Lead scoring nedir sorusunun kısa cevabı: potansiyel müşterilere, satın alma ihtimallerini gösteren puan vermek ve satış ekibinin zamanını en yüksek puanlıya ayırmaktır. Puan, kişinin kim olduğunu (firma, rol, sektör) ve ne yaptığını (siteyi ziyaret etme, form doldurma, e-postayı açma) birleştirir. KOBİ’nin karmaşık bir yazılıma ihtiyacı yoktur; bir tablo ve beş altı kural ile başlanabilir.
Tanım: Puan neyi söyler?
Puan bir tahmindir, kesinlik değil. “80 puan” bir kişinin satın alacağını garanti etmez; “bu kişiyi önce arayalım” kararını verir. Puanın değeri, satış ekibinin sınırlı zamanını daha iyi kullanmasından gelir.
İki tür puan vardır:
- Uyum puanı: Kişi ya da firma ideal müşterimize benziyor mu? (sektör, firma büyüklüğü, konum, rol)
- İlgi puanı: Kişi bize ilgi gösteriyor mu? (fiyat sayfası ziyareti, teklif talebi, e-posta tıklaması)
Yüksek uyum ve yüksek ilgi birlikteyse lead sıcaktır. Yüksek ilgi, düşük uyum ise çoğu zaman öğrenci, rakip ya da yanlış hedef kitledir.
Veri gereksinimi
Başlamak için çok veriye ihtiyacınız yok. Şu kayıtlar yeterli:
- Kişinin iletişim bilgisi ve firma adı
- Geldiği kaynak (reklam, arama, tavsiye, fuar)
- Siteyle etkileşimi (sayfa ziyareti, form, indirme)
- E-posta ve mesaj etkileşimi
- Satış sonucu (kazanıldı / kaybedildi / beklemede)
Beşinci kayıt en önemlisidir. Davranış verisiyle puanlama kişisel veri işlemektir; aydınlatma metninizde bu kullanımı belirtin. Geçmişte kazandığınız ve kaybettiğiniz müşterilere bakmadan puan kuralı yazmak tahmindir. Son 20-30 kazanılan müşterinin ortak özelliklerini çıkarın.
Basit puan modeli
KOBİ için tablo yeterlidir. Örnek bir model (puanlar örnektir, kendi verinizle değiştirin):
| Kural | Puan |
|---|---|
| Karar verici rolü (sahip, genel müdür, satın alma sorumlusu) | +20 |
| Hedef sektörlerden biri | +15 |
| Hedef bölgede | +10 |
| Fiyat ya da iletişim sayfasını ziyaret etti | +15 |
| Teklif/görüşme formu doldurdu | +30 |
| Son 7 gün içinde etkileşim | +10 |
| Ücretsiz e-posta adresi (kurumsal değil) | -10 |
| Öğrenci ya da iş arayan | -30 |
| 30 gündür hiç etkileşim yok | -15 |
Eşikleri belirleyin: örneğin 60 ve üzeri “sıcak, hemen ara”, 30-59 “ilgili, beslenecek”, 30 altı “izle”. Eşikleri kafadan koymayın; ilk ay sonunda satış ekibiyle birlikte gözden geçirin.
Negatif puanlar önemlidir. Sadece pozitif kural eklerseniz herkes zamanla yüksek puana ulaşır ve sistem ayırt edici olmaktan çıkar.
Satışla ortak tanım
Lead scoring en çok pazarlama ile satış arasındaki anlaşmazlıkta başarısız olur. Pazarlama “bu 40 lead’i gönderdim” der, satış “hiçbiri uygun değil” der. Çözüm, baştan ortak tanımdır:
- Pazarlama nitelikli lead (MQL): Puanı eşiği geçmiş, pazarlamanın satışa devrettiği kişi
- Satış nitelikli lead (SQL): Satışın görüşüp “gerçek ihtiyaç var” dediği kişi
- Satışın lead’i geri çevirme nedenleri listesi: bütçe yok, yanlış kişi, zamanı değil, rakiple çalışıyor
Her ay iki ekip birlikte, geri çevrilen lead’lere bakıp puan kurallarını günceller. Bu toplantı olmazsa puan modeli eskir.
Yapay zeka katmanı
Elle yazılan kurallar ilk aşamada yeterlidir. Veri biriktikçe yapay zeka şunlara katkı sağlar:
- Kazanılan ve kaybedilen müşterilerdeki örüntüyü bulup hangi sinyallerin gerçekten önemli olduğunu göstermek
- Konuşma metinlerinden ihtiyacı ve aciliyeti özetlemek
- Puanı otomatik güncellemek
Ancak yapay zekanın önerdiği puanı satış ekibi anlayamıyorsa kullanmaz. Bir lead neden yüksek puanlı, kısaca açıklanabilmelidir. Yeterince kayıt yoksa (örneğin kazanılan müşteri sayısı çok az ise) yapay zeka modeli anlamlı sonuç vermez. O durumda elle yazılan kurallar devam eder.
