TL;DR
- Os duplicados dividem a atividade de um comprador por vários registos, pelo que a pontuação de cada registo reflete apenas uma parte.
- Um novo registo de um comprador conhecido com outro e-mail pode tornar-se um MQL falso.
- Uma pontuação de lead que ultrapassa o limiar tarde envia um comprador pronto para a equipa comercial também tarde.
- Funda primeiro os duplicados evidentes, antes de ajustar as regras de pontuação ou de treinar um modelo de pontuação com IA.
- O Dedupely encontra e funde leads e contactos duplicados, para que a pontuação leia um único registo por comprador.
A pontuação de leads deve dizer à equipa comercial a quem ligar primeiro. O marketing define os pontos ou treina um modelo, a equipa comercial confia no número, e o limiar decide quando um lead se torna um MQL.
A pontuação só vale o registo em que assenta. Quando um comprador vive em dois ou três registos, cada um guarda parte da história, e a pontuação reflete essa parte. Alguns compradores prontos nunca chegam às vendas, e alguns registos chegam às vendas quando não deviam.
Neste artigo, verá como os duplicados distorcem a pontuação baseada em regras e em IA, e a abordagem que o resolve. É uma forma de pensar sobre pontuação e duplicados, por isso não explica a configuração da pontuação.
O que lê a pontuação de leads
Muitos modelos de pontuação analisam duas coisas. O encaixe é quem é a pessoa: cargo, dimensão da empresa, setor, país. O envolvimento é o que faz: preenchimento de formulários, cliques em emails, visualizações de páginas, reuniões.
Pontuação baseada em regras
Com a pontuação baseada em regras, a sua equipa define os pontos. Um pedido de demonstração pode valer 20 pontos, uma visita à página de preços 10, e um cargo que consta na sua lista-alvo mais 15. Quando um registo atinge o limiar, passa a ser um MQL e segue para vendas.
Pontuação com IA ou preditiva
A pontuação com IA aprende com registos passados. Analisa que leads se tornaram clientes e quais não, e depois pontua os novos leads consoante a semelhança com os que venceram.
Ambas as abordagens pontuam registos. Nenhuma sabe que dois registos pertencem à mesma pessoa, a menos que algo nos dados os ligue.
Três formas como os duplicados distorcem as pontuações
A importância de cada um depende das suas fontes, do seu limiar e de como a equipa encaminha os leads. Estes são os padrões a procurar.
Interação dividida por vários registos
Um comprador descarrega um guia com um email pessoal e depois marca um webinar com um email de trabalho. Cada registo recebe parte da atividade, e nenhum ultrapassa o limiar. O comprador está pronto, e ninguém liga.
A pontuação de adequação também se divide: um registo tem o cargo de um formulário, o outro a dimensão da empresa de uma importação. Nenhum parece um bom encaixe por si só. Os leads são especialmente propensos a isto, uma vez que os leads duplicados surgem mais depressa do que os contactos.
MQLs falsos
Os duplicados também podem distorcer as pontuações. Um cliente ou um contacto de uma oportunidade aberta inscreve-se num webinar com um novo email. O CRM cria um novo registo, o webinar acrescenta pontos e o registo torna-se um MQL.
As vendas recebem agora um lead "novo" que já fala com um gestor de contas. O comercial liga, o comprador fica confuso, e as vendas começam a duvidar dos MQL que se seguem.
Os duplicados também inflacionam o número de MQL. Uma pessoa contada duas vezes faz o volume parecer maior e as taxas de conversão mais baixas do que são.
Encaminhamento que chega tarde demais
As pontuações decidem quando um lead passa para vendas. Quando o envolvimento está dividido, o registo que finalmente atinge o limiar fá-lo dias ou semanas depois do que o comprador fez.
Até lá, o momento que levou o comprador a contactar pode já ter passado. Dois registos também podem ultrapassar o limiar separadamente e ficar com dois comerciais diferentes.
Porque é que a pontuação com IA aprende os padrões errados
A pontuação com IA acrescenta um segundo problema. Aprende com o seu histórico, por isso os duplicados em registos antigos moldam a ideia que o modelo tem de um bom lead.
Um cliente cujo envolvimento estava dividido por dois registos parece menos envolvido do que estava. O duplicado restante que nunca converteu conta como lead perdido. O modelo aprende que os sinais que os seus melhores compradores mostraram têm menos peso do que realmente têm.
Os mesmos dados divididos afetam outras ferramentas de IA no seu CRM, o que registos duplicados podem falhar de formas semelhantes. Na pontuação, a correção começa antes de treinar ou retreinar um modelo.
A abordagem: corrija os registos antes de ajustar o modelo
Quando as pontuações parecem erradas, a primeira reação costuma ser alterar os pontos ou o limiar. Se a causa forem os duplicados, novas regras só deslocam o problema. Comece pelos registos.
Acorde o que conta como duplicado para a pontuação
O que conta como duplicado depende de cada caso, e o que uma equipa considera duplicado pode não o ser para outra. Um potencial cliente que regressa um ano depois pode ser o mesmo lead para o marketing e uma nova oportunidade para as vendas.
Defina os casos antes de fundir. Os mais comuns são uma pessoa com email pessoal e profissional, uma pessoa que pergunta por dois produtos e um potencial cliente que regressa.
Funda primeiro os duplicados evidentes
Comece por correspondências exatas por email. São normalmente as mais seguras de fundir e um primeiro passo rápido.
