Wat is lead scoring? Leads rangschikken op kans en waarde zodat opvolging eerst naar de kansrijkste gaat. Hoe AI dat doet met je eigen historie.
Lead scoring is het automatisch rangschikken van binnenkomende leads op kans en waarde, zodat opvolging begint bij de kansrijkste aanvraag in plaats van bij de eerste in de inbox. Een model leert uit je eigen historie welke kenmerken samengaan met klanten die er kwamen. De mens bepaalt de grenzen en pakt de uitschieters op eigen gevoel op.
Elke aanvraag draagt signalen: hoe volledig het bericht is, welk bedrijf schrijft, welke dienst wordt gevraagd, hoe snel er opnieuw contact kwam. Een mens ziet die signalen intuïtief. Dit voelt als een serieuze aanvraag. Lead scoring maakt die intuïtie expliciet: elk signaal krijgt gewicht, en het totaal bepaalt de plek in de wachtrij van opvolging.
Met AI wordt dat gewicht niet handmatig ingesteld maar geleerd uit je eigen historie: welke aanvragen werden klant, en welke niet? Dat werkt pas als die historie bestaat. Is er geen overzicht van vroegere aanvragen en uitkomsten, dan begint het met regels die jij zelf opstelt, en groeit het model daarna mee zodra er resultaten vastlopen. Beide vormen zijn waardevol; de geleerde variant wordt het met de tijd.
Belangrijk is de rolverdeling: het model rangschikt en motiveert, de verkoper beslist. Een lage score is geen afwijzing maar een lagere plek in de rij. En een hoge score geen garantie. Wie de redenen ziet, kan bijsturen; wie alleen een cijfer krijgt, gaat blind vertrouwen. Daarom laten we in elke opzet zien wáárom een lead hoog of laag scoort.
De moeite waard zodra het volume aan aanvragen groter is dan de tijd om ze netjes na te lopen. De klassieke situatie waarin de meest kansrijke aanvraag onder de stapel verdwijnt terwijl een mager verzoek wel wordt beantwoord. Ook loont het bij meerdere mensen die opvolgen: een gedeelde volgorde voorkomt dat twee collega's dezelfde lead pakken en een derde onbestreken blijft liggen.
Niet de moeite waard bij een handvol aanvragen per week: dan is de inbox sneller dan een model en heeft rangschikken weinig toegevoegde waarde. Ook niet als opvolging hoe dan ook bij iedereen hoort. Scoring rangschikt, maar iemand moet het gesprek nog voeren. En wees eerlijk: het model leert uit verleden; wie zijn doelgroep bewust wil verbreden, moet de grenzen zelf bijstellen.
In een lead-opvolging-automatisering hangt scoring samen met de rest van de workflow: aanvragen komen binnen, worden verrijkt met gegevens uit je eigen systemen, en krijgen een plek in de wachtrij met korte motivering. Wat de modellen leren komt uit jouw historie, niet uit een generieke mal. De verkoper ziet per lead waarom hij er staat. En beslist wie er eerst mee aan de slag gaat.
Twee dingen: aanvragen met hun kenmerken (bron, bericht, gevraagde dienst, timing) en het verloop ervan, dus welke aanvragen klant werden en welke niet. Zonder verloop bestaat er geen les om van te leren, en dan starten we met handmatige regels die jij bepaalt. Meer gegevens maakt het scherper, maar het hoeft niet perfect: een paar velden die betrouwbaar worden gevuld zijn meer waard dan een massa aanvullende informatie die half leeg is.
Ja, met regels als startpunt. Je bepaalt zelf welke kenmerken meetellen (volledigheid van het bericht, soort dienst, herhaald contact) en het systeem past die consequent toe. Vanaf het moment dat uitkomsten worden vastgelegd, kan het model daaruit gaan leren en de regels verfijnen. Zo heb je meteen bruikbare rangschikking en groeit de scoring mee met de historie die nu begint te ontstaan, in plaats van te wachten op een verleden dat er niet is.
Door drie vangrails: laat het model altijd tonen waarom het scoort zoals het scoort, zodat afwijkingen zichtbaar worden; houd een tweede kans-lijst voor leads die op het eerste gezicht laag scoren maar om het een en ander vragen; en herbeoordeel de indeling periodiek met de praktijk ernaast. Belangrijk is ook dat scoring nooit automatisch afwijst. Het rangschikt. De mens blijft degene die uitzonderingen ziet en beslist waar een afwijkende lead terechtkomt.
Nee, en dat is bewust zo ontworpen. Het model rangschikt en motiveert; de verkoper leest, weegt en kiest wie er eerst aan wordt gegaan. Wat scoring wegneemt is het giswerk van de volgorde (wie wordt eerst opgebeld) en het gevaar dat een sterke aanvraag onder de stapel verdwijnt. Wat het níet wegneemt is het oordeel over een mens aan de andere kant van het bericht. Juist die combinatie van rangschikking en beoordeling maakt het proces sneller én slimmer.
EIGHTY8