Liidien pisteytys
lead scoringLiidien pisteytys tarkoittaa liidien järjestämistä ostotodennäköisyyden mukaan antamalla pisteitä ominaisuuksista ja käyttäytymisestä. Kun pisteet ylittävät sovitun rajan, liidi siirtyy myynnille. Näin myyjän aika kohdistuu kypsimpiin.
Hyvä tietää
Pisteet kertyvät kahdesta lähteestä: sopivuudesta eli siitä, näyttääkö liidi ihanneasiakkaalta (toimiala, rooli, koko), ja aktiivisuudesta eli siitä, mitä liidi tekee (hinnaston katselu, viestien avaus, palaavat käynnit). Kummankin on painotuttava: aktiivinen väärä ostaja ja passiivinen oikea ovat molemmat huonoja kauppoja.
Malli elää datalla: ensimmäinen versio on valistunut arvaus, jota toteutuneet kaupat korjaavat. Kvartaaleittain tarkistetaan, ennustivatko pisteet kauppaa, ja painoja säädetään. Automaatiotyökalu laskee pisteet ja liipaisee siirrot; ilman työkalua pisteytys toimii kevyenä listana myös käsin.
KÄYTÄNNÖSSÄ
Pisteytysmallin rakennus
Sopivuuspisteet
Ihanneasiakkaan piirteet plussaa, poissulkevat miinusta: opiskelija tai väärä maa pudottaa pisteitä. Perustuu asiakashistoriaan.
Aktiivisuuspisteet
Ostosignaalit painavat: hinnasto ja yhteystietosivu enemmän kuin blogi. Pisteet vanhenevat, jotta vanha aktiivisuus ei harhauta.
Rajat ja siirrot
MQL-raja laukaisee hoiton, SQL-raja siirron myynnille sovitussa vasteajassa. Rajat sovitaan myynnin kanssa yhdessä.
SUDENKUOPAT
Kaksi pisteytysvirhettä
Mallia ei koskaan kalibroida
Arvattujen painojen malli ohjaa myyjiä väärin vuosia. Toteutuneet kaupat ovat ainoa oikea opettaja.
Aktiivisuus ilman sopivuutta riittää
Utelias opiskelija kerää pisteitä kuin ostaja. Ilman sopivuuspainoa myynti soittaa väärille ihmisille.
USEIN KYSYTTYÄ
Usein kysyttyä
Tarvitseeko pisteytys automaatiotyökalun?+
Isommilla volyymeilla kyllä: pisteiden laskenta ja siirrot vaativat automaation. Kymmenien liidien kuukausivauhdilla toimii myös CRM:n kenttiin rakennettu kevyt malli.
Mistä pisteytysmalli aloitetaan?+
Katso 20 viimeisintä kauppaa ja 20 hävittyä: mitkä piirteet ja toimet erottivat ne. Niistä syntyvät ensimmäiset painot.
Mikä on hyvä MQL-raja?+
Sellainen, jolla myynti ehtii hoitaa siirretyt liidit hyvin. Liian matala raja hukuttaa myynnin, liian korkea hukkaa kauppoja: rajaa säädetään vasteajan mukaan.
Voiko tekoäly hoitaa pisteytyksen?+
Ennustava pisteytys oppii kaupoista automaattisesti ja voittaa käsin viritetyn mallin, kun dataa on satoja kauppoja. Pienemmällä datalla sääntömalli on läpinäkyvämpi ja parempi.
Miten negatiiviset pisteet toimivat?+
Poissulkevat signaalit vähentävät pisteitä: kilpailijan domain, opiskelijasähköposti tai uratiedon selailu. Ne säästävät myyjän ajan oikeisiin.
YRITYKSELLE
Haluatko tuloksia, etkä vain määritelmiä?
Käymme tavoitteesi läpi ja ehdotamme kanavat ja budjetin 30 minuutissa, maksutta.
OPISKELIJALLE JA ALALLE HALUAVALLE
Opettele termit, ja tule tekemään niistä totta
Sanakirja on ilmainen oppimateriaali. Syvennä osaamistasi koulutuksissamme, ja jos haluat alalle töihin, kasvava tiimimme etsii tekijöitä.
Määritelmän ylläpitää VSCY:n toimitus · Päivitetty 6.8.2026 · Osa markkinoinnin sanakirjaa (99 termiä)
