Müşteri Adayı Puanlama: Basit Bir Lead Scoring Modeli

Lead scoring (müşteri adayı puanlama), adaylara alanlarındaki bilgilere ve yaptıkları eylemlere göre puan veren kural tabanlı bir sistemdir; temsilciler en yüksek puanlı adayı önce arar. Basit bir model, adayın kim olduğuna uygunluk (fit), ne yaptığına etkileşim puanı verir ve satışla birlikte belirlenen eşiğin üstünde ve altında ne yapılacağını yazılı hâle getirir.

Bu yazıda modeli kural tabanlı bir puan tablosu olarak kuruyoruz: kriterlerin nereden geldiği, örnek bir puan kartı, eşiğin nasıl belirlendiği, temsilcinin puanda neyi görmesi gerektiği ve üç ayda bir yapılan geri test. Adayınızın ne zaman “nitelikli” sayıldığına henüz karar vermediyseniz önce lead nedir yazımızdaki tanımı, ardından BANT’ı sahaya uyarlayan nitelendirme rehberini okuyun. Puan bu ortak tanımın üstüne kurulur, onun yerine geçmez.

Lead scoring modeli hangi kriterlerden oluşur?

Kural tabanlı her model üç tür kriter kullanır:

• Uygunluk (fit) kriterleri firmayı ve kişiyi tanımlar: sektör, çalışan sayısı, unvan, kaynak. “Bu müşteriyi ister miyiz?” sorusuna cevap verir ve nadiren değişir.
• Etkileşim kriterleri adayın ne yaptığını tanımlar: demo talep etti, bir temsilciye yanıt verdi, bir etkinliğe katıldı. “Şu an ilgileniyorlar mı?” sorusuna cevap verir ve zamanla eskir.
• Negatif kriterler, satın alma ihtimalinin düşük olduğunu gösteren işaretlerde puan düşürür: kişisel bir e-posta adresi ya da ürününüz için fazla küçük bir işletme gibi.

CRM ekranda tek bir sayı gösterse bile uygunluğu ve etkileşimi ayrı okuyun. Uygunluğu yüksek ama etkileşimi olmayan bir aday araştırılacak bir hedeftir; uygunluğu düşük ama etkileşimi yoğun bir aday çoğu zaman araştırma yapan bir danışmandır.

Kural tabanlı mı, yapay zekâ tabanlı mı kurulmalı?

Kural tabanlı model, sizin seçtiğiniz puanları toplar. Yapay zekâ tabanlı bir model ise ağırlıkları geçmiş adaylardan ve sonuçlarından istatistik ya da makine öğrenmesiyle öğrenir. İkisi de bir sayı üretir. Fark, çalışmak için neye ihtiyaç duydukları ve sonucu ne kadar açıklayabildikleridir.

• Kural tabanlı puanlama ilk haftadan çalışır ve bir adayın neden 65 aldığını herkes okuyabilir. Zayıf yanı, ağırlıkların test edilene kadar bir görüşten ibaret olmasıdır.
• Yapay zekâ tabanlı puanlama kimsenin fark etmediği örüntüleri bulabilir, ama öğrenecek kadar dönüşmüş ve kaybedilmiş adaya ihtiyaç duyar; bir temsilciye bir adayın neden diğerinden önde olduğunu anlatmak da zorlaşır.

Küçük ve orta ölçekli satış ekiplerinin çoğu için önce kurallar gelir. Birkaç çeyrek boyunca geri testten geçmiş kurallar hangi sinyalin gerçekten işe yaradığını gösterir. İleride öğrenen bir model kurmak isterseniz ihtiyaç duyacağınız, düzenli doldurulmuş alanları da hazırlar.

Lead scoring modeli nasıl kurulur?

