AIによるリード選別. すべてのインバウンドリードを読み取り、ICPに照らして情報を補完し、CRMと突き合わせたうえで、各営業担当に優先順位付けされたキューを渡すスコアリングと振り分けの仕組み。営業担当は電話する価値のあるリードだけを開く。残りは保留・育成、あるいは誰の枠も無駄にする前に除外される。
あなたはB2B SaaSでセールスを率いている。インバウンドは増えている。ノイズも増えている。8人のAEたちはすべてのフォーム送信を開き、フィット感を推測し、決して買わないリードに午後の時間を奪われている。この記事は、その読み取りを代わりに行うレイヤーについて書いている。
#AIによるリード選別は実際何をするのか
AIによるリード選別は何をするのか
各インバウンドリードをあなたのアイデアルカスタマープロファイルに照らしてスコアリングし、ファーモグラフィックデータとインテントデータで補完し、既存のCRMレコードと突き合わせたうえで、適切な担当者または保留キューに振り分ける。営業担当は生のフィードではなく優先順位付けされたリストを受け取るので、フィットするリードに電話を集中させ、そうでないものは飛ばせる。
3つの仕事を順番に行う。ICPに照らしてリードをスコアリングする。営業担当が自分で探すはずのデータで補完する。担当者、キュー、あるいは除外のいずれかに振り分ける。レコードはSalesforceかHubSpotに残る。補完はApolloかClayを通じて行う。私たちは、すでに支払っている仕組みの上にスコアリングと振り分けを追加するだけだ。
#SDRを増やしたり、チャットボットを足したりしないのはなぜか
SDRを雇えば、採用と立ち上げと席の費用がかかる。チャットボットは買い手を苛立たせたうえ、結局は生の会話ログを担当者に読ませることになる。スコアリング層はどちらでもない。フォームとCRMの間に入り、裏側で読み取りを済ませ、既存の担当者に、短くて質の良いリストだけを開かせる。
We are
Stennirは、チームがすでに使っているシーケンサーとCRMの上にスコアリングと振り分けの層を構築し、リード量を1担当者あたり1日30〜80件という人間が扱える範囲に保つ。
We aren't
Stennirはチャットボットを付け足すだけの仕組みでも、1日800件のリードを自動で送り付けてパイプラインと呼ぶ自律型アウトバウンドツールでもない。
これで実際に数字は動くのか
例として、AEが8人いるシリーズAのチームを想定します。営業担当は変わりません。変わるのは、彼らが開くリストです。見るべき指標は、対応したリードのうち商談につながる割合と、各担当がインバウンドの仕分けに使う時間で、スコアリング層の導入前後で比べます。これは仮想のチームであり、顧客の成果ではありません。
要点は、営業担当がすべてのリードを開かなくなることです。順位付けされたキューの上位を開くだけで、カレンダーには合う商談が埋まっていきます。
何と連携するのか
- SalesforceかHubSpotがレコードを保持する。私たちはそこを読み書きするだけで、置き換えはしない。
- ApolloかClayが補完を担う。私たちはそのデータの上にスコアを乗せる。
- 既存のシーケンサーが送信を続ける。私たちが決めるのは誰をそこに入れて誰を入れないかだ。
- 量は人間の範囲に保つ:1担当者あたり1日30〜80件、800件ではない。
要点は、何も取り外さないことです。これはプラットフォーム移行ではなく、AIコンサルティングの案件です。ICPをチームと一緒に定め、スコアリングを使っているスタックに組み込み、リードがなぜそのスコアになったかを正確に説明するガバナンス文書と共に、ルーティングルールをお渡しします。範囲の決め方についてはAIコンサルティングのページをご覧ください。
担当者が誤ったスコアを信用してしまわないようにするには
すべてのスコアには理由が添えられる。担当者は、なぜそのリードが高く評価されたのか、どのICPシグナルが反応したのか、どのCRMレコードと一致したのかを見ることができる。ブラックボックスはない。スコアが間違っていれば、担当者は一目でその理由がわかり、ルールが調整される。私たちはまた、スコアの読み方と上書きの仕方をチームに教える。これは、それを望むチーム向けのトレーニングの領域だ。
インバウンドが8人のAEを溺れさせていて、SDRをもう1人雇うことが望む答えではないなら、まず現在のリードフローをスキャンすることから始めよう。30分のディスカバリー通話を予約してほしい。フィットするリードがどこに埋もれているかを一緒に把握する。
