Lead Puanlama Nasıl Kurulur? Satışa Hazır Müşteriyi Ayırma Rehberi

Bu rehberde lead puanlama modelini sıfırdan kurmanın adımlarını anlatıyoruz. Talha Aslan ve ekibi olarak sahada en sık gördüğümüz sorun şudur: form doldurulur, CRM (müşteri ilişkileri yönetimi yazılımı) kaydı açılır, ama hiç kimse hangi kaydın önce aranacağını bilmez. Sonuçta satış ekibi listeyi tarih sırasıyla arar ve en istekli müşteri sırada bekler.

Lead (potansiyel müşteri) kelimesini ilk geçtiği yerde açıklayalım: bir ürün ya da hizmet için iletişim bilgisi bırakan ve henüz satın almamış kişi ya da şirkettir. Puanlama ise bu kişileri aynı çizgiye dizmenin yoludur.

Lead puanlama neden form sayısından daha önemli?

Form sayısı bir hacim göstergesidir; ancak satış ekibinin takvimi sınırlıdır. Yüz form gelen bir haftada ekip yalnızca bir kısmına derinlemesine dönebiliyorsa, hangi formun önce ele alınacağı doğrudan kapanan işi etkiler. Bu nedenle sıralama, hacimden daha belirleyici bir karar haline gelir.

Öte yandan puan olmadan iki hatayı sık görürüz. Birincisi, öğrenci, rakip ya da iş arayan kişiler satışın vaktini alır. İkincisi, gerçekten satın almaya hazır bir karar verici, birkaç gün geç arandığı için başka bir tedarikçiye geçer. Puanlama bu iki kaybı aynı anda küçültmeyi hedefler.

Ayrıca puan, pazarlama ile satış arasındaki tartışmayı veriye taşır. "Gönderdiğiniz leadler kötü" cümlesi yerine "bu ay eşiği geçen kayıtların ne kadarı görüşmeye dönüştü" sorusunu konuşursunuz. Kısacası puanlama bir raporlama aracı değil, ortak dil kurma aracıdır.

Lead kalitesinin kaynağı çoğu zaman puanlamadan önce, talep toplama aşamasında şekillenir. Kampanya, form ve teklif kurgusunu baştan ele almak isterseniz lead generation sayfamızda bu süreci nasıl yürüttüğümüzü anlatıyoruz; puanlama ise o hattın sonunda doğru kişiyi öne çıkarır.

Profil puanı ve davranış puanı arasındaki fark nedir?

Lead puanlama modelinin iki ayağı vardır. Profil puanı (fit) kişinin ve şirketin ideal müşteri tanımınıza ne kadar uyduğunu ölçer. Davranış puanı (engagement) ise kişinin markanızla ne kadar ve ne yakın zamanda etkileşime girdiğini gösterir. İkisi farklı soruları cevaplar.

• Profil puanı: "Bu kişi bizim müşterimiz olabilir mi?" sorusunu cevaplar. Sektör, şirket büyüklüğü, unvan, bölge gibi alanlara bakar.
• Davranış puanı: "Bu kişi şu an ilgileniyor mu?" sorusunu cevaplar. Fiyat sayfası ziyareti, demo talebi, e-posta tıklaması gibi olaylara bakar.
• Birleşik görünüm: İkisini ayrı tutup birlikte okursanız hem uygun hem ilgili kişiyi seçersiniz.

Örneğin HubSpot'un resmi yardım belgesi, uyum (fit) ve etkileşim (engagement) puanlarını ayrı tutan, birleşik puanda ise uyumu harfle, etkileşimi rakamla gösteren bir yapı anlatıyor (HubSpot lead puanlama aracı belgesi). Hangi yazılımı kullanırsanız kullanın, bu ayrım mantıklıdır; çünkü ilgili ama uygun olmayan bir kişi ile uygun ama sessiz bir kişi farklı işlem ister.

