Lead scoring é uma metodologia muito utilizada por equipes de marketing e vendas para determinar a probabilidade de conversão em vendas. É um processo de atribuição de pontuação ao lead, que dá um norte sobre a intenção de compra.
Mesmo que haja uma adoção crescente da metodologia, com o uso de recursos tecnológicos para qualificar esses leads, ainda existe um ponto cego quando se trata de lead scoring. Isso acontece porque o modelo tradicional usa critérios que nem sempre se traduzem uma pontuação assertiva. É por isso que a evolução da tecnologia traz práticas mais aprimoradas, baseadas em comportamento, e que podem, de fato, criar a diferença.
Por que o lead scoring pode falhar?
Todos nós já ouvimos a palavra da moda “big data”. Esse termo atingiu um pico em 2010, com a explosão de sistemas e softwares com o uso de dados. De lá pra cá, a onda do uso da tecnologia no marketing só cresceu. No Brasil, esse movimento foi tomando corpo a partir de 2015, com a adoção das soluções de automação de marketing. Com tanta novidade, houve uma profusão de novos dados disponíveis.
Infelizmente, nem sempre mais dados significa uma operação melhor. Dados mais precisos e relevantes são cruciais. É por isso que as práticas de gerenciamento de dados tornaram-se essenciais ao longo do tempo.
Sem o enriquecimento de dados, você pode acabar com campos incompletos em seu banco de dados. Você também pode acabar com informações de baixa qualidade ou inconsistentes, sem higiene de dados. E sem uma atualização de dados, você pode acabar com dados desatualizados.
Às vezes, os problemas parecem ser insignificantes, mas deixam impactos significativos. Em um banco de dados, por exemplo, alguns prospects podem ter o cargo de “VP” enquanto outros terão o cargo de “vice-presidente”. É um pequeno detalhe que pode realmente impactar o aprendizado de máquina, algoritmos e segmentação.
E quando você usa informações desatualizadas para formar um ICP (Ideal Customer Profile, ou Perfil de Cliente Ideal, na sigla em inglês)? Os dados têm três anos e apenas cerca de 7% dos campos de informações contêm dados. Suas informações são limitadas, e o que está lá pode ser irrelevante, se considerarmos o volume de mudanças organizacionais que ocorrem.
Na nossa experiência do dia a dia, percebemos que os dados estão extremamente desatualizados: em média, uma empresa tem 40% do seu mailing completamente inativo. Mesmo em operações de e-mail marketing, isso significa que o prospect “recebe” o email (geralmente esse “OK” é acusado pelo servidor) – mas ele jamais abre a comunicação. Uma busca mais detalhada pode levar à descoberta que pelo menos metade dessa lista fria já não trabalha mais na empresa – e esses e-mails estão chegando em caixas que jamais serão abertas.
As ferramentas não conseguem reunir os insights certos
Você precisa recuperar o insight certo no momento certo, ou os dados não importam. E “insight” é diferente de “dados”. Os insights derivam de dados e são guiados pelo conhecimento humano e pelo aprendizado de máquina. Portanto, se você tiver uma ferramenta de lead scoring que não seja capaz de extrair insights precisos dos dados fornecidos, isso pode prejudicar a operação entre vendas e marketing –principalmente na “passagem do bastão” desses leads.
Para complicar, o clichê de “quanto mais dados, melhor” traz a falsa noção de é possível coletar o máximo de dados possível e que isso cria um “estado ideal” de dados, que estariam “prontos” para trazer todos os detalhes daquele prospect. Essa, entretanto, não é a realidade. Ainda temos bancos de dados completamente caóticos, sem boas práticas de gerenciamento de dados, tornando-os completos e imprecisos.
Com isso, “quanto mais dados, melhor” o clichê veio à falsa noção de que você coletaria o máximo de dados possível e seria o “estado perfeito ideal” dos dados. Você teria literalmente tudo o que poderia precisar saber e os dados seriam perfeitos e imaculados. Essa não é a realidade, entretanto. Ainda hoje, temos dados “fuzzy” sem boas práticas de gerenciamento de dados, que são incompletos ou imprecisos.
