Какую задачу скоринг решает на самом деле
Скоринг возникает из дефицита. Обращений больше, чем времени продавцов, и порядок обработки перестаёт быть безразличным: то, до чего дошли на третий день, закрывается хуже того, до чего дошли за час. Система баллов существует, чтобы распределить это ограниченное внимание не по случайности поступления, а по вероятности результата.
Из такой постановки следуют два ограничения, о которых забывают. Балл — не характеристика человека, а позиция в очереди на сегодня. Тот же самый контакт через месяц может оказаться первым в списке, ничего в себе не изменив: изменится его поведение. И второе — скоринг не увеличивает число сделок из воздуха, он перекладывает время туда, где оно даёт больше. Если продавцы успевают связаться со всеми в день обращения, вводить баллы бессмысленно, и любые вычисления окажутся работой ради работы.
Отсюда же критерий пользы. Скоринг работает, если верхняя часть очереди закрывается заметно чаще нижней. Если разницы нет, система баллов не предсказывает ничего — и это проверяется на истории, а не мнением.
Два типа признаков, которые нельзя смешивать
Признаки пригодности описывают, кем человек является: отрасль, размер компании, должность обратившегося, город, тип задачи. Они отвечают на вопрос, может ли этот человек в принципе стать вашим клиентом. Источник — анкета, форма, обогащение данных, разговор. Меняются они редко.
Признаки готовности описывают, что человек делает: сколько раз возвращался, смотрел ли условия, скачивал ли материал за контакт, открывал ли страницу с ценами, отвечал ли на письмо. Они отвечают на вопрос, насколько он близок к решению прямо сейчас, и меняются ежедневно.
Складывать оба типа в одну сумму — распространённое решение и источник главной путаницы. Директор подходящей компании, зашедший однажды, и студент, изучивший весь сайт, получат одинаковый балл, а работать с ними нужно противоположным образом: первому написать, второго не трогать вовсе. Поэтому шкал лучше две, а очередь строится по их сочетанию: высокая пригодность плюс высокая готовность — первыми, высокая пригодность при низкой готовности — в рассылку на прогрев, низкая пригодность — в общий поток независимо от активности.
Формально это то же деление, что и в сегментации базы, только с числовым выражением. Разница в назначении: сегмент отвечает, что человеку писать, балл — когда до него дойдёт очередь.
Какие признаки что предсказывают
| Признак | Что предсказывает | Насколько надёжен | Чем ломается |
|---|---|---|---|
| Совпадение с профилем клиента | Пригодность в принципе | Высоко, если профиль выведен из сделок | Профиль описан по желаемому, а не по фактическим клиентам |
| Просмотр страницы условий или цен | Близость к решению | Высоко | Заходят и конкуренты, и текущие клиенты |
| Повторный визит через несколько дней | Возврат к задаче | Средне | Не отличает интерес от неудачного поиска нужного раздела |
| Ответ на письмо или сообщение | Готовность разговаривать | Высоко | Редкое событие, мало кому начисляется |
| Заполнение полей сверх обязательных | Серьёзность намерения | Средне | Зависит от устройства формы, а не от человека |
| Число открытых писем | Интерес к теме | Низко | Открытия завышаются предзагрузкой изображений |
| Источник обращения | Состав аудитории канала | Средне | Смешивается с качеством конкретной кампании |
Последняя строка требует оговорки. Источник действительно связан с вероятностью сделки, но связь эта не свойство канала, а свойство того, что в нём делали. Начисляя баллы за источник, вы фиксируете прошлое состояние кампаний; поменялись объявления — веса устарели молча. Разбираться в этом лучше через атрибуцию и отдельный отчёт по каналам, а не внутри скоринга.
Откуда берутся веса
Веса выводят из истории, а не из совещания. Порядок такой.
- Взять закрытые сделки и проигранные за сопоставимый период. Нужны обе группы: без проигранных нельзя отличить признак, который встречается у покупателей, от признака, который встречается у всех.
- Для каждого признака посчитать, насколько чаще он встречается у купивших. Если признак есть у половины купивших и у половины отказавшихся, он не предсказывает ничего, каким бы разумным ни казался.
- Оставить пять-семь признаков с наибольшей разницей. Длинные системы из тридцати правил не точнее коротких, зато непрозрачны: при ошибке невозможно понять, какое правило её вызвало.
- Назначить веса пропорционально разнице, округлив грубо. Точность здесь мнимая: разница между весом 7 и 8 не значит ничего, разница между 2 и 20 значит.
- Проверить на отложенной части данных. Правила, выведенные на одних сделках, применяются к другим, и смотрится, попадают ли реальные покупатели в верхнюю часть очереди.
