Account scoring без шаманства: признаки, которые реально коррелируют с win

Почему большинство скоринговых моделей — просто самообман

Знакомая картина: собирается отдел продаж, маркетолог рисует на доске таблицу. «Давайте CEO дадим 10 баллов, директору — 8, менеджеру — 3». Все кивают, выглядит логично. Проходит полгода, кто-то решает проверить — а win rate у лидов с высоким скором точно такой же, как у остальных. Баллы есть, толку ноль.

Почему так? Потому что модель строили на том, что «кажется правильным», а не на том, что реально работает. Интуиция подсказывает, что CEO важнее менеджера. А данные говорят, что в вашем конкретном бизнесе менеджеры закрываются лучше — потому что они операционные исполнители, которым реально нужен ваш продукт, а не стратеги, которые «изучают рынок».

Account scoring работает только когда признаки в модели статистически связаны с закрытием сделки. Не «вроде бы связаны», не «логически должны быть связаны» — а проверенно по вашим историческим данным. Давайте разберёмся, какие сигналы действительно предсказывают win, а какие — просто красиво смотрятся в презентации.

Из чего вообще состоит скоринг

Все признаки, которые можно запихнуть в скоринговую модель, делятся на три больших семейства.

Первое — firmographic, то есть всё, что описывает компанию как таковую: в какой отрасли работает, сколько сотрудников, какая выручка, где офис. Эти данные не меняются в процессе сделки — компания либо подходит под ваш ICP, либо нет.

Второе — behavioral, поведение лида до первого контакта с вами. Сколько страниц на сайте посмотрел, дошёл ли до прайса, скачивал ли что-то, откуда вообще пришёл. Это показывает, насколько человек «прогрет» ещё до того, как ваш менеджер взял трубку.

Третье — engagement, что происходит после первого касания. Как быстро отвечает, сколько людей с его стороны подключается к обсуждению, какие вопросы задаёт. Тут самые мощные сигналы, но они доступны только когда работа уже началась.

Главная ловушка — думать, что важно всё. Нет. В каждом конкретном бизнесе работает 5-7 признаков, остальные — шум. И какие именно — зависит от вашего продукта, цикла продаж, типа клиентов. Что работает в IT-аутсорсинге, может быть абсолютно бесполезно в оптовой торговле.

Firmographic: что на самом деле говорит о компании

Firmographic-данные — самые простые в получении. Зашёл на сайт компании, посмотрел LinkedIn, пробил по базам — и вот у тебя размер, отрасль, возраст. Проблема в том, что большинство этих данных ничего не предсказывает. Но есть исключения.

Размер компании — один из немногих firmographic-признаков, который обычно работает. Но не так, как кажется на первый взгляд. Большинство думает: «чем крупнее компания, тем лучше». А на практике зависимость совсем другая.

Компании до 10 человек часто не имеют бюджета или пытаются решить задачу «на коленке». Гиганты на 1000+ сотрудников — это тендеры, закупочные комитеты и согласования на полгода. А золотая середина — обычно 50-500 человек — достаточно большие, чтобы иметь деньги и понимать ценность, но ещё достаточно гибкие для быстрых решений. Проверьте по своей воронке: выгрузите сделки за год, разбейте по размеру, посмотрите win rate. Скорее всего, увидите такую же картину.

Отрасль работает, если ваш продукт решает отраслевую боль. CRM для застройщиков в сегменте недвижимости даст win rate 40%, а в HoReCa — может быть 5%. Но если вы продаёте что-то универсальное, вроде корпоративного мессенджера, отрасль почти ни на что не влияет.

Технографика — интересный признак. Что у них уже стоит? Если есть CRM конкурента — это одновременно и плюс (понимают, зачем нужна CRM), и минус (придётся переучивать и мигрировать данные). Если нет никакой CRM — цикл продажи будет длиннее, потому что придётся объяснять базовые вещи. Что лучше для вас — покажут только данные.

А теперь о том, что обычно не работает, хотя кажется, что должно. География — Алматы, Астана, регионы — почти никогда не влияет на win rate, если продукт онлайн. Возраст компании — интуитивно хочется верить, что «молодые и голодные» или наоборот «опытные и стабильные» закрываются лучше, но данные это редко подтверждают. Форма собственности — ТОО, АО, ИП — вообще никогда не видел, чтобы это коррелировало с win.

Behavioral: что делал лид до того, как вы ему позвонили

Поведенческие данные — это золото скоринга. Они показывают не кто лид, а что он делает. А действия говорят о намерениях громче любых слов.