Model altı adımda kurulur; her adımın bir sorumlusu ve yazılı bir çıktısı vardır:

1. Geçmiş adayları sonuçlarıyla çekin. Sorumlu: satış operasyonu. Son on iki ayın adaylarını kaynak, uygunluk alanları ve sonuçla (dönüştü, kazanıldı, kaybedildi, elendi) birlikte dışa aktarın. Çıktı: aday başına bir satır.
2. Alıcıyı ayıran alanları bulun. Her aday kriteri için, o kriteri taşıyanların kazanma oranını genel kazanma oranıyla karşılaştırın; genel orandan belirgin yüksek çıkan bir kriter, farkla orantılı puan hak eder. Çıktı: sıralı bir liste.
3. Altı ila on kriter seçin. Üç-beş uygunluk, iki-dört etkileşim, bir-iki negatif. Eski adayların çoğunda boş kalan bir alanı kart dışında bırakın; önce doldurulmasını sağlayıp önümüzdeki çeyrek test edin. Çıktı: taslak puan kartı.
4. Her kritere kaba bir ağırlık verin. 1-100 arası bir ölçek yerine güçlü, orta ve negatif olmak üzere üç seviye kullanın; temsilciye açıklaması çok daha kolaydır. Çıktı: kriter başına puan.
5. Eşiği satışla birlikte belirleyin. Sorumlu: satış müdürü ve pazarlama sorumlusu. Çıktı: eşiğin üstünde ve altında ne olacağını anlatan yazılı bir kural.
6. Puan kartını yayınlayın, bir değişiklik kaydı açın. Sorumlu: satış operasyonu. Çıktı: her temsilcinin okuyabileceği bir sayfa ve her ağırlık değişikliğinin tarihli, gerekçeli kaydı.

Örnek: Konya’da bir tarım makineleri üreticisinin puan kartı

Aşağıdaki ekip, sayılar ve puan kartı açıklama amaçlıdır; gerçek bir şirketi ya da Senitix müşterisini anlatmaz. Konya’da traktör eklentisi ve tarım ekipmanı üreten, altısı sahada çalışan 12 kişilik bir satış ekibi, bayi ve doğrudan başvuran adayları aynı kartla puanlamaya karar verdi. Ağırlıklar açıklama amaçlıdır; sizinkiler ikinci adımdan çıkar.

Pozitif kriterler toplamda 100 eder, böylece puan ideal adayın ne kadarına ulaşıldığını gösterir. İki aday:

• Aday A: 80 çalışanlı bir tarım ekipmanı bayisinde satış müdürü; web formundan ulaştı, bir hafta önce demo talep etti ve temsilciyle görüşmede bütçesini teyit etti. Puan: 10 + 10 + 15 + 20 + 25 = 80.
• Aday B: bir fuar standından sonra kişisel Gmail adresiyle demo talep eden, 60 çalışanlı bir işletmenin satın alma uzmanı; unvanı karar verici düzeyinde değil, bütçe henüz teyit edilmedi. Puan: 15 (çalışan sayısı) + 25 (demo) − 10 (kişisel e-posta) = 30.

Aday B en açık niyet sinyalini (demo talebi) taşısa da, uygunluk boşlukları ve negatif kriter yüzünden Aday A’nın gerisinde kalır. Yine de demo ya da fiyat isteyen herkese, puanına bakmadan aynı gün dönüleceğini baştan kararlaştırın. Puan, pazartesi gelen on demo talebinden hangisinin önce aranacağını belirler, aranıp aranmayacağını değil.

Temsilci puana ne zaman güvenir?

Temsilci açıklayamadığı bir sayıyı görmezden gelir. Bir puan, temsilci kayıttan şu dört soruyu cevaplayabildiğinde güvenilir hâle gelir:

1. Hangi kriterler tetiklendi? “Çalışan sayısı +15, demo talebi +25, kişisel e-posta −10” dökümü, tek başına “30” yazısından daha değerlidir.
2. Puan en son ne zaman güncellendi? Puanın her değişiklikte mi, gece toplu olarak mı, yoksa sayfa yenilendiğinde mi hesaplandığını temsilciye söyleyin; dün yanıt veren bir adayın hâlâ geçen haftaki puanı taşıması bozuk bir ekran gibi görünür.
3. Ne kadarı uygunluk, ne kadarı etkileşim? Uygunluktan gelen bir 60 araştırılacak bir hedeftir; etkileşimden gelen bir 60 ise bugün aranması gereken bir adaydır.
4. Puan ne değildir? Puan, adayları sıralar. 70 puan, kapanma ihtimalinin yüzde 70 olduğu anlamına gelmez ve tahmine girmemelidir.

