TL;DR
- I duplicati dividono l'attività di un acquirente su più record, quindi il punteggio di ciascun record riflette solo una parte.
- La nuova registrazione di un acquirente noto con un'altra email può diventare un falso MQL.
- Un lead score che supera la soglia in ritardo fa arrivare tardi al commerciale un acquirente pronto.
- Unisci i duplicati evidenti prima di modificare le regole di punteggio o addestrare un modello di scoring basato sull'AI.
- Dedupely trova e unisce lead e contatti duplicati, così lo scoring legge un solo record per acquirente.
Il lead scoring dovrebbe dire ai commerciali chi chiamare per primo. Il marketing imposta i punteggi o addestra un modello, i commerciali si fidano del numero e la soglia decide quando un lead diventa MQL.
Il punteggio è valido solo quanto il record su cui si basa. Quando un acquirente vive in due o tre record, ognuno contiene una parte della storia e il punteggio riflette solo quella parte. Alcuni acquirenti pronti non arrivano mai alle vendite, e alcuni record arrivano alle vendite senza doverci arrivare.
In questo articolo vedrà come i duplicati distorcono il punteggio basato su regole e quello AI, e l'approccio che lo corregge. È un modo di ragionare su punteggio e duplicati, quindi non illustra una configurazione del punteggio.
Cosa legge il lead scoring
Molti modelli di scoring considerano due aspetti. Il fit riguarda chi è la persona: ruolo, dimensione aziendale, settore, paese. L'engagement riguarda cosa fa: compilazione di moduli, clic sulle email, visualizzazioni di pagina, riunioni.
Punteggio basato su regole
Con il punteggio basato su regole, il tuo team decide i punti. Una richiesta di demo potrebbe valere 20 punti, una visita alla pagina dei prezzi 10 e un titolo di lavoro nel tuo target altri 15. Quando un record raggiunge la soglia, diventa un MQL e passa al team commerciale.
AI o punteggio predittivo
Lo scoring basato sull'AI impara dai record passati. Osserva quali lead sono diventati clienti e quali no, poi valuta i nuovi lead in base a quanto somigliano ai vincenti.
Entrambi gli approcci assegnano un punteggio ai record. Nessuno dei due sa che due record appartengono alla stessa persona, a meno che qualcosa nei dati non li colleghi.
Tre modi in cui i duplicati alterano i punteggi
Quanto pesa ciascuno dipende dalle fonti, dalla soglia e da come il team instrada i lead. Ecco i pattern da cercare.
Coinvolgimento diviso tra più record
Un potenziale cliente scarica una guida con un'email personale, poi prenota un webinar con un'email di lavoro. Ogni record riceve una parte dell'attività e nessuno supera la soglia. Il cliente è pronto, ma nessuno lo chiama.
Anche il fit si divide: un record ha il ruolo dal modulo, l'altro la dimensione aziendale da un'importazione. Nessuno dei due sembra un buon fit da solo. I lead sono particolarmente soggetti a questo, poiché i lead duplicati si formano più velocemente dei contatti.
MQL falsi
I duplicati possono anche far salire i punteggi in modo errato. Un cliente o il contatto di un'opportunità aperta si iscrive a un webinar con una nuova email. Il CRM crea un nuovo record, il webinar aggiunge punti e il record diventa un MQL.
Il reparto vendite riceve un "nuovo" lead che già parla con un account manager. Il commerciale chiama, l'acquirente è confuso e il team vendite inizia a dubitare degli MQL che arrivano dopo.
I duplicati gonfiano anche il conteggio dei MQL. Una persona contata due volte fa sembrare il volume più alto e i tassi di conversione più bassi di quanto siano.
Instradamento che arriva troppo tardi
I punteggi decidono quando un lead passa alle vendite. Quando il coinvolgimento è diviso, il record che finalmente supera la soglia ci arriva giorni o settimane dopo rispetto all'acquirente.
A quel punto, il momento che ha spinto l'acquirente a farsi avanti potrebbe essere passato. Due record possono anche superare la soglia separatamente e finire assegnati a due commerciali diversi.
Perché lo scoring con IA apprende schemi sbagliati
Lo scoring con AI aggiunge un secondo problema. Il modello impara dalla tua storia, quindi i duplicati nei record passati influenzano l'idea di lead di qualità che si fa il modello.
Un cliente il cui coinvolgimento è diviso tra due record sembra meno coinvolto di quanto sia. Il duplicato rimasto, mai convertito, conta come lead perso. Il modello impara che i segnali mostrati dai tuoi acquirenti migliori contano meno di quanto contino davvero.
Gli stessi dati frammentati influiscono anche sugli altri strumenti AI del vostro CRM, che anche i record duplicati possono rompersi in modi simili. Per lo scoring, la correzione inizia prima dell'addestramento o del riaddestramento di un modello.
L'approccio: correggi i record prima di mettere a punto il modello
Quando i punteggi sembrano sbagliati, la prima reazione è spesso cambiare i punti o la soglia. Se la causa sono i duplicati, nuove regole spostano solo il problema. Partire dai record.
Concorda cosa conta come duplicato per il punteggio
Cosa conta come duplicato dipende dal caso, e ciò che un team considera duplicato, un altro potrebbe non considerarlo tale. Un prospect che torna un anno dopo potrebbe essere lo stesso lead per il marketing e una nuova opportunità per le vendite.
Concordate i casi prima di unire. Quelli comuni sono una persona con un'email personale e una di lavoro, una persona che chiede di due prodotti e un prospect che torna.
