החברה השקיעה הון ביצירת לידים, אבל חילקה אותם בשיטת 'הבא בתור' פשוטה: הליד הנכנס מופנה לנציג הפנוי הבא. כתוצאה מכך, לקוח שהיה בשל לרכישה הגיע לנציג זוטר שאיבד אותו, בזמן שאיש מכירות בכיר שרף חצי יום על ליד קר שלעולם לא היה סוגר. שני הצדדים בצוות המכירות היו מתוסכלים, ושיעור ההמרה נפגע בהתאם.
חלוקה מחזורית פשוטה מתייחסת לכל הלידים בצורה שווה: הנציג הפנוי מקבל את הליד הבא בתור. אלא שלידים אינם זהים, וחיבור בין לקוח בעל פוטנציאל גבוה לנציג הלא נכון פוגע אנושות בביקוש שהחברה השקיעה משאבים רבים כל כך כדי לייצר.
חוסר ההתאמה פגע בביצועים משני הכיוונים. לידים חמים עם כוונת רכישה גבוהה למוצרי פרימיום הגיעו לנציגים זוטרים, שלא החזיקו בניסיון הדרוש כדי לסגור את העסקה. מנגד, לידים קרים בעלי סבירות נמוכה להמרה בזבזו את זמנם של אנשי המכירות הבכירים ביותר, אלו שאמורים להתמקד אך ורק בסגירת עסקאות גדולות.
במקביל, החברה גיששה באפלה בכל הנוגע לכוונות הרכישה של הלידים. המידע היחיד שהיה ברשותה הוא שמישהו מילא טופס באתר; ללא כל מושג לגבי מידת המוכנות האמיתית של הלקוח, לא הייתה דרך לתעדף את הטיפול בלידים, גם אם החברה רצתה בכך. שיעורי המרה נמוכים היו התוצאה הבלתי נמנעת.
לזהות את מידת המוכנות של כל ליד, לנתב אותו לנציג בעל הסיכוי הגבוה ביותר לסגור את העסקה, ולספק לו את הרקע המתאים.
מודל חיזוי מנתח מאות אותות עבור כל ליד נכנס, כולל התנהגות באתר, זמן שהייה בעמוד התמחור, מקור ההגעה ונתונים דמוגרפיים גלויים. המודל קובע ציון כוונת רכישה בזמן אמת, מה שמאפשר לתעדף את הטיפול בלידים על בסיס מוכנות אמיתית לקנייה.
שיטת 'הבא בתור' חלפה מהעולם. פניית פרימיום עם ציון גבוה במיוחד מנותבת כעת אוטומטית, ללא המתנה בתור, ישירות לאיש המכירות הבכיר המתמחה במוצר הרלוונטי, במקום להגיע לנציג שבמקרה פנוי באותו רגע.
לידים בעלי ציון נמוך מועברים לסדרות דיוור אוטומטיות או לטיפוח של נציגים זוטרים. כך, זמנם של אנשי המכירות הבכירים מוקדש אך ורק לעסקאות בעלות פוטנציאל סגירה גבוה, ולא לשיחות ללא סיכוי ממשי להמרה.
ברגע שאיש המכירות פותח את כרטיס הליד, המערכת מציגה שורת סיכום קצרה המסבירה מדוע כדאי ליצור איתו קשר ובאיזה מוצר מומלץ להתמקד. כך, שיחת המכירה מתחילה מנקודת הפתיחה הטובה ביותר.
מערכת ה-AI מדרגת ומנתבת, אך לעולם אינה מתקשרת ישירות עם הלקוח. שיקול הדעת, בניית מערכת היחסים וסגירת העסקה נשארים לחלוטין בידי צוות המכירות, שמפנה כעת את מאמציו ללידים שבהם המגע האנושי מניב את הערך הגבוה ביותר.
המודל עוקב באופן רציף אחר הלידים שממירים בפועל אצל כל נציג, ומחדד את הניקוד והניתוב בהתאם. כך, רמת ההתאמה הולכת ומשתפרת לאורך זמן במקום להישחק.
שיעורי המרה גבוהים יותר, עלות רכישת לקוח נמוכה יותר, ורצפת מכירות שהפסיקה להילחם בניהול התור של עצמה.
ההתאמה המדויקת של כל ליד לנציג המתאים ביותר, במקום לנציג הפנוי הבא בתור, העלתה את שיעור ההמרה ביותר מ-25%. מהלך זה תירגם ביקוש קיים, שהחברה כבר שילמה על יצירתו, למכירות בפועל שבעבר פשוט הלכו לאיבוד.
אנשי המכירות הבכירים הפסיקו לבזבז זמן יקר על לידים לא רלוונטיים והתמקדו אך ורק בעסקאות איכותיות. השינוי הוביל לירידה בעלות רכישת הלקוחות ולעלייה משמעותית במורל הצוות, שנהנה כעת מזרם יציב ומתועדף של לידים בעלי פוטנציאל אמיתי.
ציון לידים שרק מוצג בלוח הבקרה אינו מייצר ערך בפני עצמו. הערך האמיתי נוצר כאשר משתמשים בו כדי לנתב את הליד לנציג בעל הסיכוי הגבוה ביותר לסגור את העסקה, תוך אספקת הרקע והסיבה לכך. זוהי אותה מתודולוגיה של חיזוי וניקוד העומדת בבסיס עבודת ניקוד הלידים שלנו, הממוקדת כאן בניתוב ובהתאמה אישית במקום בדירוג כללי של צנרת המכירות.
הנציגים התפזרו על כל הלידים בלי אבחנה. העשרת נתונים וניקוד חיזויי ב-AI הפנו אותם לעסקאות ששוות את הזמן, והעלו המרה ומהירות תגובה בלידים אסטרטגיים.
לפרויקט המלא ← הצלחת לקוח · SaaSנטישה הופיעה מאוחר מדי מכדי לעצור. מודל בריאות לקוח סימן סיכון ואותות הרחבה חודשים לפני החידוש, והעלה את שיעור זכייה בחידוש וקיצץ נטישה ברוטו.
לפרויקט המלא ←
Reef TRH