İdeal müşteri tanımını puana nasıl çevirirsiniz?

Profil puanı, yazılı bir ideal müşteri tanımı olmadan kurulamaz. İlk iş olarak satış ekibiyle oturup son dönemde kapanan işlere bakarsınız. Bu kayıtlarda ortak olan özellikleri listelersiniz: hangi sektörler, hangi şirket büyüklükleri, hangi unvanlar karar veriyor?

1. Kapanan ve kaybedilen işleri yan yana koyun.
2. İki grubu ayıran üç ila beş özelliği seçin.
3. Her özellik için "güçlü uyum, kısmi uyum, uyumsuz" olmak üzere üç seviye tanımlayın.
4. Güçlü uyuma yüksek, kısmi uyuma orta puan verin; uyumsuzluğa sıfır ya da eksi puan verin.
5. Kesin eleme kriterlerini (hizmet vermediğiniz ülke gibi) puan yerine filtre olarak işleyin.

Burada önemli bir ayrıntı var: profil puanını çok fazla alana bölmeyin. Yirmi alanlı bir profil modeli, eksik veriler yüzünden çoğu kayıtta anlamsız bir ortalama üretir. Bu yüzden az ama doldurulması kolay alanlarla başlamak daha sağlıklıdır. Formdaki alanları belirlerken randevu, teklif ve demo formu tasarımı yazımızdaki dengeyi de gözetin; her yeni alan daha az form demektir.

Davranış puanına hangi olaylar girmeli?

Davranış puanı için her tıklamayı saymak cazip gelir, ama bu puanı şişirir. Doğru yaklaşım, satın alma niyetine yakın olayları yüksek, genel ilgiyi düşük puanlamaktır. Yani blog okuması ile fiyat sayfası ziyareti aynı ağırlıkta olmamalıdır.

• Yüksek niyet: demo ya da teklif talebi, fiyat sayfasını tekrar ziyaret, iletişim formu, satış ekibine doğrudan yanıt.
• Orta niyet: vaka ya da çözüm sayfası okuma, karşılaştırma içeriği indirme, webinar kaydı.
• Düşük niyet: bülten kaydı, genel blog ziyareti, sosyal medya etkileşimi.
• Eksi sinyal: kariyer sayfası ziyareti, e-postadan çıkış, uzun süre hareketsizlik.

Ayrıca olayların web sitesinden CRM'e doğru akması gerekir. Form gönderimi CRM'e düşüyor ama sayfa ziyaretleri düşmüyorsa davranış puanı yarım kalır. Bu bağlantının teknik tarafını CRM entegrasyonlu web sitesi ve lead takibi yazımızda ayrıntılı anlattık.

Lead puanlama verisini hangi kaynaklardan beslersiniz?

Bir puan, beslendiği veri kadar iyidir. Bu yüzden kurulumdan önce hangi verinin nereden geldiğini haritalarsınız. Tipik bir B2B şirkette veri en az dört kaynaktan akar: web sitesi formları, reklam platformlarının yerel formları, e-posta aracı ve satış ekibinin kendi notları.

• Web formları: profil alanlarının ana kaynağı; gizli alanlarla kaynak ve kampanya bilgisini de taşır.
• Site davranışı: sayfa ziyaretleri ve önemli tıklamalar; ölçüm etiketleriyle CRM'e aktarırsınız.
• E-posta etkileşimi: tıklamalar anlamlıdır, açılmalar ise gizlilik özellikleri nedeniyle güvenilir sinyal değildir.
• Satış notları: görüşme sonucu ve red gerekçesi; modeli düzelten en değerli veri.

Her kaynak için tek bir sorumlu belirleyin. Kaynak bozulduğunda puan sessizce yanlış hesaplanmaya başlar ve bunu ancak satış şikâyet ettiğinde fark edersiniz. Ayda bir kez rastgele birkaç kaydı açıp puanın nereden geldiğini elle doğrulamak, bu riski büyük ölçüde azaltır.