Пятый шаг пропускают чаще всего, и без него система выглядит убедительной ровно до первого месяца работы. Простая условная иллюстрация: пусть в верхней трети очереди сделка закрывается вдвое чаще, чем в нижней. Это работающая система. Если разница составляет доли процента, баллы просто перемешали список, и продавцы правильно делают, что их игнорируют.
Отдельно нужен механизм затухания. Действие месячной давности не равно вчерашнему, поэтому баллы за поведение должны уменьшаться со временем — иначе давно остывший контакт остаётся вверху очереди вечно. Скорость затухания привязывают к длине цикла сделки, а её берут из воронки и разницы между датой первого касания и датой оплаты в CRM.
Что считать и как читать симптомы
Полезность скоринга измеряется одним сравнением: конверсия верхней части очереди против нижней. Всё остальное — вспомогательное: доля обращений, обработанных в первый день; средний балл закрытых сделок против среднего балла проигранных; доля контактов, застрявших внизу навсегда.
Продавцы работают по своему порядку и игнорируют баллы. Обычно система не предсказывает: они видят по опыту, что верхние закрываются не чаще. Проверить разделение на истории и, если разницы нет, пересобрать веса, а не требовать дисциплины.
Почти вся база наверху шкалы. Баллы только начисляются и не сгорают, признаки слишком лёгкие. Ввести затухание и отрицательные веса, поднять порог для верхней группы.
Крупные сделки приходят снизу очереди. Признаки настроены на активность, а не на размер задачи; занятый руководитель ведёт себя на сайте тише студента. Добавить признаки пригодности с большим весом и сверить с суммой сделки и пожизненной ценностью.
Нижняя часть базы не обрабатывается вообще. Очередь превратилась в отсев, чего от неё не требовалось. Отправить нижнюю группу в автоматический поток писем и раз в квартал проверять, не пришли ли оттуда сделки без участия продавцов.
Границы: где скоринг не поможет
Система приоритетов требует истории. При малом числе закрытых сделок веса выводить не из чего, а назначенные по интуиции они закрепляют предрассудки отдела продаж — например, представление о «неперспективной» отрасли, сложившееся из двух неудачных разговоров.
Не работает скоринг и при коротком цикле, где решение принимается в одном разговоре: пока считаются баллы, обращение остывает. Там выигрывает скорость ответа, а не порядок.
Третья граница — самая неприятная. Скоринг обучается на том, с кем работали, а работали с теми, кого раньше сочли перспективными. Группа, которую однажды понизили в приоритете, получает меньше внимания, реже покупает и подтверждает исходное предположение. Данные выглядят как доказательство, хотя описывают последствие решения. Отслеживается это только через когортный разбор и через сознательное выделение части времени на нижнюю часть очереди.
Четвёртая — организационная: балл, привязанный к вознаграждению, немедленно перестаёт быть измерением. Продавцы начинают влиять на признаки, а не на сделки.
Формальная граница между «интересующимся» и «готовым к разговору» описывается парой MQL и SQL: первый прошёл фильтр маркетинга, второй принят продажами. Скоринг — способ провести эту границу числом, а не спором.
Спорное место
Я рекомендую строить скоринг на истории сделок и признаю, что этот совет частично подрывает сам себя.
История отражает не поведение рынка, а поведение вашего отдела продаж в прошлом. Веса, выведенные из неё, воспроизводят прежнее распределение внимания: кому звонили быстро, тот и покупал, поэтому его признаки получают высокий вес, и в следующем цикле ему звонят ещё быстрее. Система выглядит всё точнее, потому что всё лучше предсказывает собственные решения.
Контраргумент к себе: альтернатива — назначать веса по мнению — хуже по всем параметрам, потому что содержит то же смещение без единой проверки. Плохо откалиброванная модель, которую можно опровергнуть данными, честнее интуиции, которую опровергнуть нечем.
Практический выход, который я предлагаю, слабый и дорогой: держать контрольную долю обращений, обрабатываемых в случайном порядке независимо от балла, и сравнивать закрытие в ней с закрытием в приоритетной группе. Это единственный способ увидеть, что система не просто подтверждает себя. Слабость в том, что контрольная группа стоит денег прямо сейчас, а даёт знание через квартал, и в момент, когда нужно выполнить план, от неё отказываются первой — после чего скоринг снова становится неопровержимым.
Частые вопросы
Чем скоринг отличается от квалификации?
С какого объёма базы скоринг оправдан?
Можно ли начислять баллы за открытие письма?
Нужно ли отнимать баллы?
Обязательно ли автоматизировать скоринг?