Отдел продаж жалуется, что лидов мало. Маркетинг показывает растущий трафик, заявки и отчет с растущей динамикой. Обе стороны правы, и обе стороны злятся, потому что смотрят на разные части одной и той же проблемы. Деньги в B2B-лидогенерации теряются не на входе, а на стыке: лид попал в CRM, и дальше с ним никто системно не работает, кроме менеджера, который вручную решает, звонить или нет.
Канал, через который пришел лид, почти никогда не главная переменная: главная переменная это то, что происходит с лидом после того, как он попал в базу. Дальше по порядку разобрана вся эта механика: чем работа со спросом отличается от захвата контакта, из каких данных строится модель скоринга, чем портрет идеального клиента отличается от простого списка «подходящих» индустрий, какую модель квалификации выбрать под длину цикла сделки и как оформить передачу между отделами через SLA, чтобы лиды не терялись молча. Каналы привлечения и экономика источников трафика уже разобраны в статье про каналы привлечения клиентов в B2B. Здесь речь о другом: как устроена механика между спросом и сделкой, от demand generation до передачи лида в продажи.
Demand generation и lead generation: где заканчивается одно и начинается другое
Путаница начинается с терминов. Demand generation работает с аудиторией, которая еще не готова оставить контакт: это обучение рынка и создание узнаваемости без ожидания немедленного действия. HubSpot формулирует эту границу прямо: demand generation закрывает верх воронки, создавая узнаваемость и обучая покупателей, а lead generation работает внизу воронки, превращая заинтересованных людей в sales-ready контакты. Demand generation создает внимание, lead generation превращает его в действие. Chili Piper описывает суть еще короче: demand generation, это маркетинг, который учит аудиторию, не рассчитывая на немедленную отдачу. Ту же границу верха и середины-низа воронки независимо закрепляют Cognism и Metadata.io, три разных источника сходятся на одном и том же делении, а не на случайном совпадении формулировок.
Проблема классической lead generation в том, что она организационно рвет ответственность. Крис Уокер, основатель Refine Labs, формулирует это жестко: в классической схеме один человек отвечает за начало воронки, и никто не отвечает за то, что происходит дальше. Demand generation в идеале, это стратегия, за которую совместно отвечают маркетинг, продажи и клиентский сервис на всем пути покупателя, а не только на первом касании. Разница не в инструментах и не в бюджете, а в том, кто несет ответственность за результат после захвата контакта. Показательно, что сам Уокер избегает и термина demand generation тоже: он предпочитает говорить об одной сквозной revenue-воронке без внутренних границ между отделами, потому что именно на границах между отделами и теряются деньги.
Refine Labs предлагает более тонкую модель из трех фаз вместо простого деления на два лагеря: создание спроса, захват спроса и конверсия спроса. Создание спроса, это работа с аудиторией до того, как покупатель вообще вышел на рынок. Захват спроса начинается, когда покупатель уже проявляет намерение, и каналы захвата приводят его в разговор. Конверсия спроса, это финальная стадия: как быстро и эффективно интерес превращается в выручку. Большинство компаний измеряют и финансируют только захват и конверсию, поэтому в бюджетах и отчетах систематически недооценена работа, которая формирует спрос заранее.
На практике деление ролей внутри маркетинга размывается: контент-команда часто подчиняется бренду с задачей органического трафика, а команда demand generation подчиняется росту выручки с задачей пайплайна. Это два разных мандата в одной функции, и именно поэтому контент ранжируется, но не конвертирует, а лидогенерация гонит трафик на лендинги без доверия читателя. Для B2B/IT/SaaS-компании с длинным циклом сделки это не абстрактная организационная деталь: если в компании нет ответа на вопрос, кто отвечает за спрос до заявки, а кто после нее, деньги на стыке будут теряться систематически, а не эпизодически. Дальше в статье под лидогенерацией понимается именно вторая часть, механика после захвата контакта: скоринг, квалификация и передача в продажи.
Путь лида: от анонимного интереса до сделки
Прежде чем говорить о скоринге и квалификации, нужна общая карта: что вообще происходит с человеком от первого визита на сайт до подписанного договора. HubSpot определяет для контакта стандартный набор стадий: подписчик, лид, marketing qualified lead (MQL), sales qualified lead (SQL), сделка (opportunity) и клиент. У каждой стадии четкое определение: MQL, это контакт, которого маркетинг посчитал готовым для передачи в продажи, а SQL, это контакт, которого продажи сами квалифицировали как потенциального клиента.
