Özet: Lead scoring, potansiyel müşterilerinize demografik özelliklerine ve davranışlarına göre sayısal puan atayarak satın alma olasılıklarını ölçme yöntemidir. Doğru kurulmuş bir puanlama modeli, satış ekibinizin en yüksek dönüşüm potansiyeline sahip lead'lere odaklanmasını sağlar ve satış döngüsünü kısaltır.
Pazarlama ekibiniz yüzlerce lead üretiyor ama satış ekibiniz sürekli "bunlar niteliksiz" mi diyor? Eğer her gelen formu veya indirmeyi aynı öncelikle işliyorsanız, hem zaman hem gelir kaybediyorsunuz demektir. Lead scoring tam da bu sorunu çözmek için var.
Bu yazıda lead scoring kavramını sıfırdan ele alıyoruz. Puanlama modelini nasıl kuracağınızı, hangi kriterleri kullanacağınızı ve pratikte nasıl uygulayacağınızı adım adım anlatıyoruz. B2B Lead Generation Rehberi yazımızda lead üretim sürecini detaylı incelemiştik; bu yazıda ise ürettiğiniz lead'leri nasıl önceliklendireceğinizi öğreneceksiniz.
Lead Scoring Nedir ve Neden Gereklidir?
Lead scoring, potansiyel müşterilerinize (lead) demografik özelliklerine ve davranışlarına göre sayısal puan atayarak satın alma olasılıklarını ölçme yöntemidir. Kısacası her lead'e bir "sıcaklık derecesi" verirsiniz: bazıları hemen aranmaya hazırdır, bazıları henüz ısınma aşamasındadır, bazıları ise hiçbir zaman müşteriniz olmayacaktır.
Neden bu kadar önemli? Çünkü satış ekiplerinin zamanı sınırlıdır. Pazarlamadan satışa aktarılan lead'lerin yalnızca yaklaşık yüzde yirmi yedisi gerçekten niteliklidir. Geri kalanı, satış temsilcisinin zamanını çalan ama dönüşüm sağlamayan temaslardan oluşur.
Lead scoring ile şunları elde edersiniz:
- Satış verimliliği artar. Temsilciler en yüksek dönüşüm potansiyeline sahip lead'lere odaklanır.
- Pazarlama-satış uyumu güçlenir. "MQL" ve "SQL" tanımları ortak bir puan sistemiyle netleşir.
- Satış döngüsü kısalır. Doğru lead'e doğru zamanda ulaşmak, kapanış süresini kısaltır.
- Gelir tahminleri iyileşir. Pipeline'daki lead kalitesini ölçebildiğinizde gelir öngörüleri daha güvenilir hale gelir.
Özellikle B2B satışta karar süreçleri uzun, paydaş sayısı fazla ve ürün değeri yüksektir. Bu koşullarda herkese aynı mesajı göndermek yerine, puanlamaya dayalı bir önceliklendirme yapmak büyüme için kritiktir. Soğuk e-postanın neden artık tek başına yetmediğini ele aldığımız yazımızda da bu konuya değinmiştik.
Lead Scoring Modeli Nasıl Kurulur?
Etkili bir lead scoring modeli iki temel bileşenden oluşur: demografik puanlama (lead kim?) ve davranışsal puanlama (lead ne yapıyor?). Bu iki boyutu birleştirdiğinizde hem uygunluğu hem de ilgiyi aynı anda ölçebilirsiniz.
Adım 1: Ideal Müşteri Profilini (ICP) Tanımlayın
Mevcut en iyi müşterilerinize bakın. Hangi sektörlerden geliyorlar? Şirket büyüklükleri ne? Karar verici pozisyonları nedir? B2B pazar araştırması yaparak bu profili veriye dayalı şekilde oluşturabilirsiniz. Bu profil, demografik puanlamanızın temelini oluşturacak.
