Опыт применения лид-скоринга в PandaDoc

У PandaDoc стандартная модель для SAS-продуктов. У нас бесплатный 2-х недельный триал, после которого пользователи должны оформить подписку, если хотят продолжить пользоваться продуктом. В рамках нашей модели, общая средняя конверсия считается построением простейшей воронки:
создание аккаунта, старт бесплатно триала; б) оформлении подписки.

Дальше наша задача – сегментировать общую выборку, которую мы сформировали, и посмотреть, какая конверсия каждого отдельно взятого сегмента. Предположим, что средняя конверсия в целом по продукту за определенный период времени 7%. Сегментировать вы можете на уровне абсолютно всех характеристик, которые знаете про ваших пользователей: источники трафика, демографические показатели и так далее.

Предположим, я хочу разбить всю выборку пользователей на основании индустрии. Я приведу несколько примеров таких индивидуальных конверсий, которые помогут разобраться, что же мы ищем. Задача – понять, а какие индустрии, какие сегменты на основании индустрий конвертируются лучше или хуже, чем наша средняя. На уровне нашей платформы мы спрашиваем входящих пользователей – «к какой индустрии относится их бизнес?».

В разрезе лид-скоринга это значит, когда в следующий раз к нам придет пользователь, у которого есть такая характеристика, мы начислим ему баллы за то, что он обладает такой характеристикой. Индустрии Creative/MarketingAgency, предположим, конвертируется почти в два раза лучше – 13,3%. Мы это делаем для того, чтобы дифференцировать и выделить пользователя из общей выборки, так как он обладает качественной характеристикой, которая повышает вероятность того, что он станет нашим платным пользователем.

Здесь используются разные подходы, но самый простой — вы можете начислять столько же баллов, какова конверсия этого сегмента в целевое действие. Встает вопрос: а сколько же баллов начислить за наличие этой характеристики? Вы можете за это действие начислять 13 баллов. В данном случае конверсия на примере 13%. Это пример сегментации и поиска ключевых параметров на уровне качественной характеристики.

Точно также вы можете разбивать всю общую выборку ваших пользователей и смотреть, как конвертируются пользователи, которые сделали отдельно взятое действие. Как мы говорили, лид-скоринг строится еще и на основании пользовательских действий и поведенческих показателей.

Если туда заходил пользователь, вероятность, что он заинтересован продуктом и оформит платную версию, выше, чем те, которые туда не заходили. Вы могли предполагать, что посещение pricing-страницы на вашем сайте действие хорошее.

Если вы будете строить такие индивидуальные конверсии, вы будете находить очень интересные данные, о которых вы могли даже не предполагать. Без аналитики тяжело понять. Что это говорит в разрезе лид-скоринга? В данном примере мы могли бы найти, что посещение pricing-страницы, приводит к тому, что почти 30% пользователей впоследствии конвертируются в платных. Это говорит о том, что следующий раз, когда какой-то из пользователей совершит это действие, мы начислим ему 30 баллов, так, чтобы этого пользователя выделить и он находился на самом топе для отдела продаж.

Это достаточно творческий процесс, и я бы посоветовал к нему подходить соответствующим образом. Не всегда и не только на основании индивидуальных действий нужно строить логику лид-скоринга. Вы должны генерировать гипотезы и искать различные, в том числе, сочетания действий и характеристик, которые, на ваш взгляд, могут говорить о том, что сегмент этих пользователей очень качественный.

Я вам гарантирую, что вы будете находить сегменты просто с космической конверсией. Через простейшие воронки вы можете найти, какая же конверсия у сегмента, который имеет сочетание характеристик и различных действий.

Итого

Лид-скоринг в PandaDoc состоит из более чем 180 правил. Это различные параметры, действия и их сочетания, за которые мы начисляем баллы пользователям. Мы используем Hubspot, это сторонний продукт, который помимо всего прочего позволяет вам настроить логику лид-скоринга. И третье во все этой истории важное значение занимает пороговое значение скора.

Представим, что к нам на сайт приходят три пользователя: Марги, Бетси и Адам. У нас есть сайт, веб-приложение, Hubspot и CRM-система (это основной продукт для нашего sales-департамента). Как только они пришли к нам на сайт, мы начинаем трекать, откуда они пришли и какие действия совершили на сайте. Двое из этих пользователей создают аккаунт в PandaDoc. Hubspot анализирует и выставляет каждому отдельному пользователю соответствующий score. Как только они попадают в наше приложение, мы создаем профайлы этих пользователей в Hubspot, где хранится вся информация про каждого конкретного пользователя.

Мы далеко не всех лидов отправляем в нашу CRM-систему. Дальше между Hubspot и CRM-системой настроена интеграция, и здесь есть пороговое значение. Мы это делаем для того, чтобы наш сейлс-департамент не терял фокус и не смотрел на тех, которые не представляют продукту большого интереса.

Для нас сейчас (для общего представления) – это 50 баллов. На текущий момент, во-первых, с пороговым значением вы должны определиться самостоятельно, это очень индивидуальная характеристика. На этом примере Адам имеет 75% в соответствии со всеми характеристиками и действиями. Только лиды с 50 и больше баллами попадают в работу к нашему сейлс-департаменту.

Это то, что Адам попадает в sales force. Что это значит для нашего бизнеса? И наш сейлс-менеджер звонит Адаму и начинает с ним работать напрямую. В CRM-системе по своим внутренним правилам он попадает на правильного сейлс-менеджера, который работает с клиентами из определенных индустрий, работает с компаниями соответствующего размера и т.д.

Она не попадает в sales force на текущий момент. Марги 42 очка. Лид-скоринг – это показатель динамический. Это не обязательно, что она никогда не получит звонка от нашего сейлс-департамента. И как только она достигнет порогового значения, она попадет туда. Он постоянно обновляется, и если Марги в свою очередь будет продолжать пользоваться нашим приложением, осуществлять какие-то ключевые действия, пользоваться важной функциональностью, которая говорит о том, что она сильно заинтересована, то score будет расти. Есть пользователи, которые никогда туда не попадут, так как это расфокус для sales-команды.

Советы по внедрению лид-скоринга:

1. Итеративно дорабатывайте логику лид-скоринга. После внедрения этой технологии важно анализировать процесс и результаты. Анализируйте всех тех лидов, которые получают высокий score. Просматривайте тех, кто их не получают. Ищите тех, которые получили низкий score, хотя фактически вы видите, что они качественные лиды.

Используйте негативные score за отрицательные параметры и действия. 2. На самом деле, в лид-скоринге еще важно давать негативные очки тем сегментам пользователей, которые вам не интересны.

Начисляйте баллы с учетом финансовых метрик каждого отдельного сегмента. 3. В частности LTV.

Epic Growth Conference – конференция по продуктовому маркетингу, которую организовали Mobio, Getloyal и Appsflyer при поддержке myTarget, Appnext.

Подписывайтесь на канал Epic Growth Channel в Telegram, и получайте интересный контент по продуктовому маркетингу.

Расшифровка выступления на VC.