Ключевое разграничение между MQL и SQL это не разница в характеристиках лида, а то, чья команда провела квалификацию. Технически переход анонимного посетителя в известный контакт происходит в момент, когда человек оставляет email в форме: система сопоставляет предыдущую анонимную активность по браузерной cookie с новым или существующим контактом и дальше ведет ее уже в профиле.
Переход из просто лида в MQL реализуется как правило автоматизации: скоринговый балл, собранный из фирмографических признаков, поведенческой активности и сигналов намерения, достигает согласованного порога, и это меняет статус контакта. Платформа автоматизации сама по себе не решает, кто достоин статуса MQL, критерии для этого обязана задать сама компания. На практике это правило выглядит буквально как условие срабатывания: например, одно агентство настраивает его как «скоринговый балл HubSpot не ниже 75». Конкретное число здесь иллюстрация одной практики стороннего агентства, а не стандарт, который HubSpot задает по умолчанию, но сам паттерн, порог по числу срабатывает автоматизация, а не человек решает по ощущению, распространен широко.
Сама смена стадии технически проходит через ограниченный набор механизмов: отправку формы, импорт списка, API, интеграцию с CRM вроде Salesforce или срабатывание воркфлоу, а не через какой-то самостоятельный алгоритм, который «понимает» готовность лида. По умолчанию автоматическое обновление двигает контакта только вперед по воронке и никогда не откатывает его на предыдущую стадию, откат возможен исключительно вручную, если менеджер решил, что статус был присвоен ошибочно.
Salesforce описывает переход в SQL иначе, и это важное отличие: SQL, это не автоматический результат скоринга, а решение конкретного продавца, который лично проверил лида по критериям, включая портрет клиента и признаки бюджета, полномочий, потребности и сроков. MQL взаимодействовал с компанией только цифровым способом: соцсети, сайт, загрузка материала. SQL прошел через личный контакт, обычно звонок или встречу. Канал подтверждения интереса, а не абстрактная готовность купить, формально отделяет MQL от SQL.
Между MQL и SQL в ряде моделей есть еще одна формальная стадия: sales accepted lead (SAL). Это запись, которую продажи рассмотрели и приняли в свой пайплайн по согласованным критериям, либо отклонили с зафиксированной причиной отказа. Именно на этом шаге меняется владелец записи, маркетинг передает контроль продажам.
Forrester описывает тот же механизм как двухступенчатую модель квалификации: на каждом из двух шлюзов лид либо проходит дальше, либо возвращается с закодированной причиной отказа, а не просто теряется без объяснения. После SQL переход в статус opportunity в Salesforce технически не смена ярлыка, а операция конвертации лида: менеджер запускает ее вручную, и система создает связанные записи по контакту и компании. Финальный переход в клиента фиксируется появлением как минимум одной закрытой сделки, и это тоже результат действия продавца в CRM, а не отдельное самостоятельное событие. У HubSpot полный официальный список идет на шаг дальше клиента: последняя, восьмая стадия жизненного цикла контакта называется evangelist, клиент, который активно рекомендует продукт другим, и формально она такая же часть модели, как MQL или SQL, а не просто маркетинговая метафора.
Скоринг лидов: как построить модель, а не гадать
Скоринг строится на двух типах данных. Explicit-данные это то, что лид сообщает сам: должность, индустрия, размер компании, география. Marketo формулирует эту границу коротко: explicit отвечает на вопрос, кто этот лид, а implicit, на вопрос, что он делает. Implicit-данные это наблюдаемое поведение: открытия email-рассылок, визиты на сайт, посещение страницы с ценами. Для компаний-целей в explicit-модель добавляются и корпоративные сигналы: смена руководства, сделки M&A, новые инвестиции, то есть события, которые меняют вероятность покупки независимо от поведения конкретного контакта. Логика простая: новый CTO или закрытый раунд финансирования почти всегда означают, что в компании вот-вот пересмотрят бюджеты и приоритеты, и именно поэтому такие корпоративные события учитывают наравне с более очевидными атрибутами вроде размера штата или отрасли, а не как второстепенный довесок к основной анкете лида.