Puanlar zamanla neden azalmalı?

Altı ay önce fiyat sayfasını ziyaret eden biri ile dün ziyaret eden biri aynı kişi değildir. Bu nedenle davranış puanına bir zaman boyutu eklersiniz. Buna puan aşınması (decay) denir: olay eskidikçe katkısı azalır ya da belirli bir sürenin sonunda tamamen düşer.

Aşınma kurmanın iki yaygın yolu vardır. Birinci yol, olayları belirli bir zaman penceresiyle sınırlamaktır; örneğin yalnızca son dönemdeki ziyaretleri saymak. İkinci yol, olayın puanını adım adım düşürmektir. HubSpot'un yukarıda andığımız belgesi de etkileşim puanlarında aşınma seçeneğinden söz ediyor.

Pencere uzunluğu sizin satış döngünüze bağlıdır. Kısa döngülü bir hizmette pencere dar olmalı; uzun döngülü kurumsal satışta ise daha geniş tutulabilir. Burada ezbere bir süre önermiyoruz, çünkü doğru değer sizin geçmiş verinizden çıkar. İlk kurulumda makul bir pencere seçin, sonra gözden geçirme döngüsünde ayarlayın.

Aşınma olmadan puanlama modeli zamanla bozulur: eski ama hareketsiz kayıtlar eşiğin üstünde birikir ve satış listesi yine gürültüyle dolar.

Eşik değerini nasıl belirlersiniz?

Eşik, bir kaydın pazarlama nitelikli lead (MQL) ya da satış nitelikli lead (SQL) olarak işaretlendiği puandır. Eşiği tahminle değil, geçmiş veriye bakarak koyarsınız. Önce son dönemde görüşmeye dönüşen kayıtların, modeliniz o zaman çalışıyor olsaydı kaç puan alacağını hesaplarsınız.

1. Kapanan işlerin geriye dönük puanını hesaplayın.
2. Kaybedilen ya da hiç yanıt vermeyen kayıtların puanını hesaplayın.
3. İki grubun en iyi ayrıştığı aralığı bulun.
4. Eşiği bu aralığın alt tarafına koyun ve satış ekibinin kapasitesiyle karşılaştırın.
5. Eşik üstü kayıt sayısı satışın kaldırabileceğinden fazlaysa eşiği yükseltin.

Dolayısıyla eşik, yalnızca kaliteyle değil, kapasiteyle de ilgilidir. Ekip küçükse daha seçici bir eşik kullanırsınız; ekip büyüdükçe eşiği gevşetebilirsiniz. Eşik değerini bir kez koyup unutmazsınız.

MQL ile SQL arasındaki sınır nerede çizilir?

MQL, pazarlamanın "bu kişi ilgili ve uygun görünüyor" dediği kayıttır. SQL ise satış ekibinin kaydı inceleyip "bununla görüşmeye değer" diye kabul ettiği aşamadır. Aradaki geçiş otomatik değil, bir kabul adımıdır; çünkü puan bir tahmin, satışçının değerlendirmesi ise bir karardır.

Bu tabloyu kendi şirketinize göre uyarlayın. Bazı ekipler SAL aşamasını atlar; ancak geri gönderme gerekçesini kaydetmek modeli geliştirmek için en değerli veridir.

Satış ekibiyle hizmet seviyesi anlaşmasını nasıl yazarsınız?

Pazarlama ve satış arasındaki anlaşma, puanlamanın gerçek hayatta çalışıp çalışmayacağını belirler. Yazılı bir anlaşma olmadan MQL'ler CRM'de bekler ve kimse sorumluluk almaz. Bu nedenle kısa ama net bir belge hazırlarsınız.