Como a tecnologia pode melhorar o lead scoring
As ferramentas mais atuais de lead scoring têm o potencial de ser dinâmicas, em oposição às estáticas como eram no passado. Ao usar uma ferramenta de pontuação de leads, você obtém um número estático informando o valor dessa oportunidade.
Entretanto, esse é um acompanhamento que precisa ser feito diariamente. Entrar em contato com uma oportunidade mais “quente” é totalmente diferente de entrar em contato com esse prospect dentro de três semanas.
Hoje, você pode dizer “meu ciclo de vendas é em média de 90 dias e os dados me dizem que preciso fechar nas primeiras duas semanas para determinados eventos”. Você pode então definir sua ferramenta de pontuação leads para diminuir um pouco ao longo de algumas semanas e, em seguida, de forma mais agressiva da terceira para a décima terceira semana. Isso não era possível 15 anos atrás. E é muito importante notar que não foi apenas a tecnologia que mudou. O comportamento do consumidor e das empresas também mudou drasticamente ao longo dos anos.
Cinco fatores que tornam o lead scoring tão valioso
Não é só a tecnologia que muda: a maneira como interagimos com novas tecnologias também tem se transformado drasticamente. E existem cinco fatores humanos que tornam as ferramentas de lead scoring mais valiosas que nunca. Veja quais são:
1- O comportamento é cada vez mais online
Os prospects estão começando e terminando sua jornada do cliente online, em vez de optar por seguir o processo de vendas com executivos comerciais. Isso significa que mais interações estão acontecendo online, o que pode significar dados mais precisos. Também significa que você precisa agir rápido. Você não pode esperar mais duas semanas para fazer o acompanhamento, ele precisa ser instantâneo.
2- Muitas empresas B2B fazem negócios 100% online
Com a explosão de novos formatos de negócios, cada vez mais empresas e startups oferecem negócios totalmente online – o que tem contribuído, e muito, para essa mudança de paradigma do prospect atual.
3- O número de clientes online explodiu
Novamente, isso significa mais dados provenientes de mais fontes, conforme os usuários da Internet aumentaram de cerca de 45 milhões de pessoas em 1995 para 4,6 bilhões de usuários ativos em outubro de 2020.
4- As empresas mudaram sua abordagem
As empresas começaram originalmente com uma abordagem voltada para as vendas. Em seguida, uma abordagem orientada para o marketing e, depois, uma abordagem orientada para o produto. Agora, as empresas percebem que precisam usar todos os três em conjunto, alinhando os esforços entre os departamentos, e também entre diferentes abordagens de vendas.
5- O volume de soluções de tecnologia aumentou drasticamente
Em 2011, havia apenas 150 empresas de tecnologia para marketing e vendas. No final de 2020, esse número era de 8 mil. As empresas passaram de um punhado de ferramentas para uma média de 185 soluções para uma empresa de 100 a 1000 pessoas, ou 288 para uma empresa de mais de mil pessoas em 2020.
O aprendizado de máquina definitivamente não é a solução mágica para todos os problemas computacionais. O aprendizado de máquina tem limites claros. Um desses limites é quando se trata do presente e do futuro, porque pressupõe que ambos se comportarão como no passado. A suposição acima não é necessariamente verdadeira; na verdade, é menos verdadeira à medida que o tempo passa e a velocidade das mudanças no contexto de um negócio aumenta. É um conceito chamado realidade temporal.
Isso é verdade hoje, mas não era no passado e não será no futuro. Sempre há um milhão de mudanças acontecendo todos os dias. Você pode querer mudar seu público-alvo, fazer uma reformulação da marca, usar uma nova plataforma de anúncios, mudar sua mensagem, promover determinados produtos apenas por alguns meses ou até mesmo se adaptar às mudanças no mercado.
As máquinas não sabem disso: e vão descobrir somente daqui a seis a nove meses. É por isso que as caixas pretas realmente não funcionam e os tipos de soluções que priorizam a máquina não dão conta do recado em negócios e mercados em rápida evolução. E é por isso que você precisa de uma abordagem assistida por máquina e dirigida por humanos.