Глубина просмотра сайта — один из самых надёжных предикторов. Человек, который зашёл на сайт, посмотрел главную и ушёл — скорее всего случайный посетитель. А тот, кто изучил 5+ страниц, почитал кейсы, посмотрел про команду — уже серьёзно думает. По нашим данным, такие лиды закрываются в 3-4 раза чаще.

Просмотр страницы с ценами заслуживает отдельного внимания. Это как в магазине: если человек взял товар с полки и смотрит ценник — он уже не просто гуляет. Он прикидывает, готов ли купить. Win rate для лидов, которые дошли до прайса, обычно в 2-3 раза выше среднего. Обязательно трекайте это событие в аналитике.

Скачивание материалов — хороший сигнал, но с нюансами. Если человек оставил email ради вашего контента, он достаточно заинтересован. Но важно что именно скачал. «10 трендов digital-маркетинга» — это любопытство. «Шаблон ТЗ для внедрения CRM» — это рабочая задача. Разница огромная.

Откуда пришёл тоже имеет значение. Органический поиск по product-запросу типа «CRM для застройщиков цена» — это человек, который уже знает, что ему нужно, и выбирает между вариантами. Таргетированная реклама — часто просто кликнул из любопытства. Прямой заход (direct) — может быть возвращающийся посетитель, который вас уже изучал и вернулся. Смотрите свои данные: обычно органика даёт в 1.5-2 раза более качественных лидов.

Собирать behavioral-данные сложнее, чем firmographic. Нужна настроенная аналитика, трекинг событий, связка с CRM. Но усилия окупаются — это одни из самых сильных сигналов в скоринге.

Engagement: самые мощные сигналы появляются после первого контакта

Вот где начинается настоящая магия скоринга. Engagement-признаки показывают, как лид ведёт себя в процессе общения с вами. Эти сигналы — самые сильные из всех, но есть нюанс: они доступны только когда работа уже началась.

Скорость ответа — возможно, главный предиктор win во всём скоринге. Лид ответил на ваше письмо или перезвонил в тот же день? Отлично, это серьёзный покупатель. Молчит неделю? Скорее всего, вы для него один из десяти вариантов, которые он «изучает на всякий случай». По нашей статистике, лиды с ответом в течение 24 часов закрываются в 5-7 раз чаще тех, кто тянет неделю и больше.

Сколько людей подключается со стороны клиента — ещё один мощный сигнал. Если с вами общается только один человек — есть два сценария. Либо это разведчик, который собирает информацию для кого-то, либо энтузиаст без полномочий. А когда в переписку добавляется второй человек, третий, когда на звонок приходит кто-то из руководства — значит внутри компании уже идёт серьёзное обсуждение. Сделки с 2+ контактами закрываются в 2-3 раза чаще.

Запрос демо — причём не вы его навязываете, а клиент сам говорит: «А можно посмотреть, как это работает?». Это практически признание в намерении купить. Win rate после демо обычно 30-50%, при среднем по воронке 5-15%. Огромная разница.

Вопросы про внедрение — верный признак, что человек уже прошёл стадию «надо ли мне это вообще» и перешёл к «как это будет работать у нас». «А вы с 1С интегрируетесь?», «Сколько займёт внедрение?», «Есть ли SLA?» — это не праздное любопытство. Это планирование покупки.

Упоминание бюджета или сроков — золотой сигнал. «Нам нужно запустить до конца квартала», «Бюджет уже заложен на следующий год», «У нас сейчас как раз освободились деньги с другого проекта». Когда клиент сам говорит про деньги и сроки — он уже практически готов.

Как на самом деле проверить, работает ли признак

Интуиция в скоринге — враг. Сколько раз видел, как команды уверены: «Конечно, компании побольше закрываются лучше!». А потом смотришь данные — и оказывается, что разницы нет вообще, или она в обратную сторону. Единственный способ узнать правду — посчитать.

Алгоритм простой. Берёте все закрытые сделки за последний год — и выигранные, и проигранные. Нужно минимум 100 штук, иначе статистика будет врать. Делите их на группы по признаку, который хотите проверить: например, «компании больше 50 человек» и «компании меньше 50 человек». Считаете win rate для каждой группы — сколько выиграно делённое на общее количество. Сравниваете.

Если разница больше 30% — признак работает, можно включать в скоринг. Если меньше 10% — это статистический шум, признак бесполезен. Между 10% и 30% — серая зона, нужно больше данных или более тонкая сегментация.

Вот пример из реального проекта. Гипотеза была: компании покрупнее закрываются лучше.

35% против 14% — разница больше чем в два раза. Гипотеза подтвердилась, размер компании стоит включить в скоринг с хорошим весом. Но обратите внимание: в каждой группе достаточно сделок (120 и 130), чтобы результат был надёжным. Если бы в одной группе было 5 сделок — это уже не статистика, а гадание на кофейной гуще.