Собрать атрибуты недостаточно, нужно решить, сколько баллов дать каждому. Один рабочий подход, привязать вес атрибута к тому, насколько сильно он коррелирует с реальным закрытием сделки: если общий close rate по базе составляет условный один процент, а лиды, которые запросили демонстрацию продукта, закрываются на двадцать процентов, этому атрибуту присваивается пропорционально высокий балл. Salesforce Ben советует выражать баллы по типам активности в процентах, а не в абсолютных очках, чтобы сумма всегда была сопоставима: сто процентов разложены между активностями по их относительной ценности, и это проще сравнивать между отделами маркетинга и продаж.
Модель скоринга нельзя один раз настроить и забыть, ее нужно калибровать по факту закрытых сделок. Методика простая по описанию и требовательная по дисциплине: берется выборка лидов за прошедший период, каждый размечается фактическим исходом, закрыт с выигрышем, закрыт с проигрышем или так и не был квалифицирован, и измеряется, какие сигналы статистически разделяют победы от проигрышей. Сигналы, которые одинаково часто встречаются в обеих группах, обнуляются, независимо от того, насколько команда продаж уверена в их важности на словах. Здесь есть тонкость, которую легко упустить: лида нужно оценивать таким, каким он был в момент, когда был лидом, а не по обогащенным данным, которые появились позже, после того как компания выросла или получила финансирование. Иначе модель прекрасно предсказывает прошлое и ничего не говорит о будущем.
На практике калибровка сводится к короткому набору проверок, и пропуск любой из них обычно и объясняет, почему модель со временем перестает совпадать с реальностью:
- Веса берутся из close rate, а не из интуиции команды продаж: атрибуту дают балл пропорционально тому, насколько сильно он коррелирует с реальным закрытием сделки, а не тому, насколько уверенно менеджеры говорят о его важности
- Баллы активности считаются в процентах, а не в абсолютных очках: сумма весов по типам активности должна сходиться к ста процентам, тогда веса сопоставимы между отделами маркетинга и продаж
- Лид размечается по состоянию на момент, когда он был лидом: обогащенные данные, появившиеся после роста или финансирования компании, в обучение модели не идут
- Сверка с историей перед запуском: если лиды с самым высоким баллом не совпадают с реально закрытыми сделками, веса модели неверны, и это видно еще до того, как модель начнет работать вживую
Порогов «горячий, теплый, холодный» нет в виде единого отраслевого стандарта, и это подтверждается сразу несколькими независимыми источниками с разными числами. Один пример модели на сто баллов распределяет их так: двадцать пять баллов за демографическое соответствие, двадцать пять за фирмографическое, сорок за поведенческую вовлеченность и до десяти баллов вычетов за негативные сигналы. Другой источник дает готовую сетку: сорок-шестьдесят четыре балла, это теплый лид, который остается в нертчинге, шестьдесят пять-семьдесят девять, это MQL для проверки продажами, восемьдесят и выше, это SQL с немедленной обработкой.
| Диапазон баллов (пример) | Статус лида | Что делать |
|---|---|---|
| 0–39 | Холодный | Оставить в общей рассылке, не тратить время продаж |
| 40–64 | Теплый | Нертчинг: контентная цепочка, регулярная переоценка балла |
| 65–79 | MQL | Передать продажам на проверку, не на немедленный звонок |
| 80+ | SQL | Немедленная обработка, реакция в течение часов |
Числа в таблице не универсальный стандарт, а иллюстрация одной из практик. Правильный способ выставить собственный порог, прогнать модель по своим же закрытым сделкам за последние двенадцать-двадцать четыре месяца и найти балл, выше которого конверсия заметно растет. После первого квартала работы модели стоит сравнить конверсию по каждому диапазону баллов: если теплые лиды конвертируются почти так же, как горячие, порог для горячих выставлен слишком высоко, и его нужно понижать. Для предиктивного скоринга на основе машинного обучения большинство поставщиков рекомендуют не меньше нескольких сотен записей с исходом закрыт-выигран или закрыт-проигран, без такого объема ручной скоринг по явным правилам обычно надежнее статистической модели.
