Fastställ sannolikheten för att avsluta affären med hjälp av prediktiv lead-poängsättning

Med hjälp av prediktiva algoritmer för maskininlärning analyserar HubSpot dina kunder för att fastställa sannolikheten för att dina öppna kontakter ska bli kunder inom 90 dagar. HubSpot beräknar dessa poäng automatiskt. Om du vill skapa egna poängkriterier använder du verktyget för lead-poängsättning.

Egenskaperna ”Sannolikhet att konvertera” och ”Kontaktprioritet” hjälper dig att analysera och filtrera dina kontakter utifrån denna prediktiva modell för lead-poängsättning. Läs mer om dessa egenskaper:

• Sannolikhet att konvertera: ett poängtal som representerar den procentuella sannolikheten för att en kontakt ska konvertera till kund inom de närmaste 90 dagarna, baserat på vissa kontaktattribut och aktiviteter. Till exempel har kontakter med ett sannolikhetsvärde på 22 en 22-procentig chans att konvertera till kund inom de närmaste 90 dagarna.
• Kontaktprioritet: en rangordning av kontakter som fördelas jämnt i nivåer utifrån deras poäng för sannolikhet att avsluta affären. Alternativen för egenskapen är Mycket hög, Hög, Medel, Låg och Avslutad (vunnen), där Mycket hög innebär störst sannolikhet att avsluta affären och Låg minst sannolikhet. Kontakterna grupperas enligt följande logik:
  • Varje nivå innehåller 25 % av dina kontakter baserat på poängen för sannolikhet att avsluta affären (dvs. kontakter med poäng i de översta 25 % klassificeras som ”Mycket hög”, kontakter med poäng i de nedersta 25 % klassificeras som ”Låg” osv.). Eftersom kategorierna är relativa grupperingar kan poängintervallet i varje nivå förändras över tid.
  • Om en kontakts värde för livscykelstadiet är inställt på ”Kund” och kontakten har ett värde för egenskapen ”Avslutningsdatum”, sätts kontaktens prioritet till ”Avslutad – vunnen”. För att säkerställa att detta värde ställs in automatiskt rekommenderas det att du kopplar dina kontakter till affärer, vilket, när affären avslutas, automatiskt uppdaterar dessa kontaktegenskaper.

  Egenskaperna för prediktiv lead-poängsättning ställs in automatiskt av HubSpot och kan inte redigeras. För att fastställa värden för dessa egenskaper analyserar HubSpot följande data:

  • Analys- och konverteringsinformation, inklusive:
    • Antal sidvisningar
    • Genomsnittligt antal sidvisningar
    • Antal webbplatsbesök
    • Antal klick på Facebook, LinkedIn och X
    • Antal dagar sedan senaste besöket eller senaste klicket
    • Antal levererade eller returnerade e-postmeddelanden
    • E-postprenumerationer som kontakten har avregistrerat sig från
    • Antal öppnade e-postmeddelanden, klick och senaste svar
    • Antal e-postmeddelanden som skickats sedan kontaktens senaste aktivitet
    • Antal konverteringar eller unika konverteringar (t.ex. ifyllda formulär)
  • Interaktioner och egenskapsvärden i HubSpot CRM, inklusive:
    • Antal loggade anteckningar
    • Antal dagar sedan kontakten senast bokade ett möte
    • Antal dagar sedan kontakten senast kontaktades
    • Antal dagar till nästa aktivitet
    • Om kontakten har ett telefonnummer eller mobilnummer eller inte
    • Antal dagar sedan kontakten skapades
    • Antal dagar sedan kontakten senast uppdaterades
    • Om kontaktens e-postadress tillhör en gratis e-postdomän (t.ex. Gmail)
    • Kontaktens värde för egenskapen Livscykelstadium. Om en kontakts värde för livscykelstadium är Kund kommer värdet för Sannolikhet att avsluta att rensas, och Kontaktprioritet kommer att ställas in på Avslutad vunnen.
  • Firmografisk information från Breeze Assistant om kontaktens tillhörande företag, inklusive:
    
    • Företagets omsättning
    • De tekniker som företaget använder
    • Antal anställda
  • Firmografisk information om ditt företag och ditt HubSpot-konto, inklusive:
    
    • Antal kontakter i ditt HubSpot CRM
    • Ditt företags omsättning
    • Vilka tekniker ditt företag använder
    • Den bransch som ditt företag verkar inom
    • Antal anställda

  Observera: HubSpot använder blackbox-maskininlärning för att göra prognoser. Med blackbox-maskininlärning är modellens indata och utdata kända, men det är okänt hur indata omvandlas till utdata. När det gäller lead-poängsättning innebär detta att det inte går att veta exakt hur varje indata bidrar till en kontakts poäng. Istället ligger fokus på hur väl modellen förutsäger sannolikheten för att dina leads ska leda till en affär. Läs mer om hur du använder lead-poängsättning i HubSpot Academy-lektionen ”Förstå HubSpots lead-poängsättning”.