属性是您的潜在客户评分模型的基础。他们将帮助您定义和识别销售潜力客户的特征， 电话号码清单 并让您了解如何提高销售线索质量。
这是使用我们前面提到的数据完成的。首先，确定能为您的业务带来最大价值的潜在客户。其次，获取隐性和显性数据集，并通过检查人口统计和行为数据来找到高价值线索之间的相似之处。检查数据后，确定定义高质量潜在客户的特征并为其分配适当的属性。
确定所有属性的转化率
接下来，是时候确定哪个属性比其他属性更有价值了。为此，您首先需要计算每个属性的关闭率。更具体地说，根据潜在客户的行为或人口统计数据，找出有多少潜在客户转化为客户。
例如，您可以计算注册您的新闻通讯、在社交媒体上关注您的人的成交率，或者确定不同地区或行 如放弃购物车或订阅新闻通 业的潜在客户的成交率。
分配分值
确定每个属性的闭合率后，需要进行比较和确定优先顺序。
例如，最近的 Instagram 统计数据显示，营销人员将影响者营销评为增长最快的客户获取渠道。因此，您可能会发现，通过影响力活动获得的潜在客户比注册新闻通讯的潜在客户更多。
这样的话，第一批潜在客户就更有价值。对每个特定属性重复此过程，以定义准确反映潜在客户 首席执行官电子邮件列表 质量的特征。
此外，将单个属性的交易成交率与整体交易成交率进行比较。这将作为为您的属性分配分数的参考点。
例如，如果新闻通讯注册的转化率为 15%，而您的总体转化率为 1%，则您可以为每位注册新闻通讯的潜在客户分配 15 分。
还建议设置最低分数阈值，以帮助您确定合格和不合格潜在客户之间的界限。例如，得分低于 50/100 分的线索可能不值得跟进。
其他类型的线索评分
除了手动方法之外，还有其他方法来评分线索。具体来说，这是预测和逻辑回归潜在客户评分。
如果您想节省时间，预测潜在客户评分可能是最好的选择。该方法使用机器学习来检查潜在客户数据并找到转化的潜在客户和未转化的潜在客户之间的共同点，并根据每个潜在客户的转化可能性对其进行排名。
预测潜在客户评分消除了手动筛选数据来识别有价值属性的需要，并最大限度地降低了人为错误的风险。
此外，由于预测潜在客户评分系统使用机器学习技术，因此您无需手动优化策略。
另一方面，采用逻辑回归的潜在客户评分系统的主要优势在于其准确性，因为它们考虑到了所有客户属性的相互作用。
这是一种使用 Microsoft Excel 的数据挖掘技术。它的工作原理是在电子表格中建立一个公式，揭示潜在客户转化为客户的可能性。
结论
总体而言，潜在客户评分是识别高价值潜在客户的关键，并能让您了解如何降低每个潜在客户的成本。
首先确定潜在客户转化率。然后根据客户信息选择合适的属性，计算每个属性的成交率，并根据其重要性进行排序。