Adım 2: Satış ve Pazarlama Ekibini Hizalayın
Pazarlama "nitelikli lead" derken ne kastettiğini, satış ise "görüşmeye hazır lead" derken ne beklediğini karşılıklı konuşmalısınız. Bu konuşmadan iki temel eşik çıkmalıdır:
- MQL eşiği: Pazarlamanın lead'i beslemeye devam etmesi gereken minimum puan. Genellikle 40-50 puan aralığında belirlenir.
- SQL eşiği: Lead'in satış ekibine aktarılacak kadar olgunlaştığı puan. Genellikle 75-100 puan aralığındadır.
Adım 3: Puan Tablosunu Oluşturun
Her kriter için pozitif veya negatif puanlar belirleyin. Toplam puanı genellikle 100 üzerinden hesaplamak pratiktir. Demografik kriterlerin ağırlığını yüzde kırk, davranışsal kriterlerin ağırlığını yüzde altmış olarak belirlemek iyi bir başlangıç noktasıdır, çünkü davranış niyet gösterir.
Adım 4: Negatif Puanlama Ekleyin
Yalnızca pozitif puan vermek modelin şişmesine neden olur. Bir lead uzun süre etkileşim kurmadıysa, rakip firmada çalışıyorsa veya öğrenci/stajyer ise puan düşürülmelidir.
Adım 5: Test Edin ve Kalibre Edin
Modeli kurup bırakmak yetmez. İlk üç ay boyunca düzenli olarak kapatılan anlaşmaların puanlarına bakın. Yüksek puanlı lead'ler gerçekten mi dönüşüyor? Düşük puanlı ama dönüşen lead'ler var mı? Verilere göre ağırlıkları ayarlayın.
Hangi Kriterler Lead Scoring'de Kullanılır?
Aşağıdaki tablo, sık kullanılan puanlama kriterlerini, önerilen ağırlıklarını ve her biri için bir örneği göstermektedir:
| Kriter Kategorisi | Kriter | Puan | Örnek |
|---|---|---|---|
| Demografik | İş unvanı (C-level, VP, Direktör) | +15 | CEO veya Satış Direktörü |
| Demografik | İş unvanı (Uzman, Koordinatör) | +5 | Pazarlama Uzmanı |
| Demografik | Şirket büyüklüğü (hedef aralıkta) | +10 | 50-500 çalışan |
| Demografik | Sektör uyumu | +10 | Hedef sektörlerden biri |
| Demografik | Coğrafi uyum | +5 | Hizmet verilen bölgede |
| Davranışsal | Fiyatlandırma sayfası ziyareti | +20 | Fiyat sayfasına 2+ kez girdi |
| Davranışsal | Demo/toplantı talebi | +25 | İletişim formu doldurdu |
| Davranışsal | E-kitap veya rehber indirme | +10 | Lead magnet indirdi |
| Davranışsal | Blog yazısı okuma | +3 | Tek bir blog yazısını okudu |
| Davranışsal | E-posta tıklama | +5 | Newsletter linkine tıkladı |
| Davranışsal | Webinar katılımı | +15 | Canlı webinara katıldı |
| Negatif | 30+ gün etkileşimsizlik | -10 | Hiçbir aktivite yok |
| Negatif | Rakip firmada çalışıyor | -20 | Rakip şirkette pozisyon |
| Negatif | Abonelikten çıkma | -15 | E-posta listesinden ayrıldı |
| Negatif | Öğrenci veya stajyer | -15 | Satın alma yetkisi yok |
Bu tablo bir başlangıç şablonudur. Her işletmenin kendi satış döngüsüne ve hedef kitlesine göre kriterleri ve ağırlıkları özelleştirmesi gerekir.
Lead Scoring Uygulamada Nasıl Çalışır?
Teoriyi somutlaştırmak için bir senaryo üzerinden ilerleyelim. Diyelim ki B2B yazılım satışı yapan bir firmasınız ve lead scoring modelinizi yukarıdaki tabloya göre kurdunuz.
Senaryo: Ayşe Yılmaz, TeknoSoft A.Ş.
