Machine Learning no marketing: como aumentar a eficiência do seu funil com um Predictive Lead Scoring

Disclaimer: Os experimentos com o Predictive Lead Scoring foi realizado pelo autor desse artigo dentro da área de Marketing e não há nenhuma correlação futuras funcionalidades do RD Station. O trabalho foi desenvolvido para analisar as possibilidades de utilizar modelos preditivos dentro da área de Marketing.

Você já parou para pensar quais são as grandes vantagens de ter uma estratégia de Inbound Marketing para sua empresa? Acredito que você e a maioria das pessoas vão responder que o principal benefício é o alto número de Leads que podem ser gerados todo o mês de maneira sustentável a partir da autoridade criada em assuntos de expertise da empresa.

No entanto, após a sua empresa conseguir atrair pessoas para o seu site e fazê-las converter em materiais educativos, aparece um outro grande problema: O que fazer com tantos Leads?

Com uma estratégia de Inbound Marketing bem definida e com uma mecânica de geração de Leads ganhando escala, é cada vez mais difícil que o time de vendas aborde todos esses Leads e há dois grandes motivos para que isso não seja feito:

  1. Abordar muitos Leads faz com que os vendedores gastem tempo desnecessário com aqueles que ainda não estão prontos para o seu produto ao invés de focar somente nas melhores oportunidades;
  2. Ao gerar Leads em escala, se torna impossível no médio/longo prazo abordar todos os contatos, pois a quantidade de vendedores cresce em taxas muito menores em relação ao crescimento do número de Leads.

Posto isto, se faz necessário abordar somente uma parcela dos Leads gerados no mês. A forma mais fácil de amostragem é escolher os Leads de forma randômica e repassar para o time de vendas.

Obviamente que essa maneira não é a melhor escolha, pois você pode estar jogando as suas melhores oportunidades no lixo impactando no faturamento da empresa. Para evitar isso, devem ser utilizadas técnicas de priorização dos Leads que serão enviados ao time de vendas.

Um método mais preciso seria ter um conjunto de parâmetros que qualifique os Leads permitindo que sua equipe de vendas maximize o seu tempo e esforço, concentrando-se nas contas que são mais propensas a fechar.

Não seria muito mais fácil se o time de vendas abordasse somente os Leads que querem contratar o seu produto? É nesse momento que o Lead Scoring se torna a solução.

Com o Lead Scoring, você consegue escalar o processo de qualificação de Leads e, por meio da pontuação gerada para cada Lead, entregar melhores oportunidades de negócio para o time de vendas.

O Começo do Lead Scoring na RD

Na Resultados Digitais, passamos por diversos desafios e etapas de inovação do nosso processo de qualificação.

A primeira dessas soluções foi uma planilha onde o analista de Marketing colocava as características do Lead e obtinha uma nota de perfil e interesse do Lead. Caso fosse qualificado, a passagem para o time de vendas era feita de forma manual enviando um email com as informações do Lead.

No entanto, com o crescimento dos Leads gerados por mês, rapidamente esse método se tornou ineficiente.

Sendo assim, o segundo passo foi criar um mecanismo de qualificação e passagem para o time de vendas de forma automatizada com criações de perfis e níveis de engajamento de acordo com o comportamento e características do Lead.

Lead Scoring Automático

Essa segunda alternativa de ferramenta foi uma primeira versão do que vocês podem encontrar hoje no RD Station. Por meio de informações históricas de marketing e vendas, o time de marketing analisa a performance dos Leads correlacionando com dados como canal de aquisição, características da empresa, características do Lead, tipo de material baixado, entre outros.

Muitas dessas análises são realizadas dentro do próprio RD Station por meio do Marketing BI, uma funcionalidade que nos traz um grande auxílio de inteligência nos resultados de negócio (quais perfis, canais e conversões estão mais ajudando a fechar vendas, por exemplo).

Feitas essas análises, são estabelecidos os primeiros pesos para cada critério de qualificação. Desse modo, para cada Lead que preenche um formulário para baixar um material educativo, serão calculadas duas notas:

  • Nota de Perfil: cálculo com base nas características dos Leads que foram preenchidas nos formulários;
  • Nota de Interesse: cálculo com base nas interações que o Lead possui com você, seja por meio de emails, fluxos de automação e também conversões em Landing Pages e outros formulários.

