Quand une équipe nous demande de construire du lead scoring dans HubSpot, la première question que nous lui retournons, c'est de savoir si elle cherche à scorer qui est le Lead, ou ce que le Lead fait. Ce sont deux jobs différents. La plupart des instances que nous auditons ont un seul modèle qui essaie de faire les deux, et c'est pour ça que personne sur le plateau commercial ne prend le score au sérieux. Le correctif n'est pas un meilleur algorithme. C'est de scinder le score en deux propriétés au niveau Contact, chacune portée par l'équipe qui l'utilise.
Pourquoi cela compte maintenant
Le comportement d'achat au niveau Contact est devenu plus difficile à lire, pas plus simple. Les buying groups sont plus larges, les touchpoints individuels plus bruyants, et le ratio signal/bruit sur un grade composite est tombé plus bas que la plupart des équipes Ops ne veulent l'admettre. L'analyse de Harvard Business Review sur le parcours d'achat B2B moderne posait la raison structurelle , les clients passent l'essentiel de leur parcours en self-serve research et surface dans le CRM avec une intention partielle, présentant un profil contradictoire jusqu'à ce qu'on sépare qui ils sont de ce qu'ils font. Un grade combiné aplatit cette distinction au moment exact où elle compte le plus. [1]
La mauvaise question , « c'est quoi notre lead score ? »
Généralement, quand une équipe revenue demande un lead score, elle demande un seul chiffre qui range la queue. Cet instinct est le piège. Le ranking implique un ordonnancement unique, et un ordonnancement unique vous force à moyenner deux signaux qui ne devraient pas l'être. Le fit score répond à une question structurelle sur l'Account. L'engagement score répond à une question comportementale sur le timing. Les moyenner produit un chiffre médian assez haut pour encombrer la queue inbound et assez bas pour perdre la confiance du commercial outbound sur la liste froide. La bonne question se rapproche de , quelle propriété chaque équipe pondère-t-elle quand elle décide quoi traiter ensuite ?
Fit score , qui ils sont
Le fit score est la réponse à : est-ce le genre d'entreprise à qui l'équipe vend. Il se construit à partir des démographiques Contact et Company , pays, tranche de revenus, tranche d'effectifs, industrie, intitulé de poste, séniorité, et tout filtre ICP sur lequel l'équipe GTM s'est mise d'accord. La donnée est essentiellement statique ou à mouvement lent. Une fois la Company d'un Contact enrichie, le fit score bouge à peine jusqu'à ce que la Company elle-même change.
Le test diagnostique d'un fit score est simple. Sortez la liste des Deals Closed Won du dernier trimestre, puis celle des Deals Closed Lost-no-decision. Le fit score devrait les séparer visiblement. Si les distributions se chevauchent, ce sont les inputs qui sont faux, pas les maths.
Ce que le fit score ne vous dit pas
Le fit score ne vous dira pas si le Contact est attentif cette semaine. Un Contact parfaitement matché qui n'a pas ouvert un email depuis neuf mois reste un Contact parfaitement matché, et un fit score qui décroît selon l'engagement n'est plus un fit score. C'est un composite confus. Résistez à la tentation de cuire la récence dedans.
Engagement score , ce qu'ils font
L'engagement score est la réponse à : le Contact est-il attentif en ce moment. Il se construit à partir du comportement , ouvertures, vues de pages, demandes de démo, téléchargements de contenu, visites de page pricing, holds de meeting. Chaque input comportemental a un poids de récence. Une vue démo d'hier compte plus que trois visites de page pricing en juin, et un Contact qui a tiré tous ses signaux au Q2 devrait redescendre dans la queue à mesure que le score décroît.
L'engagement score est la propriété sur laquelle l'équipe inbound queue. Il bouge quotidiennement et donne au commercial une raison pour laquelle ce Contact a surfacé aujourd'hui. Le fit score décide si le Lead vaut le prochain motion ; l'engagement score décide qu'aujourd'hui est le bon jour.
Pourquoi l'inbound utilise l'un et l'outbound utilise l'autre
D'un côté, l'inbound travaille une queue de Leads qui ont déjà levé la main. La question de fit est largement réglée par le formulaire qu'ils ont rempli, ou par la couche de routage. Ce dont l'inbound a besoin, c'est d'un séquencement , qui a levé la main le plus récemment, avec quelle intensité, sur quelle page. C'est l'engagement score, pondéré fortement sur la récence.
De l'autre, l'outbound construit une liste à partir d'un univers plus froid. Le signal d'engagement est rare par définition. Ce dont l'outbound a besoin, c'est d'un filtre qui retire le segment de l'univers qui ne matche pas l'ICP avant qu'aucun commercial ne passe une minute sur une séquence. C'est le fit score, utilisé comme cutoff dur plutôt que comme ranking. C'est pour ça qu'un grade de Lead unique combiné déçoit les deux équipes , l'inbound préférerait que le score bouge avec le comportement ; l'outbound préférerait qu'il ne bouge pas une fois la Company enrichie. Un grade combiné fait un compromis sur les deux.
