Лид-скоринг и BANT: в чём разница
BANT — аббревиатура: Budget, Authority, Need, Timeline. Есть ли у клиента бюджет, полномочия принять решение, потребность и конкретные сроки. Если всё совпадает, лид целевой. BANT хорош как фильтр на входе: быстрая проверка, стоит ли тратить время. Но он бинарен: лид либо проходит, либо нет.
Между «полностью готов к покупке» и «совсем не наш клиент» находится большая серая зона: люди, которые придут через месяц, когда дозреют. Как расставить среди них приоритеты?
Вот тут начинается лид-скоринг. Это не фильтр, а шкала: каждому лиду присваиваются баллы по нескольким критериям, и сумма показывает, насколько он близок к покупке. Менеджер видит не просто «целевой/нецелевой», а очерёдность: вот эти десять лидов разберите сегодня в первую очередь.
На практике BANT и скоринг работают вместе: BANT отсекает заведомо нецелевых, скоринг расставляет приоритеты внутри целевой базы.
Два типа скоринга: демографический и поведенческий
Все критерии скоринга делятся на две группы. Понимать разницу важно, чтобы не перекосить модель в одну сторону.
Демографический скоринг (явные данные)
Данные о лиде как о человеке или компании: должность, размер компании, отрасль, география. Берутся из формы заявки, карточки в CRM или открытых источников.
Директор или собственник принимает решение о покупке сам. Маркетолог исследует рынок, но договор подпишет руководитель. Это разные приоритеты. Если вы продаёте корпоративное ПО, стартап из трёх человек не ваш клиент вне зависимости от активности на сайте.
Поведенческий скоринг (неявные данные)
Цифровые следы того, что лид делает: визиты на сайт, просмотры ключевых страниц, реакция на письма. Данные собираются автоматически.
- Посещение страницы с ценами или тарифами. Человек, который открыл раздел «Тарифы», думает о покупке. Сильный сигнал.
- Запрос демо или пробного доступа. Прямое действие, говорящее о готовности двигаться вперёд.
- Повторные визиты на сайт. Один заход говорит об интересе, три захода за неделю с просмотром разных страниц — о серьёзном намерении.
- Переходы из рассылки на материалы. Особенно ценны переходы на прайс, кейсы, сравнение с конкурентами.
Лучшие модели комбинируют оба типа. Только демографический даёт ложные срабатывания: директор крупной компании может быть совершенно не заинтересован прямо сейчас. Только поведенческий — слишком много шума: человек мог зайти на страницу цен случайно. Вместе они дают точнее картину готовности к покупке.
Как выбрать критерии и задать веса
Самая распространённая ошибка — начать с вопроса «а что ещё может быть важным?» Это путь к сложной модели, которой никто не пользуется. Правильный вопрос: «Что отличает наших купивших клиентов от тех, кто не купил?»
Отправная точка: архив закрытых сделок
Если в CRM накопились данные, у вас уже есть ответ — только он пока не оформлен в критерии. Возьмите выборку выигранных и проигранных сделок за последние полгода и посмотрите, чем они отличаются по базовым параметрам. Типичные закономерности, которые обнаруживают команды при таком анализе:
- Сделки с собственником или директором в качестве контакта закрывались значительно быстрее, чем те, где точка входа — менеджер среднего звена.
- Лиды через запрос демо конвертировались значительно лучше, чем лиды через форму «перезвоните мне».
- Клиенты из определённых отраслей возвращаются повторно, из других — никогда.
Эти закономерности становятся основой для критериев. Не гипотезы, а наблюдения из реальных данных.
Как задавать веса
Вес критерия показывает, насколько сильно он влияет на вероятность покупки. Единого стандарта нет: они зависят от вашего бизнеса. Несколько принципов:
- Сильные предикторы должны стоить больше. Если запрос демо конвертируется в сделку значительно чаще, чем скачивание материала, демо получает высокий вес, а скачивание низкий.
- Негативные сигналы тоже учитываются. Нецелевая отрасль, регион без охвата, студенческий email дают минус баллы. Это автоматически понижает приоритет лидов, которые не стоят усилий.
- Пороги важнее абсолютных чисел. Что значит «горячий» лид в вашем бизнесе, что значит «требует нутринга». Например: выше 60 баллов — звонок сегодня; 30–60 — email-цепочка; ниже 30 — долгосрочная база.
Настройка в популярных CRM: что есть из коробки
amoCRM
В amoCRM нет встроенного модуля скоринга в базовой версии. Баллы реализуют через кастомные числовые поля: создаётся поле «Балл скоринга», которое менеджер заполняет вручную или которое обновляется через автоматизации при наступлении события. Автоматизации amoCRM позволяют изменять значение поля при смене источника лида, добавлении тега, переходе на этап. Поведенческий скоринг (открытия писем, переходы) требует интеграции с почтовым сервисом или через API.
Битрикс24
Битрикс24 предоставляет больше инструментов без дополнительных интеграций. Кастомные числовые поля для лидов и сделок плюс бизнес-процессы, которые автоматически меняют их при наступлении событий: смена этапа воронки, добавление активности, реакция на рассылку. При использовании CRM-форм и встроенного email-модуля часть поведенческих данных попадает в систему автоматически. При всём этом Битрикс24 достаточно сложен в настройке: чтобы автоматизация работала стабильно, нужен специалист, знакомый с логикой бизнес-процессов платформы.
RetailCRM
RetailCRM ориентирована на электронную коммерцию. Здесь приоритеты клиентов чаще строятся на истории покупок: давность, частота и сумма заказов (RFM-модель). Это разновидность скоринга, адаптированная под e-commerce: не «насколько лид готов к первой покупке», а «насколько существующий клиент склонен купить снова». Для работы с новыми лидами доступны кастомные поля и триггеры, хотя по гибкости автоматизации RetailCRM уступает Битрикс24.