Basit bir test: temsilci kaydı açmadan puanı tahmin edebiliyorsa model anlaşılmış demektir. Temsilci şaşırıyorsa ya bir alan yanlış doldurulmuş ya da bir ağırlığın konuşulması gerekiyordur.

Model üç ayda bir nasıl geri test edilir?

Üç ayda bir, geçen çeyreğin adaylarını mevcut modelle puanlayın, bantlara ayırın ve her bantta kaçının fırsata dönüştüğünü sayın. Dönüşüm bant yükseldikçe artmalı.

Örnek (açıklama amaçlı sayılar), Konya ekibinin geçen çeyreğe ait verisiyle:

• 80-100 bandı: 40 aday, 12’si fırsata dönüştü (yaklaşık 3’te 1).
• 50-79 bandı: 130 aday, 22’si fırsata dönüştü (yaklaşık 6’da 1).
• 30-49 bandı: 210 aday, 11’i fırsata dönüştü (yaklaşık 19’da 1).
• 30’un altı: 340 aday, 4’ü fırsata dönüştü (yaklaşık 85’te 1).

Bantlar yükseldikçe dönüşüm de yükseliyorsa model tutuyor demektir. Sonra üç kontrol yapın: bantlar gerçekten yükseliyor mu (50-79 bandı 30-49’dan iyi dönmüyorsa eşik yanlış yerdedir), her kriter hâlâ puanını hak ediyor mu (ikinci adımı tekrarlayın) ve model neyi kaçırdı (eşiğin altında kazanılan fırsatları okuyun, paylaştıkları bir özellik bir sonraki kriterinizdir). Bir çeyrekte en fazla iki-üç ağırlığı, tarihli ve gerekçeli olarak değiştirin; hepsini birden değiştirirseniz bir sonraki geri test hangi değişikliğin işe yaradığını söyleyemez.

Lead scoring modelinde sık yapılan hatalar

• Temsilcinin yaptığını puanlamak. “Arama kaydedildi” gibi bir kriter puanı yükseltiyorsa model, en çok ilgilenen adayı değil, temsilcinin en çok aradığı adayı öne çıkarır.
• Etkileşimi biriktirmek. Geçen ayki bir etkinlik bugünkü ilgi değildir; her etkileşim kriterine bir zaman penceresi (“son 30 günde”) koyun.
• Kimsenin doldurmadığı bir alanı puanlamak. Çalışan sayısı adayların çoğunda boşsa, o kriter uygunluğu değil veri girme özenini ölçer.
• Aynı şeyi iki kez saymak. Çalışan sayısı ve ciro genelde aynı şirket büyüklüğünü ölçer; ikisini birden ağırlıklı kriter yapmak büyüklüğe gereğinden fazla puan verir.
• Ağırlığı sessizce değiştirmek. Habersiz değiştirilen bir ağırlık, dünkü puanı bugünküyle kıyaslanamaz hâle getirir ve bunu ilk fark eden temsilci olur.

Senitix CRM’de kural tabanlı lead scoring nasıl kurulur?

Senitix CRM’de lead scoring kural tabanlıdır, yani puanı yapay zekâ değil sizin yazdığınız kurallar belirler. Bir yönetici, aday, kişi ya da fırsat için kaydın alanlarından (kaynak, sektör, çalışan sayısı, unvan gibi standart alanlar ve bir seçim listesi, sayı ya da onay kutusu gibi özel alanlar) koşullar tanımlayarak bir puanlama profili kurar. Her kriter bir ya da birden fazla koşuldan oluşur ve güçlü pozitif, hafif pozitif ya da negatif olarak ağırlıklandırılır; sonuç kayıtta 0-100 arası bir puan olarak görünür.