Por meio da geração dessas duas notas, é possível decidir quais Leads são qualificados e devem ser repassados para vendas, de modo que:

  • Leads com um ótimo perfil tendem a necessitar de um menor interesse para estarem prontos para a compra;
  • Já Leads com perfil menor, em geral necessitam de maior tempo e interações no seu funil para chegarem no momento da compra.

Assim, com o Lead Scoring automático, temos um sistema que analisa todo o histórico de interação do Lead com os materiais da Resultados Digitais e determina se ele está pronto para ser abordado pelo time de vendas.

O time de Marketing é o responsável por continuar analisando toda a performance do funil de vendas para realizar eventuais ajustes nos pesos dos parâmetros e até mesmo a pontuação de corte que define se o Lead deve continuar percorrendo o funil de vendas ou entrar em um fluxo de nutrição.

UFA! Finalmente, temos uma forma definitiva e escalável de qualificar os nossos Leads e melhorar o impacto do marketing no funil.

Mas nem tudo são flores…

Apesar de ter sido feito um longo estudo em cima da base de dados histórica e o processo funcionar muito bem, as nossas metas continuam aumentando, sendo necessário aumentar ainda mais a eficiência ao longo do funil.

Além disso, com a grande quantidade de informações obtidas dos Leads, vai ficando mais complexo analisar qual o real impacto de cada parâmetro dentro do processo de qualificação de um Lead.

Por esse motivo, por exemplo, muitas vezes não tínhamos clareza em qual seria a principal alavanca para melhorar a nossa eficiência do funil sendo necessário realizar vários experimentos por tentativa e erro para otimização do funil.

Como qualificar melhor? Quais dados são realmente necessários nas Landing Pages? Em quais situações o Lead não precisa ter um cargo de decisão para ser qualificado?

Eram muitas perguntas e várias ações simultâneas sem ter a real noção do impacto de cada uma na otimização do nosso funil (afinal, o importante era melhorar cada vez mais).

Além disso, com a democratização da tecnologia, começamos a ver uma tendência do uso de Machine Learning nas mais variadas aplicações e veio o questionamento:

E se a gente tentasse usar inteligência artificial na qualificação dos Leads?

Por melhor que o processo esteja, uma mudança de paradigma em que a máquina aprenda automaticamente (mediante os resultados históricos) a influência de cada característica e aprenda também a definir se o Lead é qualificado ou não, faz com que um pequeno acréscimo na sua eficiência de vendas possa multiplicar o faturamento de sua empresa – sem gastar nada ou quase nada para isso.

O uso de inteligência artificial no processo de qualificação de Leads é conhecido como Predictive Lead Scoring. Nesse post, ainda não será abordado sobre o passo a passo do desenvolvimento do algoritmo (a primeira versão foi desenvolvida em apenas um mês). No entanto, caso você queira ver os slides de uma palestra que eu fiz sobre esse assunto, confira a apresentação abaixo:

O que é o Predictive Lead Scoring?

O Predictive Lead Scoring é um processo que utiliza algoritmo de Machine Learningusando todas as informações à sua disposição para construir uma visão holística de como os seus dados influenciam na qualificação, determinando quais Leads são prováveis de comprar seu produto ou serviço e quais são mais valiosos para o seu negócio.

De forma simplificada, o algoritmo aprende o que é um Lead qualificado a partir de análises da base histórica de dados do RD Station, do CRM e de dados externos da internet sobre os Leads e clientes. É importante destacar que quanto maior a quantidade e mais nova forem as informações, mais preciso o algoritmo tende a ser, visto que não será influenciado pelas mudanças de comportamento do mercado.

Para entender o quanto influencia cada cada parâmetro na qualificação dos Leads, o algoritmo cria um modelo que leva em consideração as características semelhantes tanto entre os Leads que viraram clientes quanto entre os Leads que não fecharam a venda.

Sendo assim, quando uma nova pessoa baixa um material rico preenchendo os seus dados no formulário da Landing Page, o Predictive Lead Scoring analisa os dados da pessoa e gera uma nota (entre 0 e 10) para o Lead, sendo que a definição se ele é qualificado e vai ser enviado para o time de vendas depende da nota de corte definida pelo time de marketing.

Todos os Leads que passam pelo algoritmo são armazenados no banco de dados e, caso o Lead seja considerado qualificado, ele também é enviado para ser abordado por um vendedor.

Vale destacar que todo esse processo é realizado de maneira automática e que os novos Leads auxiliam no aprendizado do algoritmo aumentando cada vez mais a sua precisão.

Ademais, o processo pode gerar vários insights para o time de marketing, como quais os tipos de materiais educativos relacionam com os Leads mais qualificados, qual é o canal de aquisição mais eficiente, quais informações devem ser obrigatórias nos formulários, entre outros.