Подробнее о том, как связать рекламные данные с CRM и увидеть путь клиента от клика до оплаты — в разборе связки Метрики и CRM.
Правило 5–7 параметров: как не перегрузить систему
Скоринговые модели, которые реально работают в командах, содержат на старте не больше 5–7 критериев. Это не потому что больше нельзя, а потому что больше не переживает контакта с реальностью.
- Данные не заполняются. Если скоринг требует 20 полей и половина заполняется вручную, часть полей будет пустой всегда. Скоринг с неполными данными даёт неверные приоритеты.
- Сложно объяснить команде. Менеджер должен понимать, почему один лид стоит выше другого. Непрозрачная формула возвращает к интуиции.
- Сложно поддерживать. Рынок и продукт меняются, веса нужно пересматривать. Чем больше критериев, тем тяжелее эта работа.
Пример минимального набора для B2B с длинным циклом сделки:
| Критерий | Тип | Вес |
|---|---|---|
| Должность контакта — ЛПР | Демографический | Высокий |
| Целевая отрасль | Демографический | Средний |
| Запрос демо или звонка | Поведенческий | Высокий |
| Просмотр страницы цен | Поведенческий | Средний |
| Повторный визит на сайт | Поведенческий | Низкий |
Конкретные числа берутся из анализа ваших закрытых сделок. Начав с минимума, вы сможете добавлять параметры по мере понимания того, что работает. Гораздо легче добавить один критерий к рабочей системе, чем починить сломанную из-за избыточной сложности.
Как проверить, работает ли скоринг: тест на архиве сделок
Прежде чем запускать модель вперёд, проверьте её назад — на уже закрытых сделках.
- Возьмите выборку закрытых сделок за последние несколько месяцев — желательно не менее 50–100, включая выигранные и проигранные.
- Для каждой сделки проставьте баллы по вашей модели, используя данные, которые были известны на момент создания лида в CRM.
- Разбейте сделки на группы по итоговому баллу: высокий, средний, низкий.
- Сравните конверсию в покупку внутри каждой группы. Если модель работает, высокобалльные лиды должны конвертироваться значительно лучше низкобалльных.
Если разрыв в конверсии между группами незначительный — модель не различает хороших лидов от плохих. Нужно пересматривать критерии или веса. Если разрыв есть — модель работает, можно запускать вперёд.
Когда пересматривать модель
Скоринг не статичный документ. Рынок меняется, продукт развивается. Хорошая практика: пересматривать веса раз в квартал или при значимых изменениях в бизнесе — выходе в новый сегмент, смене ценовой политики, изменении продуктового предложения.
Признак того, что модель устарела: менеджеры начинают игнорировать приоритеты скоринга и работать по-своему. Чаще всего это не лень — они чувствуют, что система даёт неверные сигналы. В этом случае стоит вместе разобраться, где именно модель ошибается.
О том, как анализировать узкие места воронки и понимать, на каком этапе теряются деньги — в разборе экономики воронки продаж.
Типичные ошибки: где ломаются скоринговые системы
Слишком сложная формула с самого начала. Лучше грубая модель, которой пользуются все, чем точная, которую никто не открывает. Системы, которые не используются, бесполезны вне зависимости от теоретической точности.
Устаревшие веса. Компания запустила скоринг год назад и не пересматривала его с тех пор. Изменился портрет клиента, появились новые направления, поменялся средний чек. Модель продолжает работать по старым сигналам. Иногда это незаметно несколько месяцев — пока не появится серия проваленных высокобалльных сделок.
Саботаж менеджерами. Поля CRM, на которых основывается скоринг, не заполняются: поля неудобно расположены, непонятно зачем их заполнять, или модель настроена без участия команды. Снижает риск вовлечение менеджеров в построение модели — когда люди участвовали в выборе критериев, они охотнее поддерживают систему. Поведенческие данные лучше автоматизировать и не требовать ручного ввода.
Одинаковый вес для разных источников. Лид по рекомендации и лид с холодной контекстной рекламы принципиально разные по готовности к покупке, даже если демографически похожи. Источник сам по себе является предиктором конверсии. Посмотрите на конверсию по источникам в вашей CRM: разница нередко оказывается существенной, и её стоит учесть в модели.
Отсутствие отрицательных баллов. Скоринг, в котором баллы только прибавляются, постепенно поднимает всех лидов к высоким значениям. Особенно это касается тех, кто давно висит в базе без движения: читает рассылку, но не покупает. Негативные корректировки (давность последнего контакта, прямой отказ, нецелевая сфера) удерживают баллы реалистичными.
Что в итоге
Лид-скоринг работает не тогда, когда он максимально сложный, а когда он простой, понятный и отражает реальность конкретного бизнеса. Несколько принципов, которые помогают это обеспечить:
- Критерии берутся из анализа реальных сделок, а не из теоретических рассуждений.
- На старте не больше 5–7 параметров.
- Поведенческие и демографические данные используются вместе.
- Модель проверяется на архиве закрытых сделок до запуска вперёд.
- Веса пересматриваются раз в квартал или при значимых изменениях в бизнесе.
- Менеджеры вовлечены в построение системы и понимают её логику.
Скоринг не заменяет продавца — он помогает тратить время на тех, кто действительно готов к разговору. Если менеджер понимает, почему один лид стоит выше другого, и видит, что приоритеты совпадают с его интуицией, система приживается. Если нет, превращается в ещё одно поле в CRM, которое заполняют для галочки.
О том, как устроить автоматизированный сбор событий по воронке и анализировать конверсии на каждом этапе — в статье о событийной аналитике воронки.