ภาพรวม
การให้คะแนนลูกค้าเป้าหมายด้วย AI ใช้การเรียนรู้ของเครื่องเพื่อคาดการณ์ว่าลูกค้าเป้าหมายการขายรายใดมีแนวโน้มที่จะแปลงมากที่สุด ดังนั้นทีมขายจึงใช้เวลากับโอกาสที่ดีที่สุด โดยจะแทนที่การจัดอันดับความรู้สึกภายในด้วยความน่าจะเป็นที่ขับเคลื่อนด้วยข้อมูลที่อัปเดตแบบเรียลไทม์
AI Lead Scoring มุ่งเน้นไปที่การใช้งานจริง: เปลี่ยนความสามารถของโมเดลให้เป็นขั้นตอนการทำงานรายวันที่เชื่อถือได้ซึ่งส่งมอบมูลค่าที่วัดได้
เจาะลึก
การให้คะแนนลูกค้าเป้าหมายแบบดั้งเดิมจะกำหนดคะแนนคงที่สำหรับการดำเนินการ เช่น การเปิดอีเมล (+5) หรือการดาวน์โหลดเอกสารสรุป (+10) จากนั้นจึงทำเครื่องหมายว่าลูกค้าเป้าหมายอยู่เหนือเกณฑ์ การให้คะแนนลูกค้าเป้าหมายของ AI จะฝึกแบบจำลองเกี่ยวกับข้อมูล CRM ในอดีตของคุณแทน โดยเรียนรู้ว่าชุดค่าผสมของคุณลักษณะและพฤติกรรมใดที่เกิดขึ้นจริงก่อนข้อตกลงที่ปิดแล้ว โดยชั่งน้ำหนักสัญญาณหลายร้อยรายการในคราวเดียว: ข้อมูลบริษัท (อุตสาหกรรม ขนาดบริษัท รายได้) ข้อมูลประชากร (ตำแหน่งงาน ความอาวุโส) และข้อมูลพฤติกรรม (การเข้าชมหน้าเพจ คำขอสาธิต การมีส่วนร่วมกับอีเมล เวลาในสถานที่) ผลลัพธ์ที่ได้คือความน่าจะเป็นหรือเกรด ไม่ใช่กฎที่เข้มงวด แบบจำลองการคาดการณ์ เช่น ต้นไม้ที่มีการไล่ระดับสีหรือการถดถอยลอจิสติกส์จะแสดงรูปแบบที่ไม่ชัดเจน ตัวอย่างเช่น บริษัทด้านการดูแลสุขภาพขนาดกลางที่เข้าชมหน้าการกำหนดราคาทำให้เกิดการเปลี่ยนแปลงได้ดีกว่าบริษัทขนาดใหญ่ที่ไม่เคยทำถึงสองครั้ง
ข้อมูลเชิงลึกทางเทคนิค
การให้คะแนนเฟรมของระบบส่วนใหญ่เป็นการจำแนกแบบไบนารี: ลีดนี้แปลงใช่หรือไม่ โมเดลต่างๆ เช่น XGBoost หรือการถดถอยโลจิสติกได้รับการฝึกฝนเกี่ยวกับลีดในอดีตที่มีป้ายกำกับ จากนั้นจึงเอาท์พุตความน่าจะเป็นที่ปรับเทียบแล้วระหว่าง 0 ถึง 1 คุณลักษณะทางวิศวกรรมมีความสำคัญมากกว่าอัลกอริธึม ความใหม่ และความถี่ของการมีส่วนร่วมเป็นตัวทำนายที่แข็งแกร่ง ข้อผิดพลาดที่สำคัญคือความไม่สมดุลของคลาส: ตัวแปลงมีน้อย ดังนั้นเทคนิคต่างๆ เช่น การถ่วงน้ำหนักใหม่หรือการสุ่มตัวอย่างใหม่และหน่วยเมตริก เช่น AUC-ROC และความแม่นยำที่ด้านบนสุดของเดไซล์จึงถูกนำมาใช้แทนความแม่นยำธรรมดา
การเรียนรู้การให้คะแนนลูกค้าเป้าหมายของ AI