• Tanımlar: MQL, SAL ve SQL'in tek cümlelik tanımı, iki tarafın da imzasıyla.
• Kabul süresi: satışın bir MQL'i ne kadar süre içinde kabul ya da red edeceği.
• Temas taahhüdü: kabul edilen kayda ilk temasın hangi kanaldan ve kaç denemeyle yapılacağı.
• Geri gönderme kuralı: red edilen kaydın hangi gerekçe kodlarından biriyle döneceği.
• Pazarlama taahhüdü: belirli dönemde gönderilecek MQL hacmi ve kalite tanımı.

İlk temas hızı bu anlaşmanın en kritik parçasıdır. Hangi kanalla, hangi sırayla ve mesai dışında ne yapılacağını kardeş yazımız gelen talebe ne kadar hızlı dönülmeli ayrıntılı ele alıyor; burada yalnızca anlaşmaya bir süre maddesi koymanızı öneriyoruz.

CRM'de hangi alanları açmanız gerekir?

Puanlama modelini kâğıtta tasarlamak kolaydır; zor olan, CRM'de doğru alanlarla hayata geçirmektir. Eksik alan, ileride geriye dönük analiz yapmanızı engeller. Bu yüzden ilk günden aşağıdaki alanları açmanızı öneriyoruz.

Kaynak alanı için reklam ve e-posta bağlantılarınızda tutarlı UTM etiketleri kullanın; bunun için UTM oluşturucu aracımız işinizi kolaylaştırır.

Örnek senaryo: bir B2B hizmet firması puan tablosunu nasıl kurar?

Aşağıdaki tablo tamamen bir örnek senaryodur; rakamlar yalnızca mantığı göstermek için seçilmiştir ve sizin modeliniz için öneri değildir. Senaryoda kurumsal müşterilere yazılım danışmanlığı veren bir firma düşünün. Firma orta ölçekli üretim şirketlerine satış yapıyor ve karar vericiler genellikle bilgi işlem ya da operasyon yöneticileri.

Bu örnek senaryoda eşik, örneğin 60 puan olarak seçilmiş olsun. Hedef sektördeki bir operasyon müdürü demo talep ederse eşiği hemen geçer. Öte yandan aynı sektörden bir stajyer yalnızca blog okuyorsa beslemede kalır. Böylece satış ekibi önce doğru kişiyle konuşur.

Negatif puan ve eleme kuralları nasıl çalışır?

Negatif puan, modeli gerçekçi tutan güvenlik kemeridir. Pozitif sinyaller zamanla birikir; ancak bazı sinyaller kişinin müşteri olmayacağını güçlü biçimde gösterir. Bu sinyalleri eksi puanla ya da doğrudan elemeyle işlersiniz.

• Rakip şirket alan adından gelen kayıtlar için eleme kuralı.
• Hizmet vermediğiniz bölgeler için eleme kuralı.
• Kariyer ve staj sayfası ziyaretleri için eksi puan.
• E-postadan çıkış yapan ya da iletişim iznini geri alan kişi için temas durdurma.
• Uzun süre hareketsiz kalan kayıt için davranış puanını sıfırlama.

Özellikle izin konusunu puandan ayrı tutun. Bir kişinin puanı yüksek olabilir; fakat ticari ileti iznini geri almışsa ona pazarlama mesajı göndermezsiniz. Puan "kime öncelik verelim" sorusunu cevaplar, "kime yazabiliriz" sorusunu değil. İzin tarafını İYS ve ticari elektronik ileti izni yazımızda anlattık.

Lead puanlama modelini ilk ay nasıl test edersiniz?

İlk ayı bir deneme dönemi olarak görün. Modeli hemen satış akışına bağlamak yerine, birkaç hafta "gölge modda" çalıştırabilirsiniz. Yani sistem puanı hesaplar ama kaydı satışa otomatik devretmez; ekip mevcut düzenle çalışmaya devam eder.