Портрет идеального клиента: фильтр, который стоит перед скорингом
Портрет идеального клиента, ICP, уже несколько раз всплывал в этой статье, но пока без определения. ICP описывает не человека, а компанию: это компания, которая с наибольшей вероятностью купит продукт, добьется с ним успеха и принесет наибольший LTV, таргетинг идет на уровне аккаунта, а не отдельной персоны. Путаница с buyer persona частая: ICP отвечает на вопрос, какие компании вообще стоит преследовать, а персона, как разговаривать с людьми внутри уже отобранной компании. Команда, которая смешивает эти два понятия, рискует попасть в правильного человека внутри неправильной компании: закупщик дружелюбен и активен, но сама компания никогда не станет хорошим клиентом, сколько бы усилий на нее ни потратили.
ICP строится из четырех слоев данных, а не из одного списка «подходящая индустрия». Фирмографика, это размер компании, индустрия, диапазон выручки. Технографика, это используемый технологический стек и инструменты. Поведенческие сигналы, это данные о намерении и паттерны вовлеченности. Четвертый слой, признаки фита: соответствие сценария использования и реальность бюджета. Статичная фирмографика показывает, кто мог бы подойти, поведенческие сигналы показывают, кто готов купить прямо сейчас.
Cognism детализирует эти признаки для B2B еще конкретнее: бюджет и размер компании, определяющие платежеспособность, индустрия и вертикаль, географические ограничения продажи, техническая готовность к внедрению и срочность конкретной боли клиента. Портрет идеального клиента не придумывают за столом, его выводят из уже закрытых сделок. Один рабочий процесс начинается с анализа текущих клиентов: сначала находят «супер-пользователей», получающих от продукта больше всего ценности, берут у них интервью о процессе покупки, ищут общие атрибуты в данных, сводят находки в шаблон и затем постоянно уточняют профиль по отзывам, трафику и паттернам закрытых сделок, а не оставляют его неизменным на годы вперед.
Более конкретная версия той же логики: берутся закрытые сделки за последние восемнадцать месяцев, и по каждому аккаунту фиксируются сумма контракта, время до закрытия, было ли расширение или сокращение подписки, случился ли отток за двенадцать месяцев и сколько было обращений в поддержку. Дальше сделки сортируют не по сумме контракта, а по пожизненной ценности: клиент с контрактом на тридцать тысяч долларов, который вдвое увеличил трату на второй год и остается четвертый год подряд, ценнее клиента с контрактом на шестьдесят тысяч, который ушел через полтора года. Ядро ICP строится по общим признакам верхних двадцати процентов аккаунтов именно по этому показателю, а не по первому впечатлению о размере сделки.
ICP работает как фильтр, который стоит перед скорингом, а не вместо него. ICP-фит отвечает на вопрос, правильный ли это тип компании, поведенческий скоринг отвечает на вопрос, правильный ли сейчас момент. На практике это два разных балла, а не один составной: в одной из настроек HubSpot фит оценивается буквами от А до С, а вовлеченность, цифрами от одного до трех. Лид с высокой вовлеченностью, но слабым фитом, скажем, маркетинг-координатор из компании на пять тысяч человек, который кликает и скачивает все подряд, получает рекомендацию нертчить, а не приоритизировать: слабый фит фактически блокирует продвижение лида, даже когда поведенческий скоринг выглядит отлично.
Две частые ошибки при построении ICP отражают то же слепое пятно с разных сторон. Первая, формулировка вроде «B2B SaaS-компании» это не портрет идеального клиента, а описание половины рынка: такое определение не помогает продажам приоритизировать аккаунты и не повышает конверсию. Вторая ошибка, считать ICP документом, который написали один раз и забыли: полезный портрет пересматривают регулярно, на основе реальных данных о клиентах и результатах продаж, а не хранят как статичный слайд в презентации для инвесторов.