Depois, analise as pessoas com dois e-mails. Faça a correspondência pelo primeiro e último nome, mais o telefone ou o nome da empresa, e escolher os campos para a correspondência a partir do que os seus registos contêm. Reveja estes casos antes de fundir, já que duas pessoas podem ter o mesmo nome.
Decida o que o registo fundido mantém
A pontuação depende mais de alguns campos do que de outros. Defina que valor prevalece na fase do ciclo de vida, no estado do lead, no responsável e na data de MQL antes de fundir.
Verifique como a sua pontuação trata uma fusão. Pode recalcular a partir do histórico combinado ou manter a pontuação de um registo até surgir nova atividade.
Compare as pontuações e as contagens de MQL após a fusão
Analise a sua lista de MQL antes e depois de uma limpeza. Conte quantos registos ultrapassaram o limiar depois de combinado o seu histórico, e quantos MQL falsos desapareceram.
Essa comparação diz-lhe se as suas regras de pontuação estavam erradas ou se os registos estavam. Ajuste os pontos e o limiar só depois disso.
Detete novos duplicados antes de atingirem o limite
Formulários, importações e integrações continuam a adicionar registos. Verificar novos duplicados com regularidade evita que as pontuações voltem a desviar-se. Fundir os novos duplicados antes de o encaminhamento correr garante que o registo que chega às vendas tem todo o histórico.
Resumo: duplicados e pontuação de leads
| O que acontece | Efeito na pontuação | O que fazer |
|---|---|---|
| Envolvimento e adequação repartidos por registos | Pontuações demasiado baixas; compradores prontos não atingem o limite | Funda primeiro as correspondências exatas de email e depois analise as de nome |
| Um comprador conhecido regista-se com um novo email | MQL falso enviado às vendas | Faça a correspondência por nome e telefone ou empresa para apanhar segundos e-mails |
| Registos divididos atingem o limiar tarde | O encaminhamento chega com dias ou semanas de atraso | Funda os novos duplicados antes de correr o encaminhamento |
| Duplicados em registos antigos | A pontuação por IA aprende os sinais errados | Limpe o histórico antes de treinar ou voltar a treinar |
| Uma pessoa contada duas vezes | Contagens de MQL infladas, taxas de conversão demasiado baixas | Compare as contagens de MQL antes e depois da fusão |
Como a Dedupely reúne o envolvimento de cada comprador num só registo
Com a Dedupely, procure possíveis leads ou contactos duplicados, confirme a identidade e escolha os valores que sobrevivem. Reveja as atividades suportadas pelo seu conector e pré-visualize cada fusão. Depois, verifique o comportamento de recálculo e encaminhamento da ferramenta de pontuação antes de ativar a fusão automática para uma regra testada.
Encontre os duplicados que estão a dividir as suas pontuações de lead
Pontuações fiáveis começam com um registo por comprador
A pontuação de leads funciona sobre os registos, por isso os duplicados alteram o que ela vê. O envolvimento dividido oculta compradores prontos, e os novos registos de compradores conhecidos tornam-se MQL falsos. Pontuações tardias enviam leads para vendas depois de o momento ter passado, e a pontuação por IA aprende com o mesmo histórico dividido.
A solução é definir o que conta como duplicado, fundir os óbvios e voltar a verificar as pontuações. Quando cada comprador tiver um único registo, poderá perceber se as suas regras de pontuação precisam de ajuste ou se o problema estava nos dados.
Perguntas frequentes
Os contactos duplicados afetam a pontuação de leads?
Sim: a pontuação de leads acrescenta pontos a um registo, por isso, quando um comprador tem dois registos, cada um guarda parte da sua atividade e adequação. Ambos os registos podem ficar abaixo do limiar enquanto o comprador está pronto. Os duplicados também podem criar MQL falsos e inflacionar as contagens de MQL.
Porque é que as minhas pontuações de lead são demasiado baixas?
Uma possível razão é o envolvimento dividido por registos duplicados. Um comprador que usa e-mails pessoais e profissionais pode ter atividade em ambos. Confirme a correspondência, faça a fusão com as regras de campo certas e verifique como a sua ferramenta de pontuação recalcula. Uma fusão não soma necessariamente as duas pontuações nem aumenta o resultado.
Devo limpar o meu CRM antes de configurar a pontuação de leads com IA?
Sim, idealmente: a pontuação por IA aprende com registos anteriores, pelo que os duplicados podem levá-la a considerar que compradores envolvidos estavam menos envolvidos do que estavam. Fundir os duplicados óbvios antes de treinar ou retreinar dá ao modelo um histórico mais limpo. Continue a verificar novos duplicados depois, uma vez que formulários e importações continuam a adicionar registos.
Como é que os duplicados criam MQLs falsos?
Um comprador conhecido, como um cliente ou alguém que já fala com a equipa comercial, regista-se com um novo email. O CRM cria um novo registo, a atividade soma pontos e o registo torna-se um MQL. A equipa comercial recebe então um lead "novo" que já está em conversa com a equipa.
O que acontece à pontuação de um lead quando dois registos são fundidos?
Depende da ferramenta de pontuação. Algumas podem recalcular a pontuação a partir da atividade combinada, enquanto outras podem manter o valor de um dos registos até surgir nova atividade. Verifique como a sua se comporta e decida antecipadamente que fase do ciclo de vida, estado do lead, responsável e data de MQL o registo fundido deve manter.
Ou registe-se com o Google
Salesforce AppExchange 