Что реально работает: топ признаков по данным казахстанского B2B

За несколько лет работы с клиентами мы собрали достаточно данных, чтобы составить рейтинг признаков. Он не универсальный — у вас может быть немного другая картина — но как отправная точка работает хорошо.

Самый сильный сигнал — когда клиент сам просит демо. Не вы ему навязываете, а он говорит: «Покажите». Win rate у таких лидов в 3-5 раз выше среднего. Это почти гарантированная возможность.

На втором месте — скорость ответа. Если лид отвечает в течение суток, win rate выше в 2-3 раза. Медленные лиды — почти всегда холодные.

Третье — мультитрединг, когда со стороны клиента подключается несколько человек. Два контакта и больше — win rate x2.

Дальше идут behavioral-сигналы: просмотр страницы с ценами (win rate x2), глубокий просмотр сайта — 5+ страниц (x1.5), органический трафик вместо рекламного (x1.3-1.5).

Из firmographic хорошо работает целевая отрасль — если продукт отраслевой, разница может быть в 2-3 раза. И размер компании в вашем sweet spot — обычно x1.5-2.

Ещё два сильных engagement-сигнала: упоминание сроков или бюджета в разговоре (x1.5-2) и скачивание практического контента — шаблонов, чек-листов, калькуляторов (x1.3).

Заметьте закономерность: самые сильные признаки — engagement, потом behavioral, и только потом firmographic. Что человек делает важнее того, кто он.

Ловушки скоринга: что кажется важным, но не работает

Теперь о грустном. Есть целый ряд признаков, которые логически должны работать, но на практике — пустышка. Не тратьте на них время.

Должность контакта — классическая ловушка. Все хотят продавать CEO, а не менеджерам. Но данные говорят, что корреляции часто нет, или она обратная. CEO «изучает рынок» и передаёт задачу подчинённым. А операционный менеджер, которому реально нужен инструмент — покупает.

Название компании — ещё одна иллюзия. «О, это Казмунайгаз, это точно будет крутая сделка!». А на практике известные бренды закрываются хуже: больше бюрократии, больше согласований, больше конкурентов в тендере.

Корпоративный email vs gmail — в западных книжках пишут, что gmail — признак несерьёзного лида. В Казахстане это не работает. Половина нормальных B2B-компаний сидит на gmail, и это ни о чём не говорит.

День недели и время заявки — я видел скоринги, где заявки в понедельник утром получали больше баллов. Красивая теория («человек с утра на свежую голову решает рабочие задачи»), но данные её не подтверждают. Никогда.

Длина первого сообщения — казалось бы, если человек написал длинный детальный запрос, он серьёзен. Но нет — длина сообщения не коррелирует с win rate. Кто-то пишет три слова и покупает, кто-то пишет эссе и исчезает.

Как запустить скоринг быстро и без сложных систем

Многие думают, что для скоринга нужна ML-модель, data scientist и полгода работы. Это не так. Рабочий скоринг можно запустить за пару недель силами одного аналитика (или даже толкового маркетолога с Excel).

Первая неделя — разведка. Выгружаете из CRM все закрытые сделки за последний год. И выигранные, и проигранные — это важно. Дальше садитесь и проверяете гипотезы по алгоритму, который я описал выше. Размер компании? Отрасль? Источник трафика? Скорость ответа? Берёте 5-7 признаков, которые теоретически могут работать, и считаете win rate для каждого. Часть гипотез отвалится сразу — данные покажут, что разницы нет. Останется 3-5 признаков, которые реально коррелируют с win.

Вторая неделя — внедрение. Для начала не нужна автоматизация — можно даже вручную. Задаёте веса: сильный признак — 10 баллов, средний — 5, слабый — 2. Определяете пороги: выше 25 баллов — горячий лид, 15-25 — тёплый, ниже 15 — холодный. Объясняете менеджерам, что горячие лиды надо обрабатывать в первую очередь, тёплые — во вторую, холодные — когда будет время. Всё, скоринг работает.

Потом, когда увидите, что это реально помогает, можно автоматизировать: настроить автозаполнение признаков в CRM, подключить обогащение данных, сделать красивые дашборды. Но начинать с этого не нужно — сначала убедитесь, что базовая модель работает.

Что почитать дальше

Если тема скоринга зацепила, вот несколько статей, которые её дополняют. В Lead scoring без магии мы подробнее разбираем процесс внедрения с нуля — для тех, кто только начинает. Lead scoring 2.0 — про то, как подключить ИИ к скорингу, когда базовая модель уже работает. А Почему сделки зависают — про то, что делать с лидами, которые застряли на каком-то этапе воронки.