Квалификация лида: BANT и что после него
Скоринг отвечает на вопрос, достаточно ли у лида признаков готовности. Квалификация, отдельный разговор с человеком, отвечает на вопрос, реальна ли эта готовность на самом деле. Самая распространенная модель, BANT: бюджет, полномочия, потребность и сроки, но ее ценность не в самой аббревиатуре, а в том, как задавать вопросы на звонке. Про бюджет спрашивают не в лоб «сколько у вас денег», а через контекст: как обычно финансируются подобные технологические решения, заложен ли бюджет уже сейчас или его придется обосновывать бизнес-кейсом, сколько стоит бездействие еще полгода. Сильный ответ показывает, что бюджет существует или может быть обоснован, слабый звучит как «просто изучаем вопрос» без финансового обязательства.
Полномочия проверяют вопросом «как в вашей компании обычно принимаются такие решения», а не «вы принимаете решение?». Сильный ответ картирует весь закупочный комитет, слабый называет одного человека без ясной структуры. Потребность выясняют через триггер: что случилось, что этот вопрос стал актуален именно сейчас, и что произойдет с командой, если проблема останется нерешенной еще год. Сроки проверяют через внешний повод, конкретное событие или дедлайн дает сильный сигнал, а расплывчатое «когда-нибудь в следующем квартале» слабый. Общий принцип применения, слушать в разы больше, чем говорить, и не поднимать тему бюджета первым вопросом: сначала устанавливается потребность и срочность, чтобы разговор о деньгах звучал логично, а не навязанно.
BANT неплохо работает при высоком объеме сделок и коротком цикле, транзакционных и SMB-продажах, где покупатель уже понимает категорию продукта и решение принимает один человек. Для более сложного цикла, характерного для B2B/IT/SaaS с несколькими лицами, принимающими решение, ORM-tech описывает альтернативу CHAMP: проблемы клиента, полномочия, деньги и приоритизация.
CHAMP разворачивает порядок вопросов сознательно: методологию представила компания InsightSquared прямо как ответ на бюджетоцентричный BANT. Challenges, это выяснение конкретной проблемы клиента и ее цены для бизнеса, разговор начинается с нее, а не с денег. Authority здесь не один вопрос «вы принимаете решение», а картирование всего закупочного комитета: кто влияет на выбор и кто в итоге подписывает. Money обсуждается третьим шагом, а не первым, и в терминах инвестиции против цены бездействия, а не голой суммы бюджета. Prioritization, это более жесткая версия вопроса о сроках из BANT: есть ли у клиента реальный дедлайн или инициатива живет в режиме «когда-нибудь». Смысл перестановки простой: в сложной продаже бюджет на решение проблемы часто еще не заложен, его сначала нужно создать через доказанную боль, а не искать заранее выделенную строку в чужом бюджете.
Третий вариант, MEDDIC, добавляет то, чего нет ни в BANT, ни в CHAMP: явную метрику бизнес-эффекта и конкретного человека внутри компании клиента, лично заинтересованного в победе именно вашего решения. Методологию разработали еще в девяностых в Parametric Technology Corporation, и она помогла компании держать план по выручке больше сорока кварталов подряд. Metrics, это измеримая выгода от решения в цифрах, а не общие слова о пользе. Economic Buyer, это конкретный человек с финальным правом сказать «да» по бюджету, а не просто вовлеченный сотрудник. Decision Criteria, это формальные требования к решению, по которым каждый участник закупки будет сравнивать его с альтернативами.
Decision Process в этой связке, это то, как именно клиент будет оценивать, выбирать и покупать решение внутри своей компании. Identify Pain, это катализатор, который заставляет клиента решить проблему в конкретные сроки, а не абстрактная неудовлетворенность без срока действия. Champion, это человек с влиянием внутри закупающей компании, лично заинтересованный, чтобы выбрали именно ваше решение, а не просто дружелюбный собеседник на звонках. По собственному кейсу Force Management, компания Patra после внедрения MEDDIC вместе с value selling сократила время закрытия сделки на 32%, подняла win rate на 143% и увеличила средний размер сделки на 48%. Это данные производителя методологии, а не независимая отраслевая статистика, и к ним стоит относиться именно как к иллюстрации.
