Lead scoring

Le lead scoring est le terme utilisé pour décrire l’éva­lua­tion des contacts. La qualité des contacts collectés est en effet comparée. Tant la quantité d’in­for­ma­tions par lead (scoring explicite) que la réaction de ce dernier à la com­mu­ni­ca­tion (scoring implicite) jouent un rôle dans cette éva­lua­tion. On peut alors en déduire la pro­ba­bi­lité qu’un lead devienne un client.

L’ex­pres­sion anglaise « to score something » signifie estimer, évaluer quelque chose. Le lead scoring exprime donc l’éva­lua­tion, la qua­li­fi­ca­tion des leads. La qualité et le statut du contact est évalué mais aussi in­di­rec­te­ment la pos­si­bi­lité pour la société de vendre ou non un service ou un produit.

Evaluer ob­jec­ti­ve­ment un contact pour le dé­par­te­ment com­mer­cial est gé­né­ra­le­ment seulement possible si ce lead est comparé aux autres contacts. Il existe deux critères prin­ci­paux qui sont utilisés dans ce but. Le premier critère consiste à évaluer l’ex­haus­ti­vité et l’im­por­tance des coor­don­nées du profil du lead, ce sont des données ex­pli­cites. Le second critère est lui implicite, il consiste à évaluer la réaction du lead aux ten­ta­tives de contacts réalisées pendant le processus de lead nurturing et donc à définir la mo­ti­va­tion d’achat, l’intérêt réel.

Le but du lead scoring est notamment de faciliter la coo­pé­ra­tion et la coor­di­na­tion entre le marketing et le dé­par­te­ment des ventes. Cela commence dès le début du processus de lead ma­na­ge­ment lors de la gé­né­ra­tion des leads avec un premier tri, mais surtout plus tard avec des lignes di­rec­trices claires qui dé­ter­mi­nent quand un lead est considéré par l’en­tre­prise comme étant prêt (mature) pour être transféré au dé­par­te­ment com­mer­cial et avec quelle priorité il doit être traité par ce dernier. Ces notations et lignes di­rec­trices sont résumées dans un modèle de lead scoring, qui peut être mis en œuvre en par­ti­cu­lier pour les domaines du marketing B2B (business to business) et B2C (business to consumer) et de la vente en général. Le modèle permet de dé­ter­mi­ner si un contact, un lead doit être traité par le service com­mer­cial ou si il doit encore bé­né­fi­cier du lead nurturing.

La dis­tinc­tion entre des in­for­ma­tions im­pli­cites et ex­pli­cites a été men­tion­née plus haut, mais une éva­lua­tion de ces deux types d’in­for­ma­tions doit être effectuée, et fait partie du modèle de notation (scoring).

Le scoring explicite (ou la notation explicite) traite les coor­don­nées et le profil du lead. Les in­for­ma­tions per­ti­nentes pour le B2C sont les données so­cio­dé­mo­gra­phiques : âge, sexe, lieu de résidence etc. Pour le domaine du B2B cela peut être par exemple la position du contact dans la société, le secteur d’activité de cette dernière, le nombre d’employés ou encore le chiffre d’affaire annuel : toutes ces in­for­ma­tions jouent un rôle. Chaque en­tre­prise peut décider bien évi­dem­ment elle-même des données ex­pli­cites qui rentrent dans l’éva­lua­tion du profil. Ici la coo­pé­ra­tion entre le dé­par­te­ment marketing et le dé­par­te­ment com­mer­cial est im­por­tante, en effet ces deux services peuvent dé­ter­mi­ner les facteurs qui dé­fi­nis­sent le client parfait, optimal.

Dé­ter­mi­ner les ca­té­go­ries et leur im­por­tance

Après la sélection des facteurs les plus im­por­tants ou per­ti­nents, un profil type du prospect émerge. Dans l’exemple suivant les ca­té­go­ries sont la position, la branche et le nombre d’employés et elles pèsent dif­fé­rem­ment en fonction des besoins in­di­vi­duels des en­tre­prises. Dans cet exemple, la position d’un employé d’une en­tre­prise est le facteur le plus fort, le plus important pour l’en­tre­prise :

Ré­par­ti­tion des scores pour les ca­té­go­ries

Dans l’étape suivante, une éva­lua­tion in­ter­vient pour chaque catégorie. On associe donc un score, des points pour toutes les ca­té­go­ries. Nous restons avec l’exemple dans le secteur du B2B. Dans ce contexte, le PDG reçoit une meilleure éva­lua­tion de position par rapport à un chef de dé­par­te­ment et au bout de la chaine, le stagiaire obtient la notation la plus faible. Le plus haut score dans notre exemple est 10.