Bu dönemde iki listeyi karşılaştırırsınız: satışın kendi seçtiği ve görüştüğü kayıtlar ile modelin eşik üstüne çıkardığı kayıtlar. İki liste büyük ölçüde örtüşüyorsa model doğru yoldadır. Örtüşmüyorsa hangi kriterin yanlış ağırlıklandırıldığını araştırırsınız.

1. Modeli devir yapmadan çalıştırın.
2. Haftalık olarak eşik üstü kayıtları satışla birlikte gözden geçirin.
3. Satışın "bunu neden atladınız" dediği kayıtları not edin.
4. Ağırlıkları bir kez düzeltin, tekrar ölçün.
5. Örtüşme tatmin edici olduğunda otomatik devri açın.

Bu yaklaşım, satış ekibinin modele güvenmesini de sağlar. Çünkü ekip, kriterlerin nereden geldiğini ve nasıl düzeltildiğini görmüş olur.

Puanı gözden geçirme döngüsü nasıl kurulur?

Lead puanlama bir kez kurulup bırakılan bir sistem değildir. Pazar değişir, kampanyalar değişir, ürün değişir; dolayısıyla puan ağırlıkları da eskir. Bu nedenle takvime bağlı bir gözden geçirme döngüsü kurarsınız.

Gözden geçirme toplantısında üç soruya bakmanızı öneriyoruz. Birincisi: eşik üstü kayıtların ne kadarı satış tarafından kabul edildi? İkincisi: kabul edilenlerin ne kadarı fırsata dönüştü? Üçüncüsü: red gerekçelerinde öne çıkan bir örüntü var mı? Bu oranları hesaplarken dönüşüm oranı hesaplama aracımızı kullanabilirsiniz.

• Kabul oranı düşükse eşik çok gevşek ya da profil kriterleri yanlıştır.
• Kabul yüksek ama fırsat oranı düşükse davranış puanı niyeti iyi yakalamıyordur.
• Satış eşik altından sürekli kayıt çekiyorsa önemli bir sinyali kaçırıyorsunuzdur.

Her gözden geçirmede yalnızca birkaç değişiklik yapın. Aynı anda her şeyi değiştirirseniz hangi ayarın işe yaradığını anlayamazsınız.

Kural tabanlı puan mı, yapay zeka destekli puan mı?

Kural tabanlı puanlama, kriterleri ve ağırlıkları sizin elle belirlediğiniz modeldir. Yapay zeka destekli (tahmine dayalı) puanlama ise geçmiş dönüşüm verisinden ağırlıkları kendisi çıkarır. İkisinin de yeri vardır; ancak başlangıç noktası çoğu zaman kural tabanlı modeldir.

Tahmine dayalı modellerin çoğu belirli bir veri hacmi ister; HubSpot da yapay zekayla kurulan puanlar için asgari dönüşmüş ve dönüşmemiş kayıt şartından söz ediyor. Güncel koşulları kullandığınız yazılımın resmi sayfasından kontrol edin. Puanlamayı CRM akışlarıyla otomatikleştirmek isterseniz CRM otomasyonu çözümümüze göz atabilirsiniz.

Puanı reklam platformlarına geri beslemek mümkün mü?

Evet, ve bu çoğu zaman puanlamanın gözden kaçan getirisidir. Reklam platformları genellikle form gönderimini dönüşüm sayar; ancak her form aynı değerde değildir. Puanlamayla nitelikli hale gelen kayıtları platforma geri bildirirseniz, kampanya optimizasyonu daha kaliteli taleplere yönelebilir.

Örneğin Google Ads, reklam tıklamasından sonra çevrimdışı gerçekleşen satış ve lead aşamalarını içe aktarmanıza imkân tanıyor (Google Ads çevrimdışı dönüşüm içe aktarma belgesi). Yöntemler ve önerilen kurulum zamanla değişebildiği için güncel adımları bu resmi sayfadan takip edin.

