예측 리드 스코어링을 통해 거래 성사 가능성을 파악하세요

HubSpot은 예측 기반 머신러닝 알고리즘을 사용하여 고객을 분석함으로써, 현재 잠재 고객 중 90일 이내에 실제 고객으로 전환될 확률을 산출합니다. HubSpot은 이러한 점수를 자동으로 계산합니다. 자체적인 점수 산정 기준을 설정하려면 리드 스코어링 도구를 사용하세요.

'성사 가능성(Likelihood to close )' 및'연락처 우선순위(Contact priority)' 연락처 속성을 활용하면 이 예측 리드 스코어링 모델을 기반으로 연락처를 분석하고 필터링할 수 있습니다. 다음 속성에 대해 자세히 알아보세요:

• 성사 가능성: 특정 연락처 속성 및 활동을 기반으로 향후 90일 이내에 해당 연락처가 고객으로 전환될 확률을 백분율로 나타내는 점수입니다. 예를 들어, 성사 가능성 값이 22인 연락처는 향후 90일 이내에 고객으로 전환될 확률이 22%입니다.
• 연락처 우선순위: 계약 성사 가능성 점수를 기준으로 연락처를 단계별로 균등하게 분류한 순위입니다. 이 속성의 옵션은 ‘매우 높음 ’, ‘높음’, ‘중간’, ‘낮음’, ‘계약 성사(완료)’이며, ‘매우 높음’은 계약 성사 가능성이 가장 높고, ‘낮음’은 계약 성사 가능성이 가장 낮음을 의미합니다 . 연락처는 다음 논리에 따라 그룹화됩니다:
  • 각 등급은 ‘계약 성사 가능성’ 점수에 따라 연락처의 25%를 포함합니다(즉, 점수가 상위 25%에 속하는 연락처는 ‘매우 높음’으로, 점수가 하위 25%에 속하는 연락처는 ‘낮음’으로 설정되는 식입니다). 이 범주들은 상대적인 그룹화이므로, 각 등급의 점수 범위는 시간이 지남에 따라 변동될 수 있습니다.
  • 연락처의 ‘라이프사이클 단계’ 값이 ‘고객’으로 설정되어 있고 ‘성사 날짜’ 속성에 값이 있는 경우, 연락처 우선순위는 ‘성사(승리) ’로 설정됩니다 . 이 값이 자동으로 설정되도록 하려면 연락처를 거래와 연결하는 것이 좋습니다. 거래가 성사되면 해당 연락처 속성이 자동으로 업데이트됩니다.

  예측 리드 스코어링 속성은 HubSpot에서 자동으로 설정되며 편집할 수 없습니다. 이러한 속성의 값을 설정하기 위해 HubSpot은 다음 데이터를 분석합니다:

  • 다음과 같은 분석 및 전환 정보:
    • 페이지 조회수
    • 평균 페이지 조회 수
    • 웹사이트 방문 횟수
    • Facebook, LinkedIn 및 X에서의 클릭 수
    • 마지막 방문 또는 마지막 클릭 이후 경과 일수
    • 전달되거나 반송된 이메일 수
    • 수신 거부된 이메일 구독 건수
    • 이메일 열람 횟수, 클릭 횟수 및 가장 최근의 답장 횟수
    • 연락처의 마지막 활동 이후 발송된 이메일 수
    • 전환 수 또는 고유 전환 수(예: 양식 제출)
  • HubSpot CRM 내 상호작용 및 속성 값(다음 포함):
    • 기록된 메모 수
    • 연락처가 마지막으로 미팅을 예약한 지 경과한 일수
    • 연락처와 마지막으로 연락한 지 경과한 일수
    • 다음 활동까지 남은 일수
    • 연락처에 전화번호 또는 휴대전화번호 값이 있는지 여부
    • 연락처가 생성된 지 경과한 일수
    • 연락처가 마지막으로 업데이트된 지 경과한 일수
    • 연락처의 이메일이 무료 메일 도메인(예: Gmail)인지 여부
    • 연락처의 ‘라이프사이클 단계 ’ 속성 값. 연락처의 라이프사이클 단계 값이 ‘고객’인 경우, ‘성사 가능성’ 값은 지워지고, ‘연락처 우선순위 ’는 ‘성사 완료’로 설정됩니다.
  • Breeze Assistant 가 제공하는 연락처와 관련된 회사의 기업 정보(Firmographic)로, 다음이 포함됩니다:
    
    • 회사의 매출액
    • 해당 기업이 사용하는 기술
    • 직원 수
  • 귀사의 비즈니스 및 HubSpot 계정에 대한 기업 정보(다음 사항 포함):
    
    • HubSpot CRM 내 연락처 수
    • 귀사의 매출액
    • 귀사에서 사용하는 기술
    • 귀사가 속한 산업 분야
    • 직원 수

  참고: HubSpot은 예측을 제공하기 위해 블랙박스 머신러닝을 사용합니다. 블랙박스 머신러닝의 경우 모델의 입력과 출력은 알려져 있지만, 입력이 어떻게 출력으로 변환되는지는 알 수 없습니다. 리드 스코어링의 경우, 이는 각 입력 요소가 연락처의 점수에 정확히 어떻게 기여하는지 알 수 없음을 의미합니다. 대신, 모델이 리드의 계약 성사 가능성을 얼마나 정확하게 예측하는지에 중점을 둡니다. HubSpot Academy의 ‘HubSpot 리드 스코어링 이해’ 강의에서 리드 스코어링 사용 방법에 대해 자세히 알아보세요.