Cas observé sur le terrain
Une équipe B2B SaaS DACH en Series A est venue nous voir avec un grade de Lead HubSpot que le commercial inbound avait cessé de consulter et que le commercial outbound n'avait jamais cru. Le grade était une moyenne pondérée d'inputs couvrant à la fois fit et comportement. L'instinct de l'équipe était de re-tuner les poids. Le vrai correctif était structurel , scinder la propriété en deux, définir un fit score depuis un stack démographique sans aucun input comportemental, définir un engagement score depuis un stack comportemental avec une décroissance de récence à trente jours, et laisser chaque équipe pondérer la propriété qui mappait sa vraie prochaine action. La donnée était déjà dans HubSpot. Elle était simplement moyennée à la mauvaise couche.
Résolution , un playbook fit-et-engagement
Si vous êtes sur le point de construire ou reconstruire le lead scoring HubSpot, les étapes ci-dessous survivent à toutes les variantes de ce projet que nous avons vues :
- Décidez les deux propriétés d'abord. Avant tout input ou poids, accordez-vous sur le fait qu'il y aura un fit score et un engagement score comme propriétés séparées au niveau Contact, pas un grade combiné. Nommez-les clairement. La convention de nommage est le contrat.
- Construisez le fit score à partir d'inputs démographiques uniquement. Pays, tranche de revenus, tranche d'effectifs, industrie, intitulé de poste, séniorité, flag ICP issu de l'enrichissement. Aucun comportement. Le fit score doit changer quand la Company change, pas quand le Contact ouvre un email.
- Construisez l'engagement score à partir d'inputs comportementaux uniquement, avec décroissance de récence. Ouvertures, vues de pages, demandes de démo, téléchargements, visites pricing, holds de meeting. Appliquez un poids de récence qui tire automatiquement les anciens signaux vers le bas ; trente à quatre-vingt-dix jours est la fourchette habituelle.
- Validez contre les résultats du dernier trimestre. Sortez Closed Won et Closed Lost-no-decision ; vérifiez que le fit score les sépare. Sortez les SQL convertis vs. SQL disqualifiés en inbound ; vérifiez que l'engagement score les sépare. Si une propriété ne sépare pas son résultat cible, les inputs sont faux.
- Attribuez à chaque équipe une propriété principale. L'inbound queue depuis l'engagement, avec le fit en sanity check. L'outbound filtre depuis le fit, avec l'engagement en tiebreaker sur la liste éligible. Documentez ça dans le playbook de l'équipe pour que le score ait un seul owner de prochaine action.
- Publiez un aperçu de distribution. Montrez à l'équipe combien de Contacts atterrissent dans chaque tranche de chaque propriété. Un score où quatre-vingt-dix pour cent des Contacts s'agglomèrent dans une seule tranche n'est pas un score ; c'est un libellé. Tunez les seuils contre la distribution avant de lâcher la propriété en routage.
- Traitez le score comme directionnel. Aucun modèle de scoring n'est parfait au niveau Contact, surtout à l'échelle où les Contacts en domaine email gratuit et l'enrichissement partiel biaiseront les tranches basses. Publiez le caveat à côté du score pour que l'équipe l'utilise comme input de queue, pas comme verdict.
Si vous faites ces sept étapes, le score devient la propriété sur laquelle l'équipe queue réellement. Si vous les sautez et livrez un grade combiné, vous serez de retour dans l'outil de scoring HubSpot dans le trimestre, à re-tuner des poids qui n'ont jamais été le problème.
Là où Checkpoint intervient
La conception du score dépend aussi du stade. Une équipe seed travaillant une liste cible triée à la main n'a pas besoin d'un fit score ; la liste est le score. Une équipe en late Series B menant un blend inbound et outbound a besoin que les deux propriétés travaillent dur, avec une pondération spécifique par équipe, un pattern structurel que Harvard Business Review a posé il y a des décennies en arguant que la conception de la sales force doit évoluer avec le cycle de vie de l'entreprise, et non rester figée à la forme qui marchait au stade précédent. [2] La conception du score, c'est le même problème une couche plus bas.
Scinder fit et engagement est l'un des points de levier les plus nets dans toute instance HubSpot, mais le travail qui fait que le score est utilisé est en amont , la définition de l'ICP, le stack d'enrichissement, les règles de routage, le playbook que le commercial inbound ouvre en début de journée. Nous menons ce type de travail sur l'Operating Layer HubSpot en RevOps embarqué chez les équipes clientes. Si votre grade de Lead a cessé de signifier quelque chose, c'est généralement le projet. Parlez-nous du lead scoring HubSpot.
Noah Charak