Demografik bilgiler:
- Pozisyon: Dijital Pazarlama Müdürü → +10 puan (orta düzey yönetici)
- Şirket büyüklüğü: 120 çalışan → +10 puan (hedef aralıkta)
- Sektör: Yazılım → +10 puan (hedef sektör)
- Lokasyon: İstanbul → +5 puan (hizmet bölgesinde)
Demografik toplam: 35 puan
Davranışsal etkileşimler (2 haftalık süreçte):
- gün: Blog yazısını okudu → +3 puan
- gün: E-kitap indirdi → +10 puan
- gün: Newsletter e-postasına tıkladı → +5 puan
- gün: Fiyatlandırma sayfasını 3 kez ziyaret etti → +20 puan
- gün: Demo talep formunu doldurdu → +25 puan
Davranışsal toplam: 63 puan
Genel toplam: 98 puan → SQL eşiğini (75) aştı
Bu durumda Ayşe, satış ekibine otomatik olarak aktarılır. Satış temsilcisi Ayşe'nin hangi içerikleri incelediğini, hangi sayfaları ziyaret ettiğini bilerek daha hazırlıklı ve kişiselleştirilmiş bir görüşme yapabilir. Nitelikli B2B toplantı nedir yazımızda bu tür hazırlıklı görüşmelerin dönüşüm oranını nasıl artırdığını detaylı anlattık.
Senaryo: Cem Demir, Üniversite Öğrencisi
- Pozisyon: Stajyer → +0 puan
- Şirket: Yok (kişisel e-posta) → +0 puan
- Öğrenci statüsü → -15 puan
- Blog yazısı okudu → +3 puan
- E-kitap indirdi → +10 puan
Genel toplam: -2 puan
Cem muhtemelen bir araştırma ödevi için içerikleri indirdi. Bu lead satış ekibine aktarılmamalı ama e-posta listesinde kalarak ileride kariyer değişikliği yaptığında yeniden değerlendirilebilir.
Lead Scoring İçin Hangi Araçlar Kullanılabilir?
Lead scoring modelinizi hayata geçirmek için farklı araçlar ve yaklaşımlar mevcuttur.
CRM Tabanlı Çözümler
- HubSpot: Ücretsiz CRM'de temel lead puanlama mevcut. Marketing Hub Professional ve üstü planlarda tahmine dayalı (predictive) lead scoring yapay zeka ile otomatik çalışır. Küçük ve orta ölçekli firmalar için en erişilebilir seçenektir.
- Salesforce: Einstein Lead Scoring özelliği, yapay zeka ile lead'leri otomatik puanlar. Kurumsal firmalar için idealdir.
- Pipedrive: Daha basit bir puanlama sistemi sunar. Satış odaklı küçük ekipler için uygundur.
- Zoho CRM: Kural tabanlı ve yapay zeka destekli puanlama seçenekleri sunar. Maliyet-performans dengesi iyi bir alternatiftir.
Pazarlama Otomasyonu Platformları
- ActiveCampaign: E-posta etkileşimleri ve site davranışına dayalı detaylı puanlama yapabilir.
- Marketo: Karmaşık, çok katmanlı scoring modelleri kurabilir. Kurumsal firmalar tercih eder.
- Pardot: Salesforce entegrasyonu ile güçlü scoring ve grading kombinasyonu sunar.
Manuel Yöntem: Elektronik Tablo
Henüz CRM yazılımı kullanmayan veya lead hacmi düşük olan firmalar için basit bir elektronik tablo bile işe yarar. Google Sheets veya Excel'de şu sütunları oluşturabilirsiniz:
- Lead adı ve iletişim bilgisi
- Demografik puan (formüllerle otomatik hesaplanan)
- Davranışsal puan (haftalık güncellenen)
- Toplam puan
- Durum (soğuk, ılık, sıcak, SQL)
Bu yöntem ölçeklenebilir değildir ama on-yirmi lead ile başlayan bir firmayı doğru alışkanlıklara yönlendirir.
Lead Scoring'de En Sık Yapılan Hatalar Nelerdir?
