Met behulp van voorspellende algoritmen voor machinaal leren analyseert HubSpot je klanten om de waarschijnlijkheid te bepalen dat je open contacten binnen 90 dagen als klant afsluit.
Deeigenschappen Waarschijnlijkheid om te sluiten en Contactprioriteit helpen je om je contacten te analyseren en te segmenteren op basis van dit voorspellende lead scoring model. Meer informatie over deze eigenschappen:
- Waarschijnlijkheid om te sluiten: een score die het percentage weergeeft dat een contactpersoon waarschijnlijk binnen de volgende 90 dagen als klant zal sluiten op basis van bepaalde contacteigenschappen en -activiteiten.Contactpersonen met een waarschijnlijkheidswaarde van 22 hebben bijvoorbeeld een kans van 22% om binnen de volgende 90 dagen als klant te worden gesloten.
- Contactprioriteit: een rangschikking van contacten die gelijkmatig zijn verdeeld in niveaus op basis van hun waarschijnlijkheid om te sluiten scores. De opties voor de eigenschap zijn Zeer Hoog, Hoog, Middelmatig, Laag en Gesloten Won, waarbij Zeer Hoog de meeste kans biedt om te sluiten en Laag de minste kans biedt om te sluiten. Contactpersonen worden gegroepeerd op basis van de volgende logica:
- Elk niveau bevat 25% van uw contactpersonen op basis van de waarschijnlijkheidsscore (d.w.z. contactpersonen met scores in de bovenste 25% worden ingesteld op Zeer hoog, contactpersonen met scores in de onderste 25% worden ingesteld op Laag, enz.) Omdat de categorieën relatieve groepen zijn, kan het bereik van de scores in elk niveau in de loop van de tijd verschuiven.
- Als de waarde van de levenscyclusfase van een contactpersoon is ingesteld op Klant en een waarde heeft voor deeigenschap Sluitdatum , wordt de prioriteit van het contact ingesteld op Gesloten gewonnen. Om ervoor te zorgen dat deze waarde automatisch wordt ingesteld, is het aan te raden je contactpersonen te koppelen aan deals, die bij het sluiten automatisch deze contacteigenschappen bijwerken.
De lead scoring eigenschappen worden automatisch ingesteld door HubSpot en kunnen niet worden bewerkt. Om waarden voor deze eigenschappen in te stellen, analyseert HubSpot de volgende gegevens:
- Analytics- en conversiegegevens, waaronder:
- Aantal paginaweergaves
- Gemiddeld aantal paginaweergaven
- Aantal websitebezoeken
- Aantal klikken op Facebook, LinkedIn en X
- Dagen sinds het laatste bezoek of de laatste klik
- Aantal afgeleverde of gebouncede e-mails
- E-mail abonnementen waarvoor de contactpersoon zich heeft afgemeld
- Aantal geopende e-mails, klikken en meest recente antwoord
- Aantal verzonden e-mails sinds de laatste activiteit van de contactpersoon
- Aantal conversies of unieke conversies (bijv. formulierinzendingen)
- Interacties en eigenschapwaarden in de HubSpot CRM, inclusief:
- Aantal gelogde notities
- Dagen sinds de contactpersoon voor het laatst een vergadering heeft geboekt
- Dagen sinds er voor het laatst contact is geweest met de contactpersoon
- Dagen tot de volgende activiteit
- Of het contact al dan niet een telefoonnummer of mobiel telefoonnummer heeft
- Dagen sinds het contact is gemaakt
- Dagen sinds de laatste bijwerking van het contact
- Of het e-mailadres van de contactpersoon al dan niet een vrij e-maildomein is (bijv. Gmail)
- De waarde van het contact voor de levenscyclusfase-eigenschap. Als de waarde van de levenscyclusfase van een contact Klant is, wordt de waarde Waarschijnlijkheid om te sluiten gewist en wordt de prioriteit van het contact ingesteld op Gesloten Won.
- Firmografische informatie verstrekt door HubSpot Insights over het bedrijf van de contactpersoon, inclusief:
- De omzet van het bedrijf
- De gebruikte technologieën van het bedrijf
- Aantal werknemers
- Firmografische informatie over je bedrijf en HubSpot account, inclusief:
- Aantal contactpersonen in uw HubSpot CRM
- De omzet van uw bedrijf
- De gebruikte technologieën van uw bedrijf
- De branche waarin uw bedrijf actief is
- Aantal werknemers
Let op: HubSpot gebruikt blackbox machine learning om voorspellingen te doen. Bij blackbox machine learning zijn de invoer en uitvoer van het model bekend, maar het is onbekend hoe de invoer wordt omgezet in de uitvoer. Voor lead scoring betekent dit dat het niet mogelijk is om precies te weten hoe elke input bijdraagt aan de score van een contact. In plaats daarvan ligt de nadruk op hoe goed het model voorspelt hoe waarschijnlijk het is dat je leads worden gesloten. Leer meer over het gebruik van lead scoring in de les HubSpot Lead Scoring begrijpen van HubSpot Academy.