AI lead scoring-ը թույլ է տալիս յուրաքանչյուր նոր ներգնա լիդ ավտոմատ համեմատել ձեր իդեալական հաճախորդի պրոֆիլի՝ ICP-ի, ինչպես նաև հաջող ու անհաջող նախկին գործարքների հետ։ LLM-ը կարող է վերադարձնել 1–5 գնահատական, հակիրճ հիմնավորում, ռիսկերը և առաջարկվող հաջորդ քայլը՝ մինչև վաճառքի թիմը բացի CRM-ը։
Ոչ ամերիկացի հիմնադրի համար սա հատկապես օգտակար է, երբ աշխատում եք տարբեր ժամային գոտիներում կամ դեռ չունեք SDR թիմ։ Պարզ տարբերակը կարելի է կառուցել Zapier + OpenAI կապով մեկ աշխատանքային օրվա ընթացքում՝ առանց առանձին ML մոդել մշակելու։ Սակայն AI-ն պետք է դասակարգի, ոչ թե հորինի բացակայող տվյալները կամ ինքնուրույն ընդունի վերջնական վաճառքի որոշումը։
Ինչ է անհրաժեշտ AI lead scoring համակարգին
Լավ արդյունքը կախված է ոչ այնքան «խելացի» մոդելից, որքան հստակ չափանիշներից։ Նախ նկարագրեք ձեր ICP-ն՝ առանց «ցանկացած աճող ընկերություն» ձևակերպման։
ICP-ի պարտադիր դաշտերը
- Ընկերության տեսակ՝ SaaS, marketplace, agency կամ այլ հստակ կատեգորիա։
- Չափ՝ աշխատակիցների, հասույթի կամ հաճախորդների նախընտրելի միջակայք։
- Աշխարհագրություն՝ սպասարկվող երկրներ և բացառություններ։
- Գնորդի դերը՝ founder, Head of Sales, CFO կամ այլ որոշում կայացնող։
- Խնդիր և հրատապություն՝ ինչ է փորձում լուծել և մինչև երբ։
- Բյուջե ու սահմանափակումներ՝ հայտնի գումար, գնման փուլ, անհրաժեշտ ինտեգրումներ։
- Բացասական ազդակներ՝ ուսանողական հարցում, անհամապատասխան երկիր, անվճար խորհրդատվության պահանջ կամ չաջակցվող use case։
Այնուհետև ընտրեք 10–30 նախկին գործարք՝ ներառելով թե՛ հաջող, թե՛ կորցրած հնարավորություններ։ Անանունացրեք անձնական տվյալները և յուրաքանչյուր օրինակում նշեք մուտքային փաստերը, արդյունքը և կորստի կամ հաղթանակի պատճառը։ Դրանք LLM-ին տալիս են ձեր իրական վաճառքի տրամաբանության օրինակներ։
1–5 գնահատման գործնական շրջանակ
Միավորը պետք է ունենա հաստատուն նշանակություն։ Հակառակ դեպքում նույն լիդը տարբեր գործարկումների ժամանակ կարող է ստանալ տարբեր առաջնահերթություն։
| Միավոր | Նշանակություն | Գործողություն |
|---|---|---|
| 5 | Ուժեղ ICP համապատասխանություն, հստակ խնդիր և գնման ազդակ | Ուղարկել վաճառողին, արձագանքել հնարավորինս արագ |
| 4 | Լավ համապատասխանություն, բայց մեկ կարևոր տվյալ բացակայում է | Անհատական նամակ և ճշտող հարց |
| 3 | Հնարավոր համապատասխանություն, անորոշ կարիք կամ ժամկետ | Ավտոմատ qualification sequence |
| 2 | Թույլ համապատասխանություն կամ մի քանի բացասական ազդակ | Nurture կամ ցածր առաջնահերթություն |
| 1 | ICP-ից դուրս, spam կամ ակնհայտ անհամապատասխան հարցում | Չուղարկել վաճառողին, պահպանել ստուգման համար |
Սահմանեք նաև «կոշտ բացառումներ»։ Օրինակ՝ եթե ձեր ծառայությունը նախատեսված է միայն B2B ընկերությունների համար, B2C անձնական հարցումը չի կարող ստանալ 4 կամ 5՝ նույնիսկ համոզիչ տեքստի դեպքում։
Պատրաստ prompt template՝ GPT sales հոսքի համար
Prompt-ում առանձնացրեք կանոնները, տվյալները և պատասխանի ձևաչափը։ JSON պատասխանը հեշտացնում է արդյունքը CRM փոխանցելը։
Դեր. Դու B2B վաճառքի qualification օգնական ես։ Գնահատիր լիդը միայն տրամադրված տվյալներով։
Մեր ICP-ն.
