فهرست سرنخ‌ها در سامانهٔ مدیریت ارتباط با مشتری معمولاً به ترتیب تاریخ ثبت مرتب است. فروشنده هم از بالا شروع می‌کند، یعنی از تازه‌ترین سرنخ، نه از محتمل‌ترین. این ترتیب هیچ ربطی به احتمال خرید ندارد و در پایان ماه نتیجه‌اش روشن است: وقت روی مخاطبانی خرج شده که هرگز قصد خرید نداشتند، و کسانی که آماده بودند بی‌پاسخ مانده‌اند.

امتیازدهی سرنخ دقیقاً همین ترتیب را عوض می‌کند. کاری که انجام می‌دهد ساده اما اثرگذار است: از روی رفتار و مشخصات سرنخ‌های گذشته که به قرارداد رسیده‌اند، تخمین می‌زند هر سرنخ تازه چقدر به آن الگو شبیه است و فهرست تماس را بر همان اساس بازمرتب می‌کند.

سه خروجی که از یک مدل امتیازدهی می‌گیرید

• امتیاز احتمال تبدیل: عددی برای هر سرنخ که ترتیب تماس را تعیین می‌کند.
• دلیل امتیاز: نشان دادن عواملی که امتیاز را بالا یا پایین برده‌اند تا فروشنده بداند با چه زاویه‌ای وارد شود.
• برآورد خط لوله: تصویری واقع‌بینانه‌تر از فروش فصل، بر پایهٔ ترکیب سرنخ‌های موجود.

چرا امتیازدهی دستی از جایی به بعد کار نمی‌کند

بیشتر سازمان‌ها نوعی امتیازدهی دستی دارند: چند امتیاز برای سمت شغلی، چند امتیاز برای اندازهٔ شرکت، چند امتیاز برای بازدید از صفحهٔ قیمت. اشکال این روش در وجود قاعده نیست، در ثابت ماندن وزن‌هاست. آن اعداد را کسی یک‌بار در گذشته حدس زده و از آن پس تغییر نکرده‌اند، در حالی که بازار، محصول و مخاطب عوض شده‌اند. مدل داده‌محور همان کار را می‌کند با این تفاوت که وزن‌ها را از نتایج واقعی می‌گیرد و با هر دور بازآموزی به‌روز می‌شوند.

دادهٔ لازم معمولاً همان‌جاست

برای شروع به داده‌ای بیرون از سازمان نیازی نیست؛ تاریخچهٔ سرنخ‌های دو سال گذشته کافی است. یک شرط مهم اما وجود دارد که اغلب نادیده گرفته می‌شود: مدل به همان اندازه که به معاملات برنده‌شده نیاز دارد، به معاملات ازدست‌رفته هم نیاز دارد. اگر تیم فروش تنها موفقیت‌ها را ثبت کرده و پرونده‌های شکست‌خورده را بی‌نتیجه رها کرده باشد، مدل مبنایی برای تشخیص تفاوت ندارد. ثبت دقیق دلیل شکست، ارزشمندترین دادهٔ این پروژه است.

چرا برای تیم‌های فروش ایران اهمیت دارد

تیم‌های فروش سازمانی در ایران معمولاً کوچک‌اند و چرخهٔ فروششان طولانی است؛ در چنین ساختاری هر ساعت فروشنده گران است و اشتباه در تخصیص وقت مستقیم به درآمد ازدست‌رفته ترجمه می‌شود. افزودن نیرو هم راه‌حل سریعی نیست، چون آموزش فروشندهٔ تازه ماه‌ها طول می‌کشد. اولویت‌بندی درست، عملاً تنها راهی است که ظرفیت فروش را بدون افزایش هزینهٔ ثابت بالا می‌برد.

۹۰ روز نخست

• روز ۱ تا ۳۰: پرونده‌های دو سال گذشته را پاک‌سازی کنید و وضعیت نهایی هر سرنخ، برنده یا بازنده، را مشخص کنید.
• روز ۳۰ تا ۶۰: مدل را بسازید و امتیازها را چند هفته بدون تغییر در روال کاری به فروشندگان نشان دهید تا اعتماد شکل بگیرد.
• روز ۶۰ تا ۹۰: ترتیب تماس را برای نیمی از تیم بر پایهٔ امتیاز تغییر دهید و نرخ تبدیل دو گروه را مقایسه کنید.