Pratikte MQL ya da SQL aşamasını ayrı bir dönüşüm olarak tanımlarsınız. Böylece kampanya raporunda yalnızca "kaç form geldi" değil, "kaç nitelikli talep geldi" sorusunu da görürsünüz. Bu, edinme maliyetini doğru ölçmenin de temelidir; konuyu müşteri edinme maliyeti nasıl düşürülür yazımızda genişlettik.

Lead puanlama ile lead besleme nasıl birlikte çalışır?

Eşiğin altında kalan kayıtlar çöpe gitmez; besleme (nurturing) akışına girer. Besleme, henüz satışa hazır olmayan kişiye ilgi alanına uygun içerikleri belirli aralıklarla ulaştırma işidir. Puanlama ise beslemenin ne zaman bittiğini söyler: kişi yeterli sinyali verdiğinde satışa geçer.

Bu iki sistemi birbirine bağlamak için puan bantları kurarsınız. Örneğin düşük bantta genel eğitici içerik, orta bantta karşılaştırma ve vaka içeriği, eşiğe yakın bantta ise demo ya da görüşme daveti gönderirsiniz. Böylece her kişi kendi hazırlık seviyesine uygun mesaj alır.

• Düşük bant: rehber, kontrol listesi, sözlük içerikleri.
• Orta bant: karşılaştırma tablosu, örnek senaryo, sık sorulan sorular.
• Eşiğe yakın bant: kısa görüşme daveti, ihtiyaç analizi soruları.

Ancak besleme mesajları da izin kurallarına tabidir. Pazarlama iletisi gönderdiğiniz her kişi için geçerli izni ya da yasal dayanağı CRM'de kayıtlı tutun.

Şirket düzeyinde puan ile kişi düzeyinde puan arasındaki fark nedir?

B2B satışta karar çoğu zaman tek kişi vermez. Aynı şirketten üç farklı kişi farklı zamanlarda sitenize gelebilir: biri teknik içerik okur, biri fiyat sayfasına bakar, biri de demo ister. Kişi düzeyinde puanlama bu üç kişiyi ayrı ayrı değerlendirir; şirket düzeyinde puanlama ise sinyalleri tek hesapta toplar.

Bu nedenle kurumsal satış yapıyorsanız iki katmanı birlikte kullanmanızı öneriyoruz. Kişi puanı "kiminle konuşalım" sorusunu, şirket puanı "hangi hesaba odaklanalım" sorusunu cevaplar. Öte yandan şirket puanı için CRM'de kişilerin doğru şirkete bağlı olması gerekir; aksi halde sinyaller dağılır.

Pratik bir kural olarak şirket puanında profil kriterlerini şirketin kendisine (sektör, büyüklük, bölge), davranış kriterlerini ise o şirketteki tüm kişilerin toplam etkileşimine bağlarsınız. Kişi puanında ise unvan ve bireysel davranış öne çıkar.

Lead puanlama sonuçlarını hangi raporla izlersiniz?

Puanlama modelinin işe yarayıp yaramadığını görmek için tek bir rapor yeterli olabilir: puan bandına göre dönüşüm raporu. Bu raporda her puan bandındaki kayıt sayısını, satışın kabul ettiği kayıt sayısını ve fırsata dönüşen kayıt sayısını yan yana görürsünüz.

1. Kayıtları puan bandına göre gruplayın.
2. Her bant için kabul ve fırsat sayılarını çıkarın.
3. Bantlar arasında dönüşümün düzenli artıp artmadığına bakın.
4. Kaynak ve kampanya kırılımı ekleyin.

İyi çalışan bir modelde yüksek bantların dönüşümü düşük bantlardan belirgin biçimde iyi olur. Bantlar arasında fark yoksa, puanınız niyeti ayırt etmiyor demektir. Kaynak kırılımı ise hangi kanalın gerçekten nitelikli talep getirdiğini gösterir; LinkedIn formlarından gelen kayıtları ayrıca izlemek isterseniz LinkedIn Lead Gen Form yazımıza bakabilirsiniz.

