Budowa własnego modelu scoringu
Prospecting 11 min
0/28
Problem biznesowy
Ogólny scoring 'oczy działają na 1-100' nie działa, bo każda firma wygląda podobnie. Model musi odzwierciedlać Twoją rzeczywistość: co w Twoich wygranych dealach było wspólne (branża? wielkość? sygnały?) i co eliminowało (misfity). Bez tego scoring jest dekoracją.
Sprawdzona metoda
Budowa modelu scoringu w 5 krokach:
- Zbierz punkty z wygranych deali (co było wspólne) i straconych (co eliminowało),
- Zdefiniuj kryteria z wagami: +20 ICP match, +15 branża docelowa, +15 wielkość w zakresie, +10 decydent zidentyfikowany, +15 buying signal, +10 wzrost (hiring/ekspansja), +10 technologia w stacku, -20 zła branża, -15 za mała skala, -10 brak decydenta,
- Ustal progi: HOT 80-100 (kontakt dziś), WARM 60-79 (sekwencja), COLD 40-59 (dokarmianie), BAD <40 (nigdy),
- Zaimplementuj w arkuszu/CRM (kolumny + formuła) albo w promptach AI,
- Testuj na 20 leadach z historii i kalibruj wagi. AI nie wymyśla modelu — AI STOSUJE Twój model do leadów i uzasadnia wynik.
Przykład z rynku
- ZŁY
- Chaotyczny research w wyszukiwarce bez kryteriów i generyczny kontakt do przypadkowych firm.
- DOBRY
- Model (Twój): ICP match 20, branża 15, wielkość 15, decydent 10, sygnał 15, wzrost 10, technologia 10, misfity -45. Lead: agencja performance (branża +15), 18 osób (wielkość +15), ICP match (CRM dla agencji +20), Head of Sales znaleziony (+10), hiring 3 handlowców (sygnał +15, wzrost +10), używa HubSpot Starter (technologia +10) = 95 → HOT. AI uzasadnia: 'lead spełnia 6 z 7 kryteriów, misfity brak'.
Gotowy prompt do skopiowania
Jesteś architektem scoringu leadów. Kontekst: Sprzedaję [PRODUKT] dla [SEGMENT]. Z moich wygranych deali wspólne było: [CO BYŁO WSPÓLNE]. Stracone deale łączyło: [CO ELIMINOWAŁO]. Zadanie: Zaprojektuj mój model scoringu: 1. Kryteria pozytywne (5-8) z wagami (suma max ~100) 2. Kryteria negatywne (3-5) z punktami ujemnymi 3. Progi: HOT/WARM/COLD/BAD 4. Przykład: oceń lead [OPIS LEADA] wg modelu + uzasadnienie 5. 3 pytania kalibracyjne, na które muszę odpowiedzieć, by dostroić wagi Format: sekcje, gotowe do wdrożenia w arkuszu.
Model rekomendowany: Claude 3.5 Sonnet / GPT-4o Skopiuj i wklej do ChatGPT, Claude lub Perplexity
ALTERNATYWNE SCENARIUSZE
Warianty i alternatywne scenariusze
Wersja do arkusza: AI generuje formuły (IF/SUM) gotowe do skopiowania.
Wersja dla zespołu: AI proponuje, kto zajmuje się HOT/WARM/COLD.
Ćwiczenie praktyczne
Napisz swój model scoringu: 5-8 kryteriów z wagami + 3 negatywne. Oceń 5 leadów z listy. Sprawdź, czy kategorie (HOT/WARM/COLD/BAD) zgadzają się z Twoją intuicją — jeśli nie, popraw wagi.
Zapisano w przeglądarce