| Модель | Когда лучше подходит | Особенность |
|---|---|---|
| BANT | Короткий цикл, транзакционные и SMB-сделки | Один явный decision-maker, покупатель уже понимает категорию |
| CHAMP | Средний цикл, где спрос еще нужно сформировать | Начинает с проблемы клиента, а не с бюджета |
| MEDDIC | Длинный цикл, несколько лиц, принимающих решение | Явный внутренний чемпион и метрики эффекта для экономического покупателя |
Типичная ошибка квалификации, «счастливые уши»: менеджер слышит только позитивные сигналы, кивки и согласия, и пропускает колебания, сомнения и оговорки, что искажает и оценку лида, и прогноз продаж. Вторая частая ошибка, зацепиться за дружелюбного собеседника или решить, что должность автоматически означает полномочия принимать решение. Отсутствие четкого портрета идеального клиента приводит к нестабильному качеству пайплайна и более длинным циклам сделки, потому что команда тратит время на плохо подходящих клиентов.
Третья ошибка растет прямо из системы мотивации: если отдел продаж премируют за объем возможностей, а не за их качество, менеджеры продвигают сделки по воронке преждевременно, тратя ресурсы на изначально нежизнеспособные варианты. Она усиливает первые две, потому что торопливость на входе в воронку почти всегда означает, что «счастливые уши» и путаницу с полномочиями просто некому будет заметить. Стоит помнить и про масштаб проблемы: еще в 2016 году исследование CEB фиксировало в среднем 6,8 стейкхолдера, вовлеченных в типичное B2B-решение о покупке, притом что всего за полтора года до этого их было 5,4, то есть тренд был направлен только в одну сторону. С тех пор это число, судя по всему, скорее выросло, чем сократилось, работать с одним контактом в длинном цикле сделки не имеет смысла.
Практический чек-лист для звонка с новым лидом:
- Выясните триггер: что изменилось и почему вопрос актуален именно сейчас, а не полгода назад
- Картируйте комитет: кто кроме собеседника будет участвовать в решении и на каком этапе
- Спросите про бюджет косвенно: как обычно финансируются похожие решения, а не сколько денег заложено
- Ищите внешний повод по срокам: конкретное событие или дедлайн, а не общее «в этом году»
- Слушайте оговорки: любое «но» и «пока не уверены» весит больше, чем формальное согласие
MQL, SQL и SLA передачи между маркетингом и продажами
Определить стадии лида недостаточно, нужен документ, который фиксирует, кто и когда обязан среагировать. SLA между маркетингом и продажами обычно задает разные сроки реакции в зависимости от типа лида: заявка на демонстрацию требует ответа в течение пары часов, а лид с низким скорингом, скачавший материал, может подождать сутки. Определения стадий, совместная ответственность: маркетинг предлагает критерии соответствия и намерения для MQL, продажи определяют критерии приемки, а операционная команда фиксирует это в CRM: свойства, автоматизации, дашборды.
Каждый переданный MQL обязан получить статус, принят или отклонен, в фиксированный срок, и отклонение оформляется по стандартному списку причин: не соответствует портрету клиента, нет признаков бюджета, не тот контакт, неподходящее время, проблема с качеством данных. HubSpot рекомендует включать в SLA не только определения и сроки, но и механизм обратной связи, почему лид был отклонен, а также отслеживать разницу между моментом передачи лида в продажи и моментом первого реального контакта как метрику соблюдения договоренности. Один из примеров такого документа предлагает конкретные ориентиры, скажем, реакция в течение суток и эскалация при повторных нарушениях в течение нескольких месяцев подряд, но это иллюстрация из шаблона, а не жесткий отраслевой норматив, каждая компания настраивает эти цифры под собственный цикл сделки.
HubSpot описывает еще один, необязательный элемент такого SLA: систему персональной ответственности, когда за разбор и устранение причин системных просрочек отвечают конкретные сотрудники и в продажах, и в маркетинге, а не абстрактный отдел целиком.
Единой цифры «сколько лид должен жить в статусе MQL» в индустрии не существует. Встречающиеся в практике ориентиры расходятся в разы: где-то эскалируют MQL, не принятый продажами дольше пяти рабочих дней, где-то протухшим лид считается только через тридцать-шестьдесят дней бездействия. Честный ответ звучит скучно, но он точнее любого готового числа: правильный срок живет внутри SLA конкретной компании и зависит от длины ее цикла сделки, а не от чужого блога.
