최적의 리드 스코어링 모델 구축을 위한 5단계

(참조 자료: 5 Steps to Building a Lead Scoring Model that Works for You)

이상적인 리드의 범위를 좁히고 식별하는 데 도움이 되는 다른 질문도 많이 있습니다. 또한 마케팅 팀에 연락하여 리서치를 기반으로 타깃 시장을 정확히 파악할 수도 있습니다.

2단계: 이상적인 리드를 선별하는 기준 정하기

좋은 리드 스코어링 모델을 구축하려면 리드의 인구 통계 정보와 비즈니스와의 인터렉션이라는 두 가지 카테고리의 데이터가 필요합니다.

인구 통계 데이터

1단계에서 이미 이상적인 리드를 파악했습니다. 비즈니스 규모, 업종, 국가, 연간 매출, 직책 등과 같은 특성을 통해 다른 고객과 비교하여 솔루션을 구매할 가능성이 가장 높은 고객을 파악한 것입니다.

이 데이터는 일반적으로 웹사이트의 양식을 작성할 때 리드가 제공하거나 해당 리드와 나눈 대화를 통해 제공됩니다.

다음 다섯 가지 인구통계학적 특성을 통해 잠재고객들을 쉽게 식별할 수 있습니다:

1. 직책
2. 산업 유형
3. 회사 규모
4. 위치
5. 부서

행동 데이터

두 번째로 필요한 데이터 유형은 리드가 회사와 인터렉션하는 방식과 관련된 데이터입니다. 이 데이터는 웹사이트에서의 리드의 행동과 비즈니스가 이메일에 대한 반응 데이터를 기반으로 합니다. 이메일을 열거나, 본문 내 링크를 클릭하거나, 가격 페이지를 방문하거나, 솔루션에 가입하는 등의 행동은 주의해야 할 긍정적인 구매 신호입니다. 반면, 채용 페이지를 방문하거나 메일링 리스트에서 구독을 취소하는 것은 리드의 무관심을 나타내는 신호입니다.

다음은 리드로부터 관찰할 수 있는 몇 가지 긍정적인 구매 신호입니다:

• 데모 요청 및 백서 다운로드와 같은 최상단 유입 경로 활동
• 가격 페이지 방문, 제품 웨비나 등록 및 솔루션 가입하기와 같은 영업 퍼널 중간 단계 활동
• 온보딩 비디오 시청, 팀 추가, 새로운 기능 적용 등 애플리케이션에서 수행한 활동
• 기업 이메일을 열거나 이메일 본문에 있는 링크를 클릭합니다.

이상적인 리드의 기준을 나열할 때 염두에 두어야 할 팁이 있습니다:

인구통계학적 데이터와 행동 데이터 모두 리드 스코어링 모델을 설정하는 데 중요한 요소입니다. 인구통계학적 데이터는 리드에 대한 관심도를 보여줍니다. 반면 행동 데이터는 리드가 회사에 얼마나 관심이 있는지를 보여줍니다. 한 가지 카테고리로만 리드의 점수를 매기면 회사에 관심이 없는 CEO와 구매 의향이 높은 관리자를 구분할 수 없습니다.

3단계: 가치 할당

각 활동에 어떤 점수를 부여할지 결정하는 것은 리드 스코어링에서 가장 어려운 부분이며, 대부분의 사람들이 이 부분에서 실수하는 경우가 많습니다.

가치를 할당하는 효과적인 방법 중 하나는 인구 통계 데이터와 행동 데이터에 점수를 균등하게 배분하는 것입니다. 이 접근 방식을 사용하면 이상적인 리드와 일치하거나 브랜드에 대한 참여도가 높다는 이유만으로 리드가 높은 점수를 받지 않도록 할 수 있습니다.

예를 들어, 이상적인 리드가 중소기업의 CEO인 경우 20점을 받습니다. 하지만 채용 페이지를 방문하는 학생은 감점을 받게 됩니다.

리드 스코어링 실수

스코어링할 때 피해야 할 몇 가지 실수는 다음과 같습니다:

1: 열어본 이메일별로 점수

리드가 이메일을 열어본다는 것은 여러 가지를 의미할 수 있습니다. 이메일을 진정으로 열어 읽었을 수도 있고, 실수로 열었을 수도 있습니다. 이메일 열람 수로 점수를 매긴다고 해서 리드가 의도적으로 이메일을 열어 읽었다는 것을 의미하지는 않습니다. 이는 오해의 소지가 있으며 리드 점수를 부풀릴 수 있습니다. 대신 이메일 클릭 수로 점수를 매기면 리드가 이메일을 읽고 이메일 본문의 링크를 클릭했음을 나타냅니다.

