Как настроить lead scoring, чтобы менеджеры работали с сильными заявками?

Lead scoring настраивается так, чтобы CRM сама ранжировала входящие лиды по вероятности сделки и «стоимости» внимания менеджера. На практике лучше всего работает модель из двух частей: Fit (насколько лид подходит вашему ICP) и Intent (насколько он сейчас готов покупать). Начните с простых правил и порогов для маршрутизации, а затем постепенно уточняйте веса на фактических результатах.

Разъяснение: какие признаки учитывать и почему

Я рекомендую сразу разделить признаки на 3 слоя, потому что они по-разному стабильны и по-разному «врут»:

• Fit (портрет клиента) — относительно стабильные признаки: отрасль, размер компании, география, должность/функция, наличие нужного стека/процессов. Это отвечает на вопрос: «Это вообще наш клиент?»
• Intent (намерение и прогрев) — поведение и события: какие страницы смотрел, сколько раз возвращался, какие материалы скачал, посещение вебинара, запрос демо/цен, ответы на письма, скорость реакции. Это отвечает на вопрос: «Он созрел сейчас?»
• Reliability/Confidence (достоверность данных) — качество контакта: корпоративный домен vs free mail, валидность телефона, заполненность полей, совпадение UTM/реферера, наличие дублей. Это отвечает на вопрос: «Насколько можно верить этому лиду?»

1) Источник (source) — учитывать, но не переоценивать

Источник полезен как первичный фильтр, но он часто отражает не качество лида, а качество таргетинга/креатива на конкретной неделе. Поэтому я даю источнику ограниченный вес и использую как модификатор:

• Высокий сигнал: органика по бренд/продуктовым запросам, реферал/партнёр, повторный визит из письма, прямой заход.
• Средний сигнал: вебинар (важно различать регистрацию и фактическое посещение), контентные кампании.
• Низкий сигнал: широкий перфоманс с лид-формами без квалифицирующих вопросов, небрендовая медийка.

Технологически: источник — это UTM + реферер + first-touch/last-touch. Важно фиксировать оба: первое касание (для стратегии) и последнее касание (для операционки).

2) Поведение на сайте — переводим в «события намерения», а не в просмотры

Сырые метрики (страницы/время) шумные. Нужны события, которые коррелируют с покупкой:

• Цена/тарифы, калькулятор, страница «Интеграции», «Безопасность/Compliance», «Кейсы» — обычно сильнее, чем блог.
• Повторные визиты за 7–14 дней и рост «глубины» по продуктовым страницам.
• Скачивания: чек-листы, ТЗ, ROI-калькулятор, презентация — выше сигнал, чем “гайд для новичков”.
• Форма: запрос демо/консультации/КП — максимальный сигнал; «подписка на новости» — низкий.

Технологически: события должны уходить в CRM/скоринг из трекинга (GTM/SDK) через CDP/шину событий или минимум через серверный endpoint, чтобы не терять часть данных из-за блокировок/AdBlock.

3) Должность/роль — оцениваем влияние на покупку

Я бы разделял не «должности», а роль в закупке:

• Decision maker (директор, владелец, C-level) — высокий Fit/скоринг.
• Champion/инициатор (маркетинг, продакт, руководитель направления) — высокий Intent, но иногда ниже Fit.
• Influencer/технический (IT, безопасность) — важен, но часто приходит на поздних стадиях; хорошо работает как усилитель, если уже есть интерес.
• Студенты/соискатели/«просто посмотрел» — минус к Fit.

Риск: если менеджеры начнут дискриминировать «не тех» по должности, вы потеряете чемпионов. Поэтому роль лучше учитывать вместе с поведением (Intent).

4) Размер компании — один из лучших Fit-признаков, но важна нормализация

Размер (выручка/штат/кол-во филиалов) часто хорошо предсказывает LTV и сложность сделки. Но данные из форм бывают грязные, поэтому:

• берите размер как диапазоны (1–10, 11–50, 51–200, 200+),
• проверяйте по домену/справочнику/обогащению,
• для SMB и Enterprise лучше делать разные пороги MQL/SQL (разная экономика и цикл).

5) История контактов — сильный Intent-сигнал, если правильно хранить

Наличие предыдущих касаний (старые лиды, обращения в поддержку, скачивания, посещения вебинаров, открытия писем) — это не «один лид», а профиль. Ключевое — правильно склеивать:

• Identity resolution: email/телефон + домен + cookies/uid,
• объединение дублей и приоритет актуальных контактов,
• учёт recency (давность): интерес месяц назад и вчера — разные вещи.

6) Готовность к покупке — фиксируем через явные «BANT-подобные» маркеры без перегруза форм

Лучшие «явные» признаки — те, которые не сильно снижают конверсию формы:

• тайминг (0–1 мес / 1–3 / 3–6+),
• цель (внедрение/замена/оценка/обучение),
• объём (кол-во пользователей/точек/лицензий),
• текущий инструмент (есть/нет, какой).

Если спрашивать бюджет напрямую — часто падает конверсия. Я обычно заменяю на диапазон масштаба или «сколько пользователей/объём данных», а бюджет уточняю уже в квалификации.

Практическая рекомендация: как собрать работающую модель за 2–4 недели

1. Определите ICP и 2–3 сегмента (например, SMB / Mid / Enterprise или по отрасли) и для каждого — что считается «хорошей сделкой».
2. Соберите “closed-won vs lost” признаки за 3–6 месяцев: источник, страницы, события, должности, размер, скорость ответа, количество касаний.
3. Сделайте двухкомпонентный скоринг:
   • Fit-score (0–100): роль, размер, отрасль, домен, география.
   • Intent-score (0–100): события (тарифы/демо/кейс), вебинар (посетил/досмотрел), повторные визиты, ответы на коммуникации.
4. Задайте пороги маршрутизации (пример логики):
   • SQL (в работу SDR/менеджеру): Fit ≥ X и Intent ≥ Y или любое «сильное событие» (запрос КП/демо).
   • MQL (в прогрев): Fit высокий, Intent средний — отправляем в nurture, ретаргет, приглашение на демо.
   • Disqualify/Low: Fit низкий и Intent низкий — не тратить продажи, но можно оставить на дешёвый прогрев.
5. Встройте SLA и автоматику: если SQL — задача менеджеру за N минут + правило эскалации; если MQL — сценарий писем/мессенджера + ремаркетинг.
6. Проверьте “обратную связь” от продаж: добавьте в CRM причины дисквалификации и обязательный статус «подтвердил/не подтвердил скоринг». Это нужно, чтобы через месяц подкрутить веса на реальности, а не «по ощущениям».

Типичные ошибки, которые ломают lead scoring

• Ставить слишком большой вес источнику и игнорировать поведение и Fit — модель начинает «плавать» вместе с рекламой.
• Считать просмотры страниц вместо событий: менеджеры получают “тёплых” любопытствующих, а не покупателей.
• Нет склейки идентичностей и дублей — один человек выглядит как 3 разных лида и скоринг становится случайным.
• Нет decay-логики (устаревание): лид, который был активен 60 дней назад, не должен иметь тот же Intent, что вчера.
• Нет процесса по MQL: если «не отдали в продажи», но и не прогрели — вы теряете выручку и вините скоринг.

Если вы напишете, какая у вас CRM (Bitrix24/amoCRM/Salesforce/HubSpot и т.п.), средний чек и цикл сделки, я предложу конкретную схему порогов Fit/Intent, набор событий и маршрут по воронке под ваши каналы (сайт/вебинары/реклама).