1. Yalnızca Demografik Veriye Güvenmek
"CEO" unvanına sahip herkes nitelikli lead değildir. Demografik uygunluk, davranışsal ilgiyle desteklenmezse yanıltıcıdır. Her iki boyutu da mutlaka kullanın.
2. Negatif Puanlamayı Atlamak
Sadece pozitif puan veren bir model zamanla şişer. Etkileşimsizlik, yanlış hedef kitle ve diskalifiye edici özellikler için mutlaka negatif puanlar ekleyin.
3. Modeli Kurup Unutmak
İlk versiyonu kurduğunuzda iş bitmez. Pazar koşulları, ürün, hedef kitle ve rekabet değişir. Modeli en az çeyrek dönemde bir gözden geçirin.
4. Satış Ekibini Sürece Dahil Etmemek
Puanlama modelini sadece pazarlama ekibi kurarsa, satış ekibi sonuçlara güvenmez. Her iki ekibi de model tasarımına dahil edin.
5. Tek Bir Puan ile Her Şeyi Çözmeye Çalışmak
Farklı ürünler veya segmentler için tek bir scoring modeli yetersiz kalabilir. KOBİ segmenti ile kurumsal segment için ayrı modeller veya farklı ağırlıklar kullanmayı değerlendirin.
6. Çok Fazla Kriter Kullanmak
On beşten fazla kriter kullandığınızda model karmaşıklaşır. Başlangıçta sekiz-on temel kriterle başlayın ve ihtiyaca göre genişletin.
Sıkça Sorulan Sorular
Lead scoring ile lead grading arasındaki fark nedir?
Lead scoring, bir lead'in davranışlarına ve demografik özelliklerine göre aldığı sayısal puandır. Lead grading ise lead'in ideal müşteri profilinize ne kadar uyduğunu gösteren bir harf notu (A, B, C gibi) sistemidir. En etkili modeller ikisini birlikte kullanır.
Lead scoring için minimum kaç lead gerekir?
Sabit bir sayı yoktur ancak anlamlı bir model kurabilmek için en az yirmi-otuz dönüşmüş müşterinizin verilerine ihtiyacınız vardır. Yapay zeka destekli tahmine dayalı modeller için ise genellikle birkaç yüz dönüşüm verisi gerekir.
CRM kullanmadan lead scoring yapılabilir mi?
Evet, Google Sheets veya Excel'de basit bir puanlama tablosu oluşturarak başlayabilirsiniz. Ancak lead sayısı arttıkça CRM veya pazarlama otomasyon aracı kullanmak kaçınılmaz hale gelir.
Lead scoring modeli ne sıklıkla güncellenmelidir?
İlk üç ay boyunca aylık gözden geçirme öneriyoruz. Model oturduğunda çeyrek dönemde bir kalibrasyon yeterlidir.
Predictive lead scoring nedir?
Predictive (tahmine dayalı) lead scoring, yapay zeka ve makine öğrenimi algoritmalarının geçmiş müşteri verilerini analiz ederek gelecekteki dönüşüm olasılıklarını otomatik hesaplamasıdır. HubSpot, Salesforce Einstein ve bazı bağımsız araçlar bu özelliği sunmaktadır.
Lead scoring B2B dışında da kullanılabilir mi?
Evet, B2C e-ticaret, SaaS abonelik modelleri ve hatta kar amacı gütmeyen kuruluşlarda da uygulanabilir. Ancak B2B'de satış döngüsünün uzunluğu ve birden fazla karar vericinin olması, lead scoring'i çok daha kritik ve değerli kılar.
Lead scoring, daha geniş bir B2B lead generation stratejisinin kritik bir parçasıdır. Lead'lerinizi puanlamaya ve satış sürecinizi veriye dayalı hale getirmeye hazır mısınız? Ücretsiz danışmanlık görüşmemizde mevcut sürecinizi birlikte analiz edelim.
Bu konuda daha fazla bilgi almak ister misiniz?
Uzman ekibimizle ücretsiz bir keşif toplantısı planlayın, ihtiyaçlarınızı birlikte analiz edelim.
Ücretsiz danışmanlık alın →