2: 각 웹 페이지에 동일한 점수 설정하기

가격 페이지를 방문한 리드는 채용 페이지를 방문한 리드보다 전환할 가능성이 더 높습니다. 각 웹 페이지에 동일한 점수를 설정하면 리드 스코어링 모델이 부정확해집니다. 대신 각 웹 페이지마다 다른 점수를 설정하세요. 예를 들어 가격 페이지 방문자에게는 플러스 점수를, 채용 페이지 방문자에게는 마이너스 점수를 추가합니다. 이렇게 하면 팀에서 참여시키고 싶지 않은 리드를 필터링하는 데 도움이 됩니다.

3: 마이너스 점수 피하기

가치를 할당할 때 가장 흔히 저지르는 실수 중 하나는 올라가는 점수는 설정하는데, 내려가는 점수는 설정하지 않는다는 것입니다. 리드에 마이너스 점수를 추가하는 것을 두려워하지 마세요. 정크 리드의 필터링이 누락되는 것을 방지하기 위해 마이너스 점수를 반드시 추가해야 합니다.

리드의 점수를 매기는 기준을 정의할 때 감점을 매기는 기준도 함께 나열하세요.

1. 직책이 이상적인 리드에 맞지 않을때
2. 리드가 채용 페이지를 방문
3. 제품 또는 서비스가 특정 산업 유형에 맞지 않는 경우
4. 특정 국가로 제품을 배송하지 않는 경우
5. 특정 규모의 기업에는 자사의 서비스를 제공하지 않을때

리드 스코어링에서는 웨비나 참석, 가격 페이지 방문 등 원하는 리드의 행동에 긍정적인 점수를 부여하고 채용 페이지 방문, 개인 이메일 계정 가입, 캠페인에 대한 무응답 등 원치 않는 행동에 부정적인 점수를 부여합니다.

4: 각 이벤트에 시간 제한을 설정하지 않음

이메일 읽기, 기능 적용, 브로셔 다운로드 등의 행동에 대해 리드의 점수를 매길 때, 그 점수가 영원히 지속되어서는 안 됩니다. 리드가 지난달에 웨비나에 참석했거나 1년 전에 이벤트에 참석했거나 지난주에 이메일을 클릭한 경우 부여된 점수를 유지하는 것은 의미가 없습니다. 행동 데이터에 대한 점수를 설정할 때는 반드시 타임라인을 설정해야 하며, 그 이후에는 점수가 차감됩니다.

4단계: 점수 임계값 설정하기

좋은 영업 리드의 자격 기준을 정의했지만, 모든 리드가 이 카테고리에 속하는 것은 아닙니다. 일부는 아직 제품을 구매할 준비가 되지 않았을 수도 있고, 다른 일부는 이메일이나 전화에 응답하지 않을 수도 있습니다. 점수를 설정할 때 리드를 버킷으로 분류하는 임계값을 정의하여 주의가 필요한 리드와 육성이 필요한 리드를 즉시 식별할 수 있습니다.

예를 들어 임계값 한도를 다음과 같이 정의할 수 있습니다:

• ‘인기’ 또는 ‘영업 준비 리드’는 리드 점수가 70보다 높은 리드를 말합니다.
• ‘따뜻한 리드’는 리드 점수가 70점에서 30점 사이인 리드입니다.
• ‘차가운 리드’는 리드 점수가 30점 미만인 리드입니다.

5단계: 리드 점수 모델 다시 살펴보기

처음 시작할 때는 가설을 기반으로 규칙을 설정합니다. 하지만 대략 6개월이 지나면 리드에서 새로운 트렌드가 나타나고 있음을 발견할 수 있습니다. 예를 들어, 아직 탐색하지 않은 산업 유형 내에서 리드의 적극적인 참여 수준을 발견하거나, 영업 준비 점수에 도달했지만 아직 구매할 준비가 되지 않은 리드를 발견할 수 있습니다.

이러한 상황이 발생하면 리드 스코어링 모델을 다시 검토해야 할 때입니다.  리드 스코어링 결과를 정기적으로 모니터링하여 리드 스코어링 모델에 반복이 필요한 시기를 파악하는 것이 좋습니다. 유지 관리, 조정, 테스트 및 개선에 열린 자세로 임하세요. 리드 스코어링 모델을 개발하는 데는 시간이 걸리며 언제든지 향상시킬 수 있습니다.