При системной просрочке лучшая практика, не мгновенная эскалация или наказание, а диагностический разбор причины сбоя с планом коррекции: эскалация выше наступает, только если то же нарушение повторяется без исправления несколько месяцев подряд. На операционном уровне работают автоматизированные алерты, ответственному менеджеру при приближении к порогу и его руководителю при фактическом нарушении, вплоть до автоматического переназначения лида другому сотруднику, если контакт так и не был залогирован.
Если лид не был отработан за отведенное число попыток контакта, он возвращается в маркетинг с измененным статусом и уходит в отдельный цикл повторного вовлечения, другой канал, другой темп касаний, а не просто теряется навсегда. Часть таких лидов позже повторно квалифицируется, если снова проявляет активность. Организационный вопрос, кто отвечает за качество этой передачи, штатная команда или агентство на аутсорсе, разобран отдельно в статье про отдел маркетинга или агентство на аутсорсе, потому что именно на стыке команд лиды чаще всего теряются молча.
Экономика квалификации: во что обходится плохой скоринг
Цена плохой квалификации не абстрактна, ее можно посчитать через упущенное время и завышенный CAC. Систематический обзор моделей лид-скоринга, опубликованный в рецензируемом журнале Information Technology and Management, приводит отрезвляющую базовую цифру: без скоринга в квалифицированные лиды превращается около десяти процентов входящего потока, а в реальных клиентов, лишь один-шесть процентов. То есть подавляющее большинство обращений, это балласт, который менеджер по продажам вынужден разбирать вручную, вместо того чтобы работать с оставшейся горсткой реальных возможностей.
Тот же обзор показывает, что происходит после внедрения скоринга: конверсия из прострелов в квалифицированные лиды поднимается до пятнадцати-двадцати процентов, а в одном из разобранных кейсов конверсия выросла с восьми до семнадцати процентов за три месяца эксперимента. Отдельно тот же обзор литературы указывает: скоринг способен поднять ROI лидогенерации на до семидесяти процентов, и это отдельная метрика от роста конверсии, она показывает, что скоринг окупает не только продажи, но и сам маркетинговый бюджет, потраченный на привлечение.
Компании, которые системно используют лид-скоринг, получают, по данным исследования Aberdeen Group, около сорока девяти процентов роста годовой выручки, двадцать шесть процентов роста конверсии лидов и двадцать пять процентов снижения стоимости лида. Разница между «есть модель скоринга» и «ее нет» это не пара процентов, а кратный разрыв в том, сколько обращений вообще доходит до сделки, причем разрыв виден сразу по трем разным метрикам, а не по одной удачно выбранной.
Отдельная статья потерь, время продавцов, потраченное впустую. Опрос руководителей продаж и маркетинга на конференции Dreamforce показал, что сами руководители оценивают: как минимум половина усилий отдела продаж и половина бюджета лидогенерации тратится на лиды, с которыми так и не удалось связаться. Опрос 6sense среди B2B-маркетологов зафиксировал похожую картину с другой стороны воронки: из лидов, которые маркетинг считает готовыми для передачи, продажи в среднем принимают в работу лишь около двадцати процентов, остальные отклоняются или зависают без ответа. А по данным исследования продуктивности продавцов Forrester, которое отслеживало более трех тысяч продавцов по тридцати девяти категориям рутинных задач, средний менеджер тратит на административную работу около двух полных рабочих дней в неделю, времени, которое не приносит выручку независимо от качества входящих лидов.
Экономический механизм здесь простой: CAC считается не только через рекламный бюджет, но и через рабочее время команды продаж, а плохо квалифицированные лиды удлиняют это время без единого шанса на закрытие. Если разложить CAC по каналам, как это описано в статье про LTV и CAC в B2B и SaaS, канал с формально низкой стоимостью клика может оказаться самым дорогим по факту, если именно с него приходит основная масса лидов, которые никогда не квалифицируются. Настройка скоринга и SLA передачи в этом смысле не техническая деталь автоматизации, а прямой рычаг экономики привлечения, который часто дает больше эффекта, чем добавление нового канала.
Дешевле всего этот рычаг настраивается не после запуска канала, а до: канал, который приводит трафик, идеально совпадающий с портретом идеального клиента, изначально нуждается в меньшей ручной фильтрации, чем канал с широким охватом и случайным качеством лидов.