การให้คะแนนลูกค้าเป้าหมายด้วย AI ใช้การเรียนรู้ของเครื่องเพื่อคาดการณ์ว่าลูกค้าเป้าหมายการขายรายใดมีแนวโน้มที่จะแปลงมากที่สุด ดังนั้นทีมขายจึงใช้เวลากับโอกาสที่ดีที่สุด โดยจะแทนที่การจัดอันดับความรู้สึกภายในด้วยความน่าจะเป็นที่ขับเคลื่อนด้วยข้อมูลที่อัปเดตแบบเรียลไทม์ AI Lead Scoring มุ่งเน้นไปที่การใช้งานจริง: เปลี่ยนความสามารถของโมเดลให้เป็นขั้นตอนการทำงานรายวันที่เชื่อถือได้ซึ่งส่งมอบมูลค่าที่วัดได้ เพื่อสร้างความเข้าใจอย่างลึกซึ้ง ให้ถือว่า AI Lead Scoring เป็นรูปแบบการดำเนินงาน ไม่ใช่คุณลักษณะเดียว: กำหนดผลลัพธ์ที่ต้องการ ชี้แจงสมมติฐาน และแยกสิ่งที่ระบบสามารถทำได้อย่างน่าเชื่อถือจากสิ่งที่ยังต้องใช้วิจารณญาณจากผู้เชี่ยวชาญ
ในทางปฏิบัติ ทีมที่แข็งแกร่งที่ใช้ AI Lead Scoring จะมุ่งเน้นไปที่ผลลัพธ์ของเวิร์กโฟลว์ ไม่ใช่จำลองการสาธิต และกำหนดจุดตรวจสอบของมนุษย์ตั้งแต่เนิ่นๆ โดยจะบันทึกเกณฑ์ความสำเร็จที่ชัดเจน ทดสอบกับข้อมูลและขั้นตอนการทำงานที่สมจริง และทำซ้ำตามรูปแบบความล้มเหลวที่สังเกตได้ แทนที่จะชนะการวัดประสิทธิภาพเพียงครั้งเดียว นี่คือจุดที่ความเข้าใจทางทฤษฎีกลายเป็นความสามารถที่คงทนของผลิตภัณฑ์ นโยบาย และการดำเนินงาน
การออกแบบระดับแอปพลิเคชันจะกำหนดว่า AI จะปรับปรุงผลลัพธ์ที่แท้จริงหรือไม่ ในขณะเดียวกัน การทำให้กระบวนการที่เสียหายเป็นอัตโนมัติสามารถขยายปัญหาที่มีอยู่ได้ แนวทางที่ยืดหยุ่นที่สุดคือการรวมความเร็วของการทดลองเข้ากับวินัยในการกำกับดูแล: ดำเนินการนำร่อง จับหลักฐาน เผยแพร่บันทึกการตัดสินใจ และอัปเดตการป้องกันอย่างต่อเนื่องเมื่อพฤติกรรมของโมเดล ความคาดหวังของผู้ใช้ และข้อกำหนดด้านกฎระเบียบมีการเปลี่ยนแปลง
ผลกระทบเชิงกลยุทธ์
การออกแบบระดับแอปพลิเคชันจะกำหนดว่า AI จะปรับปรุงผลลัพธ์ที่แท้จริงหรือไม่
การออกแบบระดับแอปพลิเคชันจะกำหนดว่า AI จะปรับปรุงผลลัพธ์ที่แท้จริงหรือไม่ ในการปรับใช้คุณภาพสูง สิ่งนี้จะถูกแปลเป็นกฎการปฏิบัติงานที่วัดผลได้ ขอบเขตความเป็นเจ้าของ และขั้นตอนการตรวจสอบที่เกิดซ้ำ เพื่อให้ทีมสามารถปรับขนาดความมั่นใจแทนที่จะปรับขนาดความคลุมเครือ
การบูรณาการขั้นตอนการทำงานที่ดีจะช่วยเพิ่มผลผลิตที่ผู้ใช้ไว้วางใจได้
การบูรณาการขั้นตอนการทำงานที่ดีจะช่วยเพิ่มผลผลิตที่ผู้ใช้ไว้วางใจได้ ในการปรับใช้คุณภาพสูง สิ่งนี้จะถูกแปลเป็นกฎการปฏิบัติงานที่วัดผลได้ ขอบเขตความเป็นเจ้าของ และขั้นตอนการตรวจสอบที่เกิดซ้ำ เพื่อให้ทีมสามารถปรับขนาดความมั่นใจแทนที่จะปรับขนาดความคลุมเครือ
กรณีการใช้งานที่มีขอบเขตดีจะช่วยลดความเหนื่อยล้าของการเปลี่ยนแปลงและความเสี่ยงในการดำเนินการ
