Scoring de leads : construire un modèle simple qui prédit vraiment

Le scoring de leads souffre d'un malentendu : on croit qu'il faut du machine learning, des dizaines de critères et un outil dédié. En réalité, un modèle à 5 ou 7 critères bien choisis, pondéré à la main, prédit mieux que la plupart des usines à gaz. À condition de le construire à partir de vos données, pas d'un template.

‍

Pourquoi la plupart des scorings ne prédisent rien

‍

Trois défauts reviennent partout : trop de critères, donc du bruit qui noie le signal ; des pondérations arbitraires posées un jour en réunion et jamais revues ; et surtout, aucune confrontation aux conversions réelles. Le score devient un champ décoratif dans le CRM que personne ne consulte pour décider.

‍

Un scoring n'a qu'un seul but : dire à votre équipe qui contacter en premier. S'il ne change pas l'ordre de traitement, il ne sert à rien.

‍

Choisir 5 à 7 critères vraiment corrélés

‍

La méthode : sortez vos 20 derniers deals gagnés et cherchez les points communs. Pas les points communs supposés, les points communs constatés. Les critères se répartissent en deux familles :

‍

• Le fit, qui ils sont : secteur, taille d'effectif, outil ou techno en place, séniorité de l'interlocuteur.
• L'intention, ce qu'ils font : recrutement en cours sur une fonction liée à votre offre, levée de fonds, changement de dirigeant, visite de votre site.

‍

Cinq à sept critères au total. Chaque critère supplémentaire doit prouver qu'il discrimine, sinon il sort.

‍

Pondération et seuils : la méthode simple

‍

Répartissez 100 points, avec une règle de départ éprouvée : environ 60 points sur le fit, 40 sur l'intention. Un signal fort sans fit produit des conversations qui n'aboutissent pas ; un fit parfait sans signal produit des « pas maintenant ».

‍

Puis trois seuils, pas plus : A au-dessus de 70, traitement prioritaire et personnalisé ; B entre 40 et 70, séquence standard ; C en dessous, nurturing ou exclusion. Un modèle simple à expliquer est un modèle que l'équipe applique.

‍

Itérer avec les conversions réelles

‍

Chaque trimestre, une seule question : le taux de rendez-vous par tranche de score. Si vos A convertissent deux fois mieux que vos B, le modèle fonctionne. Si A et B convertissent pareil, le modèle ne discrimine pas : resserrez les critères ou revoyez les pondérations.

‍

Un scoring est un outil vivant. Construit en une après-midi, ajusté quatre fois par an, il transforme un pipeline traité au hasard en pipeline traité par priorité. C'est souvent le levier le moins cher pour améliorer un taux de conversion.