[Նկարագրեք ոլորտը, ընկերության չափը, երկրները, գնորդի դերը, խնդիրը, բյուջեն և բացառումները]Նախորդ գործարքների օրինակներ.
[Ավելացրեք 3–8 կարճ, անանուն օրինակ՝ outcome-ով և պատճառներով]Նոր լիդ.
Անուն՝ {{name}}
Ընկերություն՝ {{company}}
Դեր՝ {{role}}
Երկիր՝ {{country}}
Կայք՝ {{website}}
Հաղորդագրություն՝ {{message}}
Բյուջե՝ {{budget}}
Ժամկետ՝ {{timeline}}Կանոններ.
1. Վերադարձրու 1–5 ամբողջ թիվ։
2. Չգտնվող փաստերը նշիր որպես «unknown»։
3. Մի ենթադրիր հասույթ, աշխատակիցների թիվ, բյուջե կամ իրավասություն։
4. Նշիր առավելագույնը 3 հիմնավորում և 2 ռիսկ։
5. Եթե տվյալները քիչ են, նվազեցրու confidence-ը և առաջարկիր մեկ ճշտող հարց։Պատասխանի JSON ձևաչափ.
{"score": 1, "confidence": "low|medium|high", "reasons": [], "risks": [], "missing_fields": [], "next_action": "", "follow_up_question": ""}
Օգտագործեք ցածր temperature, եթե ձեր ընտրած OpenAI գործողությունը տրամադրում է այդ կարգավորումը։ Դա սովորաբար նպաստում է ավելի հետևողական դասակարգմանը, բայց չի վերացնում սխալների հավանականությունը։
Zapier + OpenAI ինտեգրումը՝ քայլ առ քայլ
- Ընտրեք trigger-ը. Օրինակ՝ նոր HubSpot contact, Typeform response, Webflow form submission կամ նոր տող Google Sheets-ում։
- Մաքրեք մուտքը. Formatter by Zapier-ով կարգավորեք դատարկ դաշտերը, հեռախոսահամարը և երկրի անվանումը։
- Ավելացրեք filter. Բաց թողեք ակնհայտ spam-ը, թեստային հասցեները և կրկնվող գրառումները՝ API ծախսը նվազեցնելու համար։
- Կանչեք OpenAI-ն. Zapier-ի OpenAI action-ին փոխանցեք prompt-ը և form/CRM դաշտերը։ Ընտրեք JSON կամ կառուցվածքային պատասխան, եթե գործողությունն այն աջակցում է։
- Վավերացրեք պատասխանը. Ստուգեք, որ score-ը 1–5 է, իսկ պարտադիր դաշտերը գոյություն ունեն։ Սխալ պատասխանը ուղարկեք առանձին review queue։
- Թարմացրեք CRM-ը. Պահպանեք score, confidence, reasons, missing fields և scoring timestamp դաշտերը։
- Ստեղծեք երթուղիներ. 4–5 միավորները ուղարկեք Slack կամ salesperson-ին, 3-ը՝ qualification sequence, 1–2-ը՝ nurture կամ ձեռքով ստուգման ցանկ։
- Թեստավորեք. Գործարկեք առնվազն 30 պատմական լիդի վրա և համեմատեք մարդկային գնահատականի ու իրական outcome-ի հետ։
Առաջին տարբերակի կառուցումը հաճախ տեղավորվում է 2–6 ժամում, եթե CRM դաշտերն ու ICP-ն արդեն պատրաստ են։ OpenAI-ի և Zapier-ի արժեքը կախված է ընտրված մոդելից, prompt-ի ծավալից, լիդերի քանակից և ձեր պլանից, ուստի ստուգեք դրանց ընթացիկ գնային էջերը։
Ինչպես նվազեցնել hallucination-ները
LLM-ը կարող է վստահ ձևով լրացնել բացերը։ Օրինակ՝ email domain-ից ենթադրել ընկերության չափը կամ պաշտոնից՝ բյուջեն։ Lead qualification automation-ի համար սա վտանգավոր է, քանի որ հորինված փաստը կարող է փոխել առաջնահերթությունը։
Անվտանգության checklist
- Prompt-ում գրեք՝ «օգտագործիր միայն տրամադրված տվյալները»։
- Յուրաքանչյուր բաց դաշտի համար պահանջեք unknown, ոչ թե ենթադրություն։
- Պահանջեք score-ի հետ վերադարձնել փաստացի evidence դաշտերը։