กรณีการใช้งานที่มีขอบเขตดีจะช่วยลดความเหนื่อยล้าของการเปลี่ยนแปลงและความเสี่ยงในการดำเนินการ ในการปรับใช้คุณภาพสูง สิ่งนี้จะถูกแปลเป็นกฎการปฏิบัติงานที่วัดผลได้ ขอบเขตความเป็นเจ้าของ และขั้นตอนการตรวจสอบที่เกิดซ้ำ เพื่อให้ทีมสามารถปรับขนาดความมั่นใจแทนที่จะปรับขนาดความคลุมเครือ
การใช้งานจริงในโลกแห่งความเป็นจริง
เส้นทางของบริษัท B2B SaaS มีเพียงคะแนนนำที่สูงกว่า 80 ให้กับทีมพัฒนาการขายที่มีจำกัดเท่านั้น ซึ่งช่วยลดเวลาที่เสียไปกับผู้เตะล้อรถ
HubSpot และ Salesforce Einstein กำหนดเกรดเชิงคาดการณ์ (A ถึง D) ให้กับลีดขาเข้าโดยพิจารณาจากประวัติการปิดดีลของลูกค้าแต่ละราย
กลุ่มตัวแทนจำหน่ายรถยนต์ให้คะแนนการสอบถามทางเว็บตามแนวโน้มที่จะเยี่ยมชมโชว์รูม โดยให้ความสำคัญกับการติดตามผลภายในชั่วโมงแรก
ผู้ให้กู้ฟินเทคจะให้คะแนนผู้ใช้ทดลองใช้ซ้ำทุกวัน กระตุ้นให้มนุษย์เข้าถึงผู้ใช้เมื่อพฤติกรรมของผู้ใช้ฟรีส่งสัญญาณถึงความพร้อมในการอัปเกรด
รูปแบบการดำเนินงาน
การให้คะแนนลูกค้าเป้าหมายของ AI ในทางปฏิบัติ
เส้นทางของบริษัท B2B SaaS มีเพียงคะแนนนำที่สูงกว่า 80 ให้กับทีมพัฒนาการขายที่มีจำกัดเท่านั้น ซึ่งช่วยลดเวลาที่เสียไปกับผู้เตะล้อรถ
บริษัท B2B SaaS กำหนดเส้นทางผู้นำที่มีคะแนนสูงกว่า 80 ให้กับทีมพัฒนาการขายที่มีจำกัดเท่านั้น การลดเวลาที่เสียไปกับนักเตะยาง ทีมมักจะได้รับผลลัพธ์ที่ดีกว่าเมื่อพวกเขากำหนดเกณฑ์คุณภาพไว้ล่วงหน้า รักษาเส้นทางการยกระดับโดยมนุษย์สำหรับกรณี Edge และติดตามทั้งผลผลิตที่เพิ่มขึ้นและต้นทุนข้อผิดพลาดเมื่อเวลาผ่านไป
การให้คะแนนลูกค้าเป้าหมายของ AI ในทางปฏิบัติ
HubSpot และ Salesforce Einstein กำหนดเกรดเชิงคาดการณ์ (A ถึง D) ให้กับลีดขาเข้าโดยพิจารณาจากประวัติการปิดดีลของลูกค้าแต่ละราย
HubSpot และ Salesforce Einstein กำหนดเกรดเชิงคาดการณ์ (A ถึง D) ให้กับลีดขาเข้าโดยพิจารณาจากประวัติการปิดดีลของลูกค้าแต่ละราย ทีมมักจะได้รับผลลัพธ์ที่ดีกว่าเมื่อพวกเขากำหนดเกณฑ์คุณภาพไว้ล่วงหน้า รักษาเส้นทางการยกระดับโดยมนุษย์สำหรับกรณี Edge และติดตามทั้งประสิทธิภาพการทำงานที่เพิ่มขึ้นและต้นทุนข้อผิดพลาดเมื่อเวลาผ่านไป
การให้คะแนนลูกค้าเป้าหมายของ AI ในทางปฏิบัติ
กลุ่มตัวแทนจำหน่ายรถยนต์ให้คะแนนการสอบถามทางเว็บตามแนวโน้มที่จะเยี่ยมชมโชว์รูม โดยให้ความสำคัญกับการติดตามผลภายในชั่วโมงแรก