Sık yapılan hatalar
- Kuralları veriye bakmadan yazmak. Geçmiş satışlar olmadan puan, kişisel varsayım olur.
- Her tıklamayı değerli saymak. Blog okuyan herkes alıcı değildir. Fiyat, teklif, demo gibi niyet sinyallerine daha yüksek puan verin.
- Puanın süresini hesaba katmamak. Üç ay önce iki kez siteyi ziyaret eden kişi hâlâ sıcak değildir. Zamanla puan düşmeli.
- Satışı sürece dahil etmemek. Kuralları yalnızca pazarlama yazarsa satış kullanmaz.
- Modeli bir kez kurup bırakmak. Üç ayda bir doğruluğunu test edin: yüksek puanlı lead’lerin gerçekten daha çok satışa dönüşüp dönüşmediğine bakın.
Doğruluk testi basit yapılır: Son iki ayın lead’lerini puan gruplarına ayırın ve her grubun satışa dönüşüm oranını karşılaştırın. Yüksek puanlı grup belirgin biçimde daha iyi dönüşmüyorsa kurallar yeniden yazılmalıdır.
İlk 30 günde yapılacaklar
- 1. hafta: Son kazanılan ve kaybedilen müşterilerin ortak özelliklerini çıkarın
- 2. hafta: Puan tablosunu satışla birlikte yazın, eşikleri belirleyin
- 3. hafta: CRM’de puan alanını açın ve ilk lead’leri puanlayın
- 4. hafta: Satış geri bildirimini toplayın, kuralları düzeltin
Küçük bir örnek
Mimari malzeme satan bir KOBİ düşünelim. Son yirmi kazanılan müşterinin on altısı inşaat firması, on dördü ilk görüşmede metrekare ve teslim tarihini söylemiş. Buradan iki kural çıkar: sektör inşaatsa +15, ilk formda metrekare ya da tarih yazılmışsa +20. Aynı dönemde bilgi toplamak için gelen öğrenci ve ev tadilatı sorguları satışa dönmemişse bu gruba -15 verilir. Üç hafta sonra satış ekibi “puanı 60 üstü olanları önce aradık, dönüşüm daha iyiydi” derse model işe yarıyor demektir. Demezse kural değişir. Önemli olan, her kuralın gerçek bir satış sonucuna bağlı olmasıdır.
Puanı satışa nasıl göstermelisiniz?
Puan satış ekibinin önüne tek bir sayı olarak değil, nedenleriyle birlikte gelmelidir: “72 puan. Karar verici rolü, fiyat sayfasını iki kez görüntüledi, son 3 günde etkileşim.” Satış temsilcisi neden aranması gerektiğini bir bakışta görürse güvenir. Sayıyı renkli etiketlere (sıcak, ilgili, izle) bölmek de görünümü sadeleştirir. Puan alanını CRM’de liste görünümüne ekleyin ve sıralamayı puana göre yapın; satışçının günlük arama listesi buradan çıksın.
Sık sorulan sorular
Lead scoring için CRM şart mı?
Şart değildir, ama CRM puanı otomatik hesaplayıp satışın önüne koyduğu için işi kolaylaştırır. Başlangıçta bir elektronik tablo da kullanılabilir.
Kaç lead’den sonra puanlamaya başlanmalı?
Elle takip edebiliyorsanız ihtiyaç yoktur. Haftada onlarca lead gelmeye ve satış ekibi hangisini arayacağını seçmekte zorlanmaya başlayınca zamanı gelmiştir.
Puan modeli sektöre göre değişir mi?
Evet. Kurallar sizin geçmiş satışlarınızdan türediği için her işletmede farklıdır. Hazır bir model yalnızca başlangıç taslağıdır.
Yapay zeka tek başına puan belirleyebilir mi?
Veri yeterliyse öneri üretir, ama kuralların açıklanabilir olması gerekir. Satış ekibi anlamadığı puana güvenmez.
B2B ve B2C için fark var mı?
B2B’de firma bilgisi ve karar verici rolü öne çıkar. B2C’de davranış sinyalleri (sepet, fiyat bakma, geri dönüş) daha ağırdır.
Profaj olarak CRM kurulumlarında puan kurallarını, işletmenin geçmiş satışlarına ve satış ekibinin geri bildirimine bakarak birlikte yazıyoruz.