Частые вопросы
Работа с лидами, что это простыми словами? Это не разовый звонок по заявке, а системный процесс: собрать контакт, оценить его баллом (скоринг), проверить в разговоре (квалификация), передать в продажи по согласованным правилам и довести до сделки или честно закрыть, если лид не подходит.
Чем MQL отличается от SQL простыми словами? MQL, это лид, которого маркетинг считает готовым по данным и поведению, но никто из продаж еще с ним не говорил лично. SQL, это лид, с которым продавец уже пообщался напрямую и подтвердил, что перед ним реальная возможность, а не просто заинтересованный посетитель сайта.
Чем занимается менеджер по работе с лидами? В зависимости от структуры компании, это может быть человек на стыке маркетинга и продаж: он ведет лида от первого контакта до передачи квалифицированной возможности продавцу, следит за скорингом, соблюдением SLA и причинами, по которым лиды отклоняются.
Что такое SAL и нужен ли он каждой компании? Sales accepted lead, это лид, которого продажи официально приняли в свой пайплайн по согласованным критериям либо отклонили с зафиксированной причиной. Стадия полезна, когда объем лидов уже достаточно велик, чтобы между маркетингом и продажами требовался формальный шлюз ответственности. Для небольшой команды, которая обрабатывает каждый лид вручную и лично, отдельная метка SAL часто оказывается лишней бюрократией, а не пользой.
Нужен ли отдельный ICP, если аудитория и так узкая? Да, даже узкая ниша обычно скрывает разброс по качеству клиентов: часть компаний в ней закрывается быстро и остается годами, а часть уходит через несколько месяцев после подписания. ICP помогает найти общие признаки первой группы по данным о закрытых сделках, а не просто повторить формулировку из презентации для инвесторов вроде «B2B SaaS-компании», которая слишком широка, чтобы на нее можно было опереться при приоритизации.
Какую модель квалификации выбрать для короткого, а для длинного цикла сделки? Для короткого цикла с одним решающим человеком обычно достаточно BANT. Для длинного B2B/SaaS-цикла с закупочным комитетом лучше работают CHAMP, если спрос еще нужно сформировать, или MEDDIC, если решение сложное и нужен внутренний чемпион сделки.
Как понять, что скоринг настроен неправильно? Самый честный тест, сравнить баллы модели с реальными закрытыми сделками за последний квартал. Если лиды с самым высоким баллом систематически не совпадают с теми, кто реально купил, а теплые лиды конвертируются не хуже горячих, веса модели нужно пересматривать, а не терпеть еще один квартал.
С чего начать привлечение
Если в компании уже есть входящий поток заявок, но продажи жалуются на их качество, следующий канал почти никогда не решение. Сначала стоит проверить, есть ли вообще рабочая модель скоринга и понятные критерии квалификации, а уже потом думать о масштабировании каналов. Порядок практичный: сперва зафиксировать портрет идеального клиента по данным о лучших закрытых сделках, а не по ощущению отдела продаж, затем зафиксировать явные и неявные признаки скоринга, которые реально коррелируют с этими же сделками, потом прописать SLA передачи между маркетингом и продажами с конкретными сроками и причинами отказа, и только после этого возвращаться к вопросу, где взять больше лидов.
Квалификация важнее объема: десять реалистичных возможностей, картированных по BANT или CHAMP, стоят больше для выручки, чем сто необработанных заявок неизвестного качества. Все элементы механики связаны в одну цепочку, а не работают по отдельности: слабый ICP делает скоринг бессмысленным, потому что модель учится на неправильной выборке, а хороший скоринг без SLA передачи все равно теряет лиды на стыке отделов. Чинить их по отдельности, значит чинить симптом, а не причину: отдел продаж будет продолжать жаловаться на качество лидов даже после смены агентства, канала или подрядчика, если сама механика между спросом и сделкой остается непрозрачной.
Если непонятно, с чего начать именно в вашей компании, будь то настройка модели скоринга, портрет идеального клиента, разбор SLA между командами или выбор модели квалификации под длину цикла сделки, разбор конкретной ситуации на стратегической сессии по маркетингу обычно быстрее, чем метод проб и ошибок на реальных лидах и потерянные месяцы работы с не теми компаниями.