خطاهای پرتکرار

• حذف کامل سرنخ‌های کم‌امتیاز؛ امتیاز پایین یعنی اولویت پایین، نه بی‌ارزش بودن.
• پنهان کردن منطق امتیاز از فروشنده؛ عددی که دلیلش معلوم نباشد نادیده گرفته می‌شود.
• آموزش مدل تنها روی معاملات موفق و کنار گذاشتن پرونده‌های شکست‌خورده.
• بازآموزی نکردن پس از تغییر قیمت یا ورود به بازار جدید؛ الگوی خرید با هر تغییری جابه‌جا می‌شود.

سه اقدام برای همین فصل

• ثبت دلیل شکست را در سامانه اجباری کنید؛ بدون آن هیچ مدلی ساخته نمی‌شود.
• نرخ تبدیل فعلی خود را به تفکیک منبع سرنخ اندازه بگیرید تا مبنای مقایسه داشته باشید.
• امتیاز را در کنار قضاوت فروشنده بگذارید، نه به‌جای آن؛ اختلاف میان این دو معمولاً آموزنده‌ترین بخش کار است.

پرسش‌های پرتکرار

• حداقل تعداد پرونده برای شروع چقدر است؟
  عدد ثابتی وجود ندارد، اما باید در هر دو گروه برنده و بازنده نمونهٔ کافی داشته باشید؛ چند صد پروندهٔ کامل معمولاً نقطهٔ شروع واقع‌بینانه‌ای است.
• اگر داده‌های سامانه ناقص باشد چه؟
  با همان چند فیلد قابل اتکا شروع کنید. مدلی که روی پنج فیلد تمیز ساخته شود از مدلی که روی سی فیلد آشفته ساخته شود بهتر عمل می‌کند.
• آیا این کار انگیزهٔ تیم فروش را کم می‌کند؟
  معمولاً برعکس. فروشنده‌ای که وقتش صرف مکالمه‌های بی‌نتیجه نشود، هم نتیجهٔ بهتری می‌گیرد و هم رضایت بیشتری دارد.

جمع‌بندی

امتیازدهی سرنخ نه سرنخ تازه‌ای می‌سازد و نه جای مهارت فروشنده را می‌گیرد؛ تنها ترتیب کار را عوض می‌کند. در تیمی که وقت کمیاب‌ترین منبع است، همین تغییر ترتیب می‌تواند بیش از هر کمپین تازه‌ای در درآمد اثر بگذارد.

واژه‌نامه

• سرنخ: مشتری بالقوه‌ای که هنوز خرید نکرده است.
• امتیاز سرنخ: عددی که احتمال تبدیل شدن یک سرنخ به مشتری را برآورد می‌کند.
• نرخ تبدیل: سهم سرنخ‌هایی که به فروش می‌رسند.
• خط لولهٔ فروش: مجموعهٔ معاملات در جریان، به تفکیک مرحله.
• معاملهٔ ازدست‌رفته: پرونده‌ای که به فروش نرسیده و دلیل شکستش ثبت شده است.
• بازآموزی: ساختن دوبارهٔ مدل با داده‌های تازه پس از تغییر شرایط بازار یا محصول.

اقدام این هفته

این هفته، یک جلسهٔ ۹۰ دقیقه‌ای با تیم فروش و مدیر سامانهٔ CRM بگذارید و سه کار مشخص را در آن انجام دهید: اول، فهرستی از ۲۰ سرنخِ دو سال گذشته تهیه کنید که نیمی از آن‌ها به قرارداد رسیده و نیمی شکست خورده‌اند؛ دوم، برای هر کدام، دلیل روشن موفقیت یا شکست را در سامانه ثبت کنید و از این پس ثبت دلیل بسته‌شدن پرونده را به یک مرحلهٔ اجباری تبدیل کنید؛ سوم، نرخ تبدیل فعلی را به تفکیک منبع سرنخ (وبینار، تماس سرد، معرفی، فرم وب‌سایت) استخراج کنید تا خط پایه‌ای برای مقایسهٔ بعدی داشته باشید. این سه داده، ورودی‌های اصلی مدل امتیازدهی هستند و بدون آن‌ها، هیچ الگوریتمی در هفته‌های آینده قابل اجرا نیست.

منابع

• چگونه تصمیم‌های هوشمندانه‌تری در امتیازدهی سرنخ بگیریم — هاروارد بیزینس ریویو
• راهنمای جامع امتیازدهی سرنخ — هاب‌اسپات
• امتیازدهی سرنخ و اولویت‌بندی در CRM — سالس‌فورس
• بهترین شیوه‌های امتیازدهی سرنخ — فوربز