HubSpot Kunskapsbas

Fastställa sannolikheten för avslut med prediktiv lead scoring

Skriven av HubSpot Support | Nov 2, 2021 3:21:31 PM

Med hjälp av prediktiva maskininlärningsalgoritmer analyserar HubSpot dina kunder för att fastställa sannolikheten för att dina öppna kontakter kommer att avslutas som kunder inom 90 dagar.

Egenskaperna Sannolikhet för avslut och Prioriterad kontakt hjälper dig att analysera och segmentera dina kontakter baserat på denna prediktiva lead scoring-modell. Läs mer om dessa egenskaper:

  • Sannolikhet för avslut: en poäng som representerar den procentuella sannolikheten för att en kontakt avslutas som kund inom de närmaste 90 dagarna baserat på vissa kontaktegenskaper och aktiviteter.Kontakter med ett sannolikhetsvärde på 22 har till exempel en 22 % chans att avslutas som kund inom de närmaste 90 dagarna.
  • Kontaktprioritet: en rangordning av kontakter som är jämnt fördelade i nivåer baserat på deras poäng för sannolikhet för avslut. Alternativen för egenskapen är Mycket hög, Hög, Medel, Låg och Avslutad, där Mycket hög är högst sannolikhet för avslut och Låg är lägst sannolikhet för avslut. Kontakter grupperas baserat på följande logik:
    • Varje nivå innehåller 25 % av dina kontakter baserat på poängen för sannolikhet för avslut (dvs. kontakter med poäng i de översta 25 % är inställda på Mycket hög, kontakter med poäng i de understa 25 % är inställda på Låg, etc.). Eftersom kategorierna är relativa grupperingar kan poängintervallet i varje nivå ändras över tid.
    • Om en kontakts livscykelstadievärde är inställt på Kund och de har ett värde föregenskapen Stängningsdatum , är kontaktens prioritet inställd på Stängd vunnen .För att säkerställa att detta värde ställs in automatiskt rekommenderas att du associerar dina kontakter med affärer, som när de stängs automatiskt kommer att uppdatera dessa kontaktegenskaper.

Egenskaperna för lead scoring ställs in automatiskt av HubSpot och kan inte redigeras. För att ställa in värden för dessa egenskaper analyserar HubSpot följande data:

  • Analys- och konverteringsinformation, inklusive:
    • Antal sidvisningar
    • Genomsnittligt antal sidvisningar
    • Antal besök på webbplatsen
    • Antal klick på Facebook, LinkedIn och X
    • Dagar sedan senaste besöket eller senaste klicket
    • Antal e-postmeddelanden som levererats eller studsat
    • E-postprenumerationer som kontakten har valt bort
    • Antal öppnade e-postmeddelanden, klick och senaste svar
    • Antal e-postmeddelanden som skickats sedan kontaktens senaste aktivitet
    • Antal konverteringar eller unika konverteringar (t.ex. formulärinlämningar)
  • Interaktioner och egenskapsvärden i HubSpot CRM, inklusive:
    • Antal loggade anteckningar
    • Dagar sedan kontakten senast bokade ett möte
    • Dagar sedan kontakten senast kontaktades
    • Dagar till nästa aktivitet
    • Huruvida kontakten har ett värde för telefonnummer eller mobiltelefonnummer
    • Dagar sedan kontakten skapades
    • Dagar sedan kontakten senast uppdaterades
    • Huruvida kontaktens e-postadress är en gratis e-postdomän (t.ex. Gmail)
    • Kontaktens värde för egenskapen Livscykelstadium. Om en kontakts värde för livscykelstadium är Kund, kommer värdet för Sannolikhet för avslut att rensas och kontaktens prioritet kommer att sättas till Avslutad vunnen.
  • Firmografisk information som tillhandahålls av HubSpot Insights om kontaktens associerade företag, inklusive:
    • Företagets intäkter
    • Företagets använda teknik
    • Antal anställda
  • Firmografisk information om ditt företag och HubSpot-konto, inklusive:
    • Antal kontakter i ditt HubSpot CRM
    • Ditt företags intäkter
    • Ditt företags använda teknik
    • Den bransch som ditt företag är verksamt inom
    • Antal anställda

Observera: HubSpot använder blackbox machine learning för att ge förutsägelser. Med blackbox-maskininlärning är modellens indata och utdata kända, men det är okänt hur indata omvandlas till utdata. För lead scoring innebär det att det inte är möjligt att veta exakt hur varje indata bidrar till en kontakts poäng. Istället ligger fokus på hur väl modellen förutspår sannolikheten för att dina leads ska komma till avslut. Läs mer om hur du använder lead scoring i lektionen Understanding HubSpot Lead Scoring HubSpot Academy.