AI-lead scoring: brug sælgerens tid på de rigtige henvendelser

Hvad AI-kvalificering skal løse

Lead kvalificering handler ikke om at give hvert kundeemne et pænt tal. Det handler om at afgøre, hvem der bør kontaktes først, hvem der skal have mere pleje, og hvem der slet ikke passer til jeres forretning.

For B2B-virksomheder med indgående henvendelser er problemet ofte, at alle formularer, demoønsker, nyhedsbrevstilmeldinger og kampagnesvar lander samme sted. En studerende, en konkurrent, en lille virksomhed uden budget og en ideel beslutningstager kan derfor stå side om side i indbakken. Sælgeren bruger tid på at finde ud af, hvad der er værd at følge op på, i stedet for at tage den rigtige samtale hurtigt.

AI kan hjælpe ved at samle signaler, berige virksomhedsdata og foreslå en prioritet. Men den bør ikke erstatte salgsdømmekraft. En god model er en sorteringshjælp, ikke en automatisk dom over mennesker.

Start med de rigtige data

Den praktiske start er at skelne mellem data, I allerede har, og data I lovligt og meningsfuldt kan berige med. Fra formularen har I typisk navn, virksomhed, rolle, e-mail, behov og kilde. Fra jeres kundehistorik har I viden om, hvilke typer virksomheder der faktisk bliver til gode kunder. Fra offentlige virksomhedsdata kan I ofte hente branche, adresse, virksomhedsform og eventuelt medarbejderstørrelse.

CVR er et autoritativt register for danske virksomhedsgrunddata, og det kan være nyttigt til at rette stavefejl, genkende virksomhedsform, se branche og frasortere irrelevante henvendelser. Men brug ikke berigelse som en undskyldning for at samle alt, hvad der kan findes. Dataminimering er sund fornuft: hvis feltet ikke ændrer opfølgningen, bør det ikke ind i modellen.

• Brug virksomhedens domæne til at matche mod eksisterende kunder og åbne salgsmuligheder.
• Berig med få felter, der påvirker salgsbeslutningen: branche, størrelse, land, virksomhedsform og eksisterende relation.
• Gem fritekst fra formularen, men lad AI opsummere behovet i et kort, kontrollerbart notat.
• Marker usikre data tydeligt, så sælgeren ikke tror, at et gæt er en kendsgerning.

Byg en score, sælgerne kan forstå

Begynd hellere med en enkel pointmodel end med en sort boks. I kan altid gøre modellen mere avanceret, når datakvaliteten er bedre. Del scoren op i to spor: pasform og adfærd. Pasform handler om, hvor godt virksomheden ligner jeres ideelle kunde. Adfærd handler om, hvor stærkt behovet ser ud her og nu.

AI bliver mest nyttig, når den sammenholder flere signaler: Hvad spørger personen om? Matcher virksomheden jeres bedste kundetype? Findes virksomheden allerede i jeres kundedatabase? Har leadet bedt om kontakt, eller er der blot vist svag interesse? Officiel produktdokumentation fra store salgsplatforme beskriver netop, at maskinlæring kan finde mønstre i tidligere konverterede leads og vise hvilke felter der påvirker scoren. Den pointe er vigtig: Scoren skal kunne forklares, ellers bliver den svær at stole på.

• Aftal først, hvad et godt lead er: branche, størrelse, købsanledning, beslutningsrolle og forventet opgave.
• Giv negative point for tydelige stoptegn: studiemateriale, leverandørpitch, privatperson, forkert marked eller eksisterende supportsag.
• Lav særskilte regler for hurtig opfølgning: demoønsker og konkrete tilbudsforespørgsler bør ikke vente på en perfekt score.
• Vis de vigtigste årsager til scoren i CRM-systemet, så sælgeren kan udfordre modellen.
• Gennemgå tabte og vundne leads fast, så modellen ikke fastholder gamle antagelser.

Fra score til handling

Den største fejl er at stoppe ved selve scoren. Værdien opstår først, når scoren styrer en konkret arbejdsgang. Et højt prioriteret lead kan oprette en opgave til salg, tildele den rigtige medarbejder og samle et kort beslutningsgrundlag: virksomhed, behov, mulige indvendinger og foreslået næste skridt.

Mellemprioriterede leads kan få en mere rolig opfølgning, for eksempel en personlig mail, en invitation til et relevant møde eller et tjek efter en aftalt periode. Lavt prioriterede leads bør ikke nødvendigvis slettes. Nogle skal blot arkiveres, nogle skal have et høfligt standardsvar, og nogle skal sendes til kundeservice, rekruttering eller partnerskaber.

Hold automatikken tæt på salgsprocessen. Hvis sælgerne alligevel arbejder fra deres egen liste, fordi de ikke forstår modellen, er løsningen ikke mere AI. Løsningen er at gøre prioriteringen enklere, mere synlig og lettere at rette.

• Opret klare kategorier som høj, middel og lav prioritet i stedet for kun et abstrakt tal.
• Sæt en regel for, hvem der ejer leadet, og hvornår ejerskab skifter.
• Lad AI skrive et kort resumé, men lad mennesker sende den afgørende første besked ved vigtige henvendelser.
• Log altid hvorfor et lead blev prioriteret, nedprioriteret eller afvist.

Jura, etik og nej-tak

Lead scoring kan være profilering, hvis personoplysninger bruges automatisk til at vurdere bestemte forhold om en person. Datatilsynet fremhæver, at profilering til markedsføring kræver et retligt grundlag, og at registrerede har rettigheder, blandt andet ved direkte markedsføring. Derfor bør I dokumentere formål, datakilder, behandlingsgrundlag og slettefrister, før modellen sættes i drift.

I skal også passe på, at en høj score ikke bliver til uønsket markedsføring. Forbrugerombudsmanden beskriver spamforbuddet som relevant for elektroniske henvendelser med markedsføring, også når modtageren er en virksomhed. Et indgående ønske om kontakt kan normalt besvares, men automatiske kampagneforløb, nyhedsbreve og genaktivering kræver særskilt styr på samtykke og fravalg.

Automatisering er ikke altid det rigtige valg. Hvis I kun får få relevante henvendelser om måneden, kan en simpel tjekliste være bedre. Hvis CRM-data er rodede, vil AI blot forstærke rodet. Hvis salget ikke er enige om, hvad et godt lead er, bør I begynde med proces og definitioner. Og hvis en automatisk vurdering kan få væsentlig betydning for en person, skal mennesker ind over beslutningen.

Den bedste løsning er ofte en trinvis løsning: først bedre datafangst, derefter enkel scoring, derefter AI-forslag, og til sidst automatiseret opfølgning på de lavrisiko-dele af processen. Så bruger I sælgerens tid bedre uden at miste dømmekraften undervejs.