- Company enrichment-ը կատարեք առանձին քայլով և նշեք տվյալների աղբյուրը։
- Առանց մարդու հաստատման մի մերժեք բարձրարժեք կամ սահմանային լիդերը։
- Մի փոխանցեք գաղտնաբառեր, քարտային տվյալներ, անձնագրեր կամ չպահանջվող անձնական տեղեկություն։
- Պահպանեք prompt version-ը և scoring timestamp-ը՝ հետագա աուդիտի համար։
- Սահմանեք fallback, եթե JSON-ը սխալ է կամ API կանչը չի հաջողվում։
Confidence-ը մի խառնեք score-ի հետ։ Լիդը կարող է ունենալ score 5, բայց low confidence, եթե հաղորդագրությունը համապատասխանում է ICP-ին, իսկ ընկերության չափը և գնորդի դերը բացակայում են։ Այդ դեպքում ճիշտ քայլը արագ ճշտող հարցն է, ոչ թե ավտոմատ demo booking-ը։
Չափում, վերանայում և որոշման կանոններ
Սկզբում աշխատեք «ստվերային» ռեժիմով 1–2 շաբաթ․ AI-ն գնահատում է, բայց չի փոխում լիդի երթուղին։ Վաճառողները տալիս են իրենց score-ը, իսկ դուք համեմատում եք տարբերությունները։
Հետևեք ոչ միայն միջին միավորին, այլև՝ քանի 4–5 միավորանոց լիդ դարձավ qualified opportunity, քանի լավ լիդ սխալմամբ ընկավ 1–2 խմբում, և որ missing field-ներն են ամենից հաճախ հանդիպում։ Փոքր թիմի համար ամսական 30–50 գնահատված լիդի ձեռքով վերանայումը կարող է բավարար լինել կանոնների ակնհայտ խնդիրները գտնելու համար։
Երբ փոխել համակարգը
- Փոխեք prompt-ը, եթե հիմնավորումները անորոշ են կամ կանոնները սխալ են մեկնաբանվում։
- Փոխեք form-ը, եթե հիմնական խնդիրը բացակայող բյուջեն, երկիրը կամ ժամկետն է։
- Փոխեք ICP-ն, եթե վաճառքի իրական հաղթանակները հետևողականորեն չեն համապատասխանում հին սահմանմանը։
- Ավելացրեք enrichment, եթե score-ի համար անհրաժեշտ փաստերը հնարավոր է ստանալ վստահելի առանձին աղբյուրից։
Հաճախ տրվող հարցեր
Կարո՞ղ է AI lead scoring-ը փոխարինել վաճառողին
Ոչ։ Այն արագ դասակարգում և երթուղավորում է լիդերը։ Բարդ պահանջների, բարձր պայմանագրային արժեքի և սահմանային դեպքերի վերջնական որոշումը պետք է կայացնի մարդը։
Քանի՞ նախկին գործարք է պետք սկսելու համար
Կարող եք սկսել 10–30 հստակ պիտակավորված օրինակով։ Եթե պատմական տվյալներ չունեք, օգտագործեք միայն մանրամասն ICP-ն ու կանոնները, ապա կուտակված իրական արդյունքներով աստիճանաբար վերանայեք prompt-ը։
Արդյո՞ք պետք է ամբողջ CRM-ը փոխանցել OpenAI-ին
Ոչ։ Փոխանցեք միայն գնահատման համար անհրաժեշտ դաշտերը։ Անանունացրեք օրինակները և ձեր իրավական ու անվտանգության պահանջներին համապատասխան ստուգեք OpenAI-ի, Zapier-ի և CRM-ի ընթացիկ data-control կարգավորումները։
Ի՞նչ անել, եթե նույն լիդը տարբեր score է ստանում
Խստացրեք rubric-ը, կրճատեք երկիմաստ կանոնները, ապահովեք նույնական մուտքային տվյալներ և պահեք prompt-ի տարբերակը։ Անհրաժեշտության դեպքում օգտագործեք կանոնային նախնական score, իսկ LLM-ին թողեք հիմնավորումն ու բացառությունների հայտնաբերումը։
Երբ կարող է օգնել Founder Portal-ը
Եթե ձեր US ընկերության, Stripe-ի կամ banking-ի գործարկմանը զուգահեռ ցանկանում եք կառուցել այսպիսի AI վաճառքի հոսք, Founder Portal-ը կարող է օգնել ընտրել գործիքները և նախագծել գործնական ավտոմատացումը։