Unisci prima i duplicati evidenti
Inizia dalle corrispondenze esatte sull'email. Di solito sono le più sicure da unire e un primo passo rapido.
Poi verificare le persone con due email. Confrontare nome e cognome più telefono o nome dell'azienda, e scegli i campi su cui effettuare la corrispondenza da ciò che contengono i tuoi record. Verificali prima di unirli, perché due persone possono avere lo stesso nome.
Decidi cosa conserva il record unito
Il lead scoring dipende più da alcuni campi che da altri. Definire quale valore prevale per fase del ciclo di vita, stato del lead, proprietario e data MQL prima dell'unione.
Verifica come il tuo scoring gestisce un'unione. Potrebbe ricalcolare dalla cronologia combinata, oppure mantenere il punteggio di un record finché non arriva nuova attività.
Confronta punteggi e conteggi MQL dopo l'unione
Confronta la lista MQL prima e dopo la pulizia. Conta quanti record hanno superato la soglia dopo aver combinato la loro storia e quanti MQL falsi sono scomparsi.
Questo confronto indica se le regole di scoring erano sbagliate o se lo erano i record. Solo dopo, modificare punteggi e soglia.
Individua i nuovi duplicati prima che raggiungano la soglia
Moduli, importazioni e integrazioni continuano ad aggiungere record. Controllare periodicamente i nuovi duplicati evita che i punteggi tornino a degradarsi. Unire i nuovi duplicati prima dell'assegnazione significa che il record che arriva al commerciale contiene tutto lo storico.
Riepilogo: duplicati e lead scoring
| Cosa succede | Effetto sul punteggio | Cosa fare |
|---|---|---|
| Engagement e fit si dividono tra più record | Punteggi troppo bassi: i clienti pronti non raggiungono la soglia | Unire prima le corrispondenze esatte di email, poi rivedere quelle sui nomi |
| Un acquirente noto si registra con una nuova email | MQL falsi inviati al team commerciale | Abbina per nome più telefono o azienda per intercettare la seconda email |
| I record separati superano la soglia in ritardo | L'instradamento arriva con giorni o settimane di ritardo | Unisci i nuovi duplicati prima che parta l'assegnazione |
| Duplicati nei record passati | Lo scoring AI apprende i segnali sbagliati | Storico pulito prima della formazione o del riaddestramento |
| Una persona contata due volte | Conteggi MQL gonfiati, tassi di conversione troppo bassi | Confronta i conteggi MQL prima e dopo l'unione |
Come Dedupely riunisce il coinvolgimento di ogni acquirente in un unico record
Con Dedupely, cerca potenziali lead o contatti duplicati, conferma l'identità e scegli i valori da mantenere. Verifica le attività supportate dal tuo connettore e visualizza l'anteprima di ogni unione. Successivamente, controlla il ricalcolo del punteggio e il comportamento di instradamento prima di attivare l'unione automatica per una regola testata.
Punteggi affidabili partono da un record per acquirente
Il lead scoring lavora sui record, quindi i duplicati cambiano ciò che vede. Un coinvolgimento diviso nasconde acquirenti pronti, e nuove registrazioni di acquirenti noti diventano falsi MQL. Punteggi in ritardo inviano i lead alle vendite dopo che il momento è passato, e lo scoring basato sull'AI apprende dalla stessa storia frammentata.
La soluzione è concordare cosa conta come duplicato, unire quelli evidenti e ricontrollare i punteggi. Quando ogni acquirente ha un solo record, puoi capire se le regole di scoring vanno riviste o se a non funzionare sono i dati.
Domande frequenti
I contatti duplicati influiscono sul lead scoring?
Sì: lo scoring dei lead assegna punti a un record, quindi quando un acquirente ha due record, ciascuno contiene una parte della sua attività e del suo profilo. Entrambi possono restare sotto la soglia mentre l'acquirente è pronto. I duplicati possono inoltre generare MQL falsi e gonfiare i conteggi degli MQL.
Perché i miei lead score sono troppo bassi?
Una possibile causa è che il coinvolgimento è diviso tra record duplicati. Un acquirente che usa email personali e di lavoro può avere attività su entrambe. Conferma la corrispondenza, unisci con le regole di campo corrette e verifica come lo strumento di scoring ricalcola il punteggio. Un'unione non somma necessariamente i due punteggi né ne aumenta il risultato.
Devo pulire il mio CRM prima di configurare il lead scoring con l'AI?
Sì, idealmente: il punteggio con IA impara dai record passati, quindi i duplicati possono fargli credere che gli acquirenti coinvolti lo fossero meno di quanto sono. Unire i duplicati evidenti prima dell'addestramento o del riaddestramento dà al modello uno storico più pulito. Continuare poi a controllare la presenza di nuovi duplicati, perché moduli e importazioni continuano ad aggiungere record.
Come creano falsi MQL i duplicati?
Un acquirente già noto, come un cliente o qualcuno già in contatto con il commerciale, si registra con una nuova email. Il CRM crea un nuovo record, l'attività aggiunge punti e il record diventa un MQL. Il commerciale riceve così un lead "nuovo" che in realtà è già in dialogo con il team.
Cosa succede al punteggio lead quando due record vengono uniti?
Dipende dallo strumento di scoring. Alcuni ricalcolano il punteggio dall'attività combinata, altri mantengono il valore di un record finché non arriva nuova attività. Verifica come si comporta il tuo e decidi in anticipo quale fase del ciclo di vita, stato del lead, responsabile e data MQL deve mantenere il record unito.
Oppure registrati con Google
Salesforce AppExchange 