กลุ่มตัวแทนจำหน่ายรถยนต์ให้คะแนนการสอบถามทางเว็บตามแนวโน้มที่จะเยี่ยมชมโชว์รูม โดยจัดลำดับความสำคัญของการโทรติดตามผลภายในชั่วโมงแรก ทีมมักจะได้รับผลลัพธ์ที่ดีกว่าเมื่อพวกเขากำหนดเกณฑ์คุณภาพล่วงหน้า รักษาเส้นทางการยกระดับโดยมนุษย์สำหรับกรณี Edge และติดตามทั้งประสิทธิภาพการผลิตที่เพิ่มขึ้นและต้นทุนข้อผิดพลาดเมื่อเวลาผ่านไป
การให้คะแนนลูกค้าเป้าหมายของ AI ในทางปฏิบัติ
ผู้ให้กู้ฟินเทคจะให้คะแนนผู้ใช้ทดลองใช้ซ้ำทุกวัน กระตุ้นให้มนุษย์เข้าถึงผู้ใช้เมื่อพฤติกรรมของผู้ใช้ฟรีส่งสัญญาณถึงความพร้อมในการอัปเกรด
ผู้ให้กู้ฟินเทคจะให้คะแนนผู้ใช้รุ่นทดลองใช้ซ้ำทุกวัน กระตุ้นให้มนุษย์เข้าถึงเมื่อพฤติกรรมของผู้ใช้ฟรีส่งสัญญาณถึงความพร้อมในการอัปเกรด ทีมมักจะได้รับผลลัพธ์ที่ดีขึ้น เมื่อพวกเขากำหนดเกณฑ์คุณภาพล่วงหน้า รักษาเส้นทางการยกระดับโดยมนุษย์สำหรับกรณี Edge และติดตามทั้งประสิทธิภาพการทำงานที่เพิ่มขึ้นและต้นทุนข้อผิดพลาดเมื่อเวลาผ่านไป
ความเสี่ยงและรั้ว
การทำให้กระบวนการที่เสียหายเป็นอัตโนมัติสามารถขยายปัญหาที่มีอยู่ได้
ทีมอาจดำเนินการอัตโนมัติมากเกินไปและลบวิจารณญาณของมนุษย์ที่จำเป็นออก
คุณภาพอาจคลาดเคลื่อนได้หากไม่ได้รับการประเมินผลลัพธ์อย่างต่อเนื่อง
แผนงานการดำเนินงาน
แมปขั้นตอนการทำงานปัจจุบันและระบุขั้นตอนที่มีแรงเสียดทานสูงสุด
แมปขั้นตอนการทำงานปัจจุบันและระบุขั้นตอนที่มีแรงเสียดทานสูงสุด ถือว่าแต่ละขั้นตอนเป็นเหมือนประตูหลักฐาน: หากไม่ตรงตามเกณฑ์ ให้หยุดการเปิดตัวชั่วคราว ปิดช่องว่าง จากนั้นจึงขยายการใช้งานเท่านั้น
กำหนดจุดตรวจของมนุษย์ก่อนระบบอัตโนมัติเต็มรูปแบบ
กำหนดจุดตรวจของมนุษย์ก่อนระบบอัตโนมัติเต็มรูปแบบ ถือว่าแต่ละขั้นตอนเป็นเหมือนประตูหลักฐาน: หากไม่ตรงตามเกณฑ์ ให้หยุดการเปิดตัวชั่วคราว ปิดช่องว่าง จากนั้นจึงขยายการใช้งานเท่านั้น
ฝึกอบรมผู้ใช้เกี่ยวกับการแจ้งเตือน เส้นทางการยกระดับ และมาตรฐานคุณภาพ
ฝึกอบรมผู้ใช้เกี่ยวกับการแจ้งเตือน เส้นทางการยกระดับ และมาตรฐานคุณภาพ ถือว่าแต่ละขั้นตอนเป็นเหมือนประตูหลักฐาน: หากไม่ตรงตามเกณฑ์ ให้หยุดการเปิดตัวชั่วคราว ปิดช่องว่าง จากนั้นจึงขยายการใช้งานเท่านั้น
ติดตามผลลัพธ์ระดับงานเพื่อยืนยันคุณค่าที่ยั่งยืน
ติดตามผลลัพธ์ระดับงานเพื่อยืนยันคุณค่าที่ยั่งยืน ถือว่าแต่ละขั้นตอนเป็นเหมือนประตูหลักฐาน: หากไม่ตรงตามเกณฑ์ ให้หยุดการเปิดตัวชั่วคราว ปิดช่องว่าง จากนั้นจึงขยายการใช้งานเท่านั้น