リードスコアリングとは、ファーモグラフィックフィット（どのような企業か）と行動インテント（何をしているか）を組み合わせて、リードを購入可能性でランク付けするモデルです。機能するモデルがあれば、マーケティングが上位 10% のリードをすぐに営業へルーティングし、中間層をナーチャリングし、下位を無視できます。モデルがないと、営業はフォローアップ時間の 60〜80% を絶対にクローズしないリードに費やすことになります。
2軸モデル
ほとんどの B2B チームは2つの独立した軸でスコアリングします：
- フィットスコア（ファーモグラフィック）。 業界、従業員数、収益、地域、テックスタックが自社 ICP にどれだけ合致するか。レンジ：0〜100。
- インテントスコア（行動）。 閲覧ページ数、ダウンロードしたコンテンツ、開封したメール、ウェビナー参加、デモリクエスト、再訪問。レンジ：0〜100。
フィットが高くインテントも高いリードはホットなインバウンドです。フィットは高いがインテントが低いリードはアウトバウンドのターゲットです。フィットが低くインテントが高いリードはタイヤキッカー——丁重に優先度を下げましょう。
モデルの設計方法
- 12ヶ月分のクローズドウォンとクローズドロストを取り出す。 これがトレーニングセットです。
- 候補シグナルを列挙する。 ZoomInfo または Clearbit からのファーモグラフィック；マーケティングオートメーションとプロダクトデータからの行動データ。
- ロジスティック回帰を実行するか、クリーンなデータセットがあればモデルをトレーニングする。 ポイントは、ワークショップではなくデータから重みを学習することです。
- 閾値を設定する。 上位 10% が MQL。次の 30% はナーチャリングへ。下位 60% は長期的なコールドアウトリーチへ、またはサプレッション。
- 毎月レビューする。 スコアバンド別の勝率がモデルがキャリブレーションされているかを教えてくれます。
シンプルな手動チューニングモデルは、1年目においては複雑な ML モデルを上回ることが多いです。なぜなら、あなたが持っているのは 20,000件ではなく 200件の勝利データだからです。
ターゲットとベンチマーク
スコアをキャリブレーションして：
- 上位 10% のリードのオポチュニティ転換率が 30〜50%
- MQL バンドの SQL 転換率が 20〜35%
- 上位 10% と下位 10% の差が少なくとも 5倍
差が 3倍を下回る場合、モデルはほとんど何も学習していません。異なるシグナルで再構築してください。
よくある落とし穴
- 低シグナルフィールドの追加しすぎ。 マーケティングフォームの質問を1つ追加するごとに、転換率が 5〜10% 低下します。エンリッチできるデータでスコアリングし、入力を求めるデータでスコアリングしないでください。
- 静的な閾値。 ICP は毎年変化します；閾値も変化しなければなりません。四半期ごとに再キャリブレーションしてください。
- ネガティブシグナルなし。 フリーメールドメイン、学生の肩書き、競合他社——これらはポイントを引くべきであり、無視すべきではありません。
関連記事
- MQL vs SQL — スコアが決定するもの
- ICP — フィット軸の基盤