Notation par rapport au profil idéal

Un profil idéal qui cor­res­pond donc par­fai­te­ment au meilleur client (au client optimal) a été défini au préalable, il est ca­rac­té­risé par un résultat de 100 %. Au final, le profil de prospect est comparé par rapport au profil idéal et on calcule la dif­fé­rence. Cela apporte une notation, une dis­tinc­tion pour qualifier l’adé­qua­tion avec le profil type, le profil idéal. Dans notre exemple la note « A » est la plus haute et la note « D » est la plus faible.

Le contact obtenant une note « A » est donc en parfaite adé­qua­tion avec le profil idéal prédéfini et est donc pertinent et très in­té­res­sant pour l’en­tre­prise. Dans notre exemple, c’est le PDG d’une société qui vient du même secteur d’activité et avec une taille similaire (nombre d’employés). Il répond à tous les critères dans une large mesure et obtient ainsi la note A.

Le scoring implicite traite du com­por­te­ment des prospects, comme par exemple la réaction d’un lead aux mesures de contact et aux campagnes de marketing (lead nurturing). L’analyse et l’éva­lua­tion du com­por­te­ment doit apporter des in­for­ma­tions sur le niveau d’intérêt. Il existe de nombreux pa­ra­mètres dif­fé­rents qui per­met­tent de savoir si un client a atteint le niveau de « maturité » désiré. Cela comprend entre autres le temps de visite, le nombre de visites, les clics, les té­lé­char­ge­ments et les demandes d’in­for­ma­tions. Plus le client potentiel est informé plus il s’engage vers une décision d’achat spé­ci­fique, le té­lé­char­ge­ment d’un livre blanc, d’un ebook sont par exemple des signes d’un intérêt concret avancé.

Dé­ter­mi­ner les ca­té­go­ries et leur im­por­tance

Comme pour les données ex­pli­cites, vous choi­sis­sez les pa­ra­mètres qui sont per­ti­nents pour votre en­tre­prise. Dans notre exemple ce sont la demande d’une offre, le té­lé­char­ge­ment d’un ebook, la visite de la page prin­ci­pale et enfin une in­te­rac­tion avec la news­let­ter.

Attribuer un score dans la catégorie

Comme pour les données ex­pli­cites, les données im­pli­cites sont aussi graduer au sein des ca­té­go­ries. Dans notre exemple, nous prenons les visites de la page d’accueil. Cette catégorie est évaluée en fonction de la fréquence et de l’actualité. Le score maximal est à nouveau de 10.

Dé­ter­mi­ner une notation par rapport au profil idéal

Comme pour le scoring explicite, les profils des prospects sont comparés avec le profil idéal et on peut ainsi graduer le degré de cohérence.

Un lead, prospect très actif qui visite ré­gu­liè­re­ment le site, qui a déjà demandé une offre et a té­lé­chargé un ebook, obtient forcément un haut niveau de com­pa­ti­bi­lité avec le profil idéal et obtient ainsi la note 1.

Si vous souhaitez appliquer une stratégie efficace de lead nurturing et plus tard cons­truire un pont solide vers le lead routing, alors le lead scoring est plus que né­ces­saire. Un modèle pro­fes­sion­nel et bien étudié de lead scoring doit se con­cen­trer sur les leads qui ont la plus grande pro­ba­bi­lité d’acheter un produit, de conclure une tran­sac­tion. C’est ainsi que les dé­par­te­ments marketing et des ventes s’or­ga­ni­sent et tirent le meilleur parti des res­sources et du temps à dis­po­si­tion. Pour cela il est bien né­ces­saire de ca­té­go­ri­ser vos leads et en même temps de les hié­rar­chi­ser.

En iden­ti­fiant les 20 à 30 % de vos contacts qui ont la plus forte pro­ba­bi­lité de réaliser un achat, vous pouvez ainsi con­cen­trer vos efforts sur ce segment de lead. Cependant les leads restants ne doivent pas né­ces­sai­re­ment être négligés, en effet même un lead avec un score B3 (dans notre exemple) peut être trans­formé en client réel si de bonnes mesures sont prises. Toutefois un lead avec un faible score est bien moins prio­ri­taire dans le lead routing. Ce groupe est davantage et plus fa­ci­le­ment lié à des campagnes au­to­ma­ti­sées de lead nurturing qui absorbent un grand nombre de prospects.