Örnek puan kartı, profile seviye seviye taşınır. Aday oluşturulduğunda puanlanır, güncellendiğinde yeniden puanlanır; bir yönetici aktif profili değiştirdiğinde henüz dönüştürülmemiş adaylar da yeniden puanlanır. Aynı anda yalnızca bir aday profili etkin olabilir; bu yüzden güncellenmiş puan kartınız eskisinin yanına eklenmez, onun yerine geçer.

Buradan iki sonuç çıkar. Birincisi, profil web sitesindeki ziyaretleri değil kayıttaki alanları okur. Bu yüzden etkileşim, adayda bir alan olarak kaydedildiği anda sayılır: “Demo talep edildi” onay kutusu, katılınan etkinliği gösteren bir seçim listesi ya da aday soğuduğunda temsilcinin sıfırladığı bir durum alanı gibi. “Son 30 günde” gibi bir zaman penceresi de o alanın içinde tutulur, çünkü koşul işleyen bir saati değil, bir alanı bir değerle karşılaştırır. İkincisi, puan bir tahmini değil, yazdığınız kuralları izler. Senitix AI ise bir kişinin onayına sunulmak üzere e-posta taslağı yazar, kayıtları özetler ve bir sonraki adımı önerir; hiçbir zaman puan belirlemez.

Bir aday kaydının hangi bilgileri tuttuğunu Senitix CRM özellikleri sayfasının aday bölümünde görebilirsiniz. Plan ayrıntıları Senitix CRM planları ve fiyatlandırma sayfasında. Ekibinize özel bir kurulum için satış ekibiyle görüşebilirsiniz.

Sık sorulan sorular

Lead scoring ile fırsat olasılığı aynı şey midir?

Hayır. Lead scoring, henüz fırsata dönüşmemiş kişi ve firmaları sıralar, amaç kimin temsilci zamanını önce alacağına karar vermektir. Fırsat olasılığı ise açık bir fırsatın kapanma ihtimalini tahmin eder, genelde aşamaya göre belirlenir ve tahmine girer. İkisi farklı sorulara yanıt verir, bu yüzden ayrı alanlarda tutun. Adayın fırsata nasıl dönüştüğünü CRM nedir rehberimizde okuyabilirsiniz.

Pazarlama otomasyonu verisi olmadan puanlama yapılabilir mi?

Evet. Uygunluk kriterleri için adaydaki alanlar yeterlidir: sektör, büyüklük, unvan, kaynak. Etkileşim de temsilciler tarafından alan olarak kaydedilebilir: bir demo talebi, katılınan bir etkinlik, alınan bir yanıt. Sayfa ziyareti gibi otomatik sinyalleri kaybedersiniz, ama her temsilcinin açıklayabileceği bir puan kazanırsınız ve üç aylık geri test aynı şekilde çalışır.

Puanlama eşiğini kim belirlemeli?

Satış müdürü ve pazarlamadan sorumlu kişi birlikte belirlemeli, çünkü eşik temsilci kapasitesinden çıkar: ekip haftada gerçekçi olarak kaç yeni adayı arayabiliyorsa, eşik o sayıyı üretmelidir. Tek başına pazarlamanın belirlediği bir eşik, temsilcilerin karşılayamayacağı bir hacim üretebilir.

Senitix AI adayları puanlıyor mu?

Hayır. Senitix AI e-posta taslağı yazar, kayıtları özetler ve bir sonraki adımı önerir; hepsi bir kişinin onayını bekler. Lead scoring ise ayrı, kural tabanlı bir puanlama profiliyle çalışır ve yapay zekâ kullanmaz. İkisi kayıtta farklı alanlar olarak görünür ve birbirinin yerine geçmez.