Lead puanlamada en sık yapılan hatalar nelerdir?

Sahada gördüğümüz hataların çoğu teknik değil, süreçle ilgilidir. Model iyi tasarlansa bile, aşağıdaki hatalar onu kısa sürede işe yaramaz hale getirir.

• Satışı dışarıda bırakmak: kriterleri yalnızca pazarlama belirlerse satış modele güvenmez.
• Her olayı puanlamak: e-posta açılması gibi zayıf sinyaller puanı şişirir.
• Aşınma kurmamak: eski ilgi güncel ilgi gibi görünür.
• Tek puan kullanmak: profil ve davranışı karıştırmak, uygun olmayan ama aktif kişiyi öne çıkarır.
• Red gerekçesi toplamamak: modeli düzeltecek veri hiç oluşmaz.
• Puanı izin yerine kullanmak: yüksek puan, iletişim izni anlamına gelmez.

Bunlara ek olarak, puanlamayı huninin tamamından kopuk kurmak da yaygın bir hatadır. Puan, hunideki aşamalarla anlam kazanır; hunideki aşama tanımlarınızı dönüşüm hunisi nasıl kurulur yazımızla birlikte okumanızı öneriyoruz.

Lead puanlama için kurulum kontrol listesi

Aşağıdaki listeyi kurulum sırasında adım adım işaretleyebilirsiniz. Listeyi kısa tuttuk; çünkü amaç ilk sürümü hızla canlıya almak ve sonra gözden geçirme döngüsüyle iyileştirmektir.

1. Kapanan ve kaybedilen işlerden ideal müşteri tanımını yazın.
2. Üç ila beş profil kriteri seçin ve seviyelendirin.
3. Davranış olaylarını niyete göre gruplayıp listeleyin.
4. Eksi puan ve eleme kurallarını ekleyin.
5. Davranış puanı için aşınma ya da zaman penceresi belirleyin.
6. Geçmiş veriyle eşiği hesaplayın ve kapasiteyle karşılaştırın.
7. CRM'de puan, aşama, tarih ve red gerekçesi alanlarını açın.
8. Satışla MQL, SAL, SQL tanımlarını ve kabul süresini yazılı hale getirin.
9. Modeli gölge modda deneyin.
10. Gözden geçirme toplantısını takvime koyun.

Bu listeyi tamamladığınızda elinizde çalışan bir ilk sürüm olur. Mükemmel model aramak yerine, ölçülebilir bir başlangıç yapmak her zaman daha hızlı sonuç verir.

Lead puanlama kurulumunda ne zaman dışarıdan destek almalısınız?

Ekibiniz küçükse ve CRM verisi dağınıksa, puanlama modelini kendi başınıza kurmak uzun sürebilir. Özellikle talep kaynakları çoksa, formlar farklı sistemlere düşüyorsa ya da satış ve pazarlama farklı tablolarla çalışıyorsa, işin büyük kısmı modelden önce veri düzenidir.

Bu durumda dışarıdan destek, hız kazandırır; çünkü veri temizliği, alan yapısı, eşik hesabı ve satış anlaşması aynı projenin parçası olur. Yine de hiçbir model belirli bir satış sonucu garanti etmez; model yalnızca doğru kişiyi öne çıkarır, görüşmenin kalitesi satış ekibine aittir.

Talep toplama ile puanlamayı tek bir akış olarak kurmak isterseniz, Talha Aslan ve ekibi olarak yürüttüğümüz potansiyel müşteri kazanımı çalışmasında kampanya, form, CRM alanları ve puanlama modelini birlikte tasarlıyoruz. Böylece satış ekibinin önüne gelen liste, hem hacim hem öncelik açısından anlamlı hale gelir.

Temel rehber: Dijital Pazarlama Nedir? Türleri, örnekleri ve nasıl yapıldığı, beynin içinden geçen etkileşimli bir filmle tek sayfada.