Prueba de puntuación de clientes potenciales de IA

Las respuestas y explicaciones aparecen a medida que realiza el cuestionario.

1. ¿En qué se diferencia principalmente la puntuación de clientes potenciales de IA de la puntuación tradicional basada en reglas?
   • Aprende pesos a partir de datos de conversión históricos en lugar de utilizar puntos fijos.
   • Solo cuenta las aperturas de correo electrónico
   • No requiere ningún dato
   • Ignora el tamaño de la empresa y el puesto de trabajo.
2. ¿Qué tarea de aprendizaje automático describe mejor la predicción de si un cliente potencial se convertirá?
   • Segmentación de imágenes
   • Clasificación binaria
   • reconocimiento de voz
   • Aprendizaje por refuerzo
3. ¿Por qué la simple precisión es una métrica deficiente para evaluar modelos de puntuación de clientes potenciales?
   • La precisión mide directamente la calibración
   • La precisión les dice a los representantes de ventas por qué un cliente potencial se convertirá
   • Los convertidores pueden ser raros, por lo que un modelo puede parecer preciso al predecir "sin conversión" para casi todos los clientes potenciales.
   • La precisión ajusta automáticamente los umbrales de decisión
4. Según la documentación de puntuación de clientes potenciales de HubSpot, ¿qué datos puede utilizar una puntuación personalizada?
   • Sólo el nombre de una persona
   • Sólo la hora del día
   • Formas de onda de audio sin etiquetar
   • Registrar acciones o propiedades seleccionadas para el modelo de puntuación.
5. ¿Qué puede aportar un modelo de puntuación de clientes potenciales para cada cliente potencial?
   • Una puntuación o probabilidad de conversión estimada, que aún necesita evaluación
   • Una probabilidad que se calibra automáticamente por definición.
   • Un resultado de ventas garantizado
   • Una determinación legal de la solvencia
6. ¿Qué resume la importancia de las características en un modelo de puntuación de clientes potenciales basado en árboles?
   • Que una característica provoque conversión
   • Qué tan influyente es una característica en las decisiones del modelo según ese método de importancia
   • Que una característica es legalmente requerida
   • La futura cuota de ventas
7. ¿Qué significa la calibración para una puntuación de conversión de clientes potenciales?
   • Cada cliente potencial recibe la misma puntuación
   • La precisión del modelo es siempre del 100 por ciento.
   • Las probabilidades previstas coinciden con las frecuencias de conversión observadas en casos comparables
   • Las puntuaciones están ordenadas alfabéticamente por empresa.
8. ¿Por qué debería supervisarse un modelo de puntuación de clientes potenciales después de su implementación?
   • El umbral original nunca puede quedar obsoleto
   • El monitoreo hace que las etiquetas sean innecesarias
   • Una puntuación modelo captura permanentemente el comportamiento del mercado
   • El comportamiento de los líderes y el significado de los patrones históricos pueden variar