Por que começamos a testar o Predictive Lead Scoring?

Os 5 principais razões que fizeram a Resultados Digitais avaliar essa oportunidade de qualificação dos Leads foram:

  1. O time de Marketing queriam entender onde devem ser priorizados os investimentos;
  2. Havia milhares de Leads no nosso banco de dados;
  3. Não conseguíamos abordar todos os Leads e teríamos que achar a melhor forma de priorizá-los;
  4. Gostaríamos de aumentar a eficiência do funil de vendas;
  5. Temos metas agressivas de vendas.

Tanto o Lead Scoring tradicional quanto o Predictive Lead Scoring trazem grandes benefícios no processo de qualificação e, consequentemente, nas vendas da sua empresa.

O Lead Scoring tradicional usa modelos simples e fáceis de implementar para obter os primeiros ganhos na eficiência do funil de vendas.

Com o o Predictive Lead Scoring, é possível construir modelos mais complexos onde são avaliados os conjuntos de características mais relevantes de um potencial cliente ajudando a empresa descobrir o seu perfil de cliente ideal.

A menos que os pesos de pontuação do Lead Scoring tradicional sejam atualizados com freqüência, você pode acabar usando modelos que rapidamente se tornam obsoletos com as mudanças do mercado. Por haver um aprendizado contínuo, o modelo preditivo se adapta a novas características mantendo a sua precisão.

O último ponto de comparação entre o Lead Scoring Tradicional e o Preditivo é em relação à pontuação do Lead. Enquanto o tradicional pontua em cima das características como se elas fossem independentes, o modelo preditivo dá uma nota em cima do conjunto de características da pessoa e da empresa. E isso é super valioso se pensarmos, por exemplo, que o poder de influência em uma decisão de compra de um analista em uma empresa de 4 funcionários é muito diferente de uma empresa de 500.

Desse modo, o Predictive Lead Scoring é importante porque ele pode ajudá-lo a alocar seus recursos de marketing e vendas de forma mais eficaz e eficiente. Além disso, ele pode aumentar o ROI, reduzindo o tempo gasto em encontrar empresas com fit para o seu produto e aumentar a receita, visando contas que são mais propensas a ter sucesso com o seu produto ou serviço – maior ticket médio, LTV, menor risco de churn, etc.

Resumindo, podemos pontuar as 3 principais vantagens do Predictive Lead Scoring sendo:

  1. Aumentar a taxa de qualificação: você consegue fazer com que as suas melhores oportunidades percorram mais rápido no seu funil de vendas;
  2. Aumentar as taxas de fechamento: focando o tempo do seu time de vendas nas contas mais propensas a fechar, você evita o desperdício de tempo e energia podendo fazer melhores pitches e contornos de objeções, mostrando por quais motivos o seu Lead precisa do produto;
  3. Aumentar o LTV (Life Time Value): trazer contas com um melhor fit para o seu produto fará com que eles tenham uma maior possibilidade de sucesso contratando um ticket médio maior e gerando futuras oportunidades de upsell ou cross-sell.

Conclusão

Uma coisa é fato: precisamos sempre ficar atentos, realizar análises e melhorar a qualificação de Leads, seja de uma forma automática ou não.

É cada vez mais comum vermos aplicações com o uso de inteligência artificial e, acompanhando essa tendência, há um aumento no números de empresas que utilizam Predictive Lead Scoring no seu processo de qualificação.

Utilizar um modelo preditivo na qualificação aumenta a eficiência de vendas visto que ele será um processo automatizado, assim como o Lead Scoring tradicional. No entanto, ele irá avaliar o Lead de uma maneira mais precisa com o uso de Machine Learning.

Os benefícios são dos mais variados: desde em vendas com uma maior qualidade dos Leads que vão ser abordados pelos vendedores e aumento da eficiência do funil até para o marketing com um ROI mais claro em cima dos investimentos focando atrair os leads mais qualificados.

No entanto, vale destacar que independente do tipo de Lead scoring que você for usar, é fundamental que análises constantes para ter sempre otimizações do funil de marketing/vendas.

Ficou interessado, mas ainda tem dúvidas sobre o processo ou sobre como começar tecnicamente? Se for o caso, mande um email para thiago.rocha@resultadosdigitais.com.br que será uma honra compartilhar um pouco desse conhecimento adquirido e dos resultados alcançados aqui na RD.

Leave a comment