30 sn özet

Bir form dolduran herkes satış görüşmesine hazır değildir. MQL, pazarlamanın uygunluk ve ilgi ölçütlerini karşılayan potansiyel müşteridir. SQL, satış ekibinin değerlendirmesiyle satış sürecinde ilerlemeye uygun bulunan potansiyel müşteridir. Lead scoring, bu değerlendirmeyi desteklemek için özellik ve davranışlara puan verme yöntemidir. Puan, satın alma isteğinin kesin kanıtı değildir. Sağlıklı bir sistem; pazarlama ile satışın ortak tanımlarını, aktarım kurallarını ve sonuçlardan öğrenmesini birlikte kurar. Başarı yalnızca kaç MQL üretildiğiyle değil, bu kişilerin hangi koşullarda gerçek fırsata dönüştüğüyle değerlendirilmelidir.

Neden önemli

Pazarlama ekibi çok sayıda başvuru getirirken satış ekibi bu başvuruları düşük kaliteli bulabilir. Sorun bazen hedeflemede, bazen teklifin çektiği kitlede, bazen de ekiplerin farklı beklentilerindedir. Ortak değerlendirme ölçütleri yoksa “kaliteli müşteri” ifadesi kişisel yorumlara dayanır. Böyle bir ortamda kampanya bütçesini artırmak, satış ekibinin inceleme yükünü de artırabilir.

Nitelendirme sistemi, sınırlı satış kapasitesinin nereye ayrılacağına yardımcı olur. Ürünün hizmet veremediği bir işletmenin yoğun içerik tüketmesi ile uygun bir işletmenin somut ihtiyaç paylaşması aynı şekilde ele alınmamalıdır. İlgi ve uygunluk ayrı değerlendirildiğinde, görüşme önceliği daha açıklanabilir hale gelir. Henüz hazır olmayan kişiler için de bilgi ve eğitimle ilişkiyi sürdürmek mümkün olur.

Yönetim açısından konu, ekipler arasındaki iş devridir. Pazarlamanın neyi teslim edeceği, satışın hangi bilgiyi doğrulayacağı ve kararını nasıl geri bildireceği açık olmalıdır. İş analisti bu süreçte tanımları, veri alanlarını ve karar kurallarını netleştirebilir. Ürün ekibi ise hangi ihtiyaçların gerçekten karşılanabildiğini açıklayarak uygunluk ölçütlerine katkı sağlar.

Terim nedir

Lead, işletmeyle ilişki kurulabilecek potansiyel müşteri kaydıdır. MQL, İngilizce “Marketing Qualified Lead” ifadesinin kısaltmasıdır; pazarlama tarafından nitelendirilmiş potansiyel müşteriyi anlatır. SQL, “Sales Qualified Lead” anlamına gelir; satış tarafından nitelendirilmiş potansiyel müşteridir. Buradaki SQL, veri tabanı sorgu diliyle aynı kısaltmayı paylaşsa da farklı bir kavramdır.

Bu aşamaların sınırları şirketler arasında değişebilir. Bir işletmede SQL için ihtiyaç görüşmesi tamamlanmış olmalıdır; başka bir işletmede farklı doğrulamalar aranabilir. Önemli olan tanımın yazılı olması ve ekiplerce aynı şekilde uygulanmasıdır. Satışın kaydı teslim alması ile ihtiyacı doğrulaması ayrı olaylardır; kullanılan süreç bu ayrımı korumalıdır. SQL olmak da müşterinin kesin satın alacağı anlamına gelmez.

Lead scoring, potansiyel müşterilerin önceliklendirilmesini destekleyen puanlama yaklaşımıdır. Uygunluk boyutu şirketin sektörü, faaliyet koşulları, kişinin rolü ve ürünle uyum gibi özellikleri kapsar. Davranış boyutu ise çözüm inceleme, etkinliğe katılma veya görüşme talebi gibi sinyalleri değerlendirir. İki boyutu ayrı görmek, çok etkileşimli fakat uygun olmayan kayıtları fark etmeyi kolaylaştırır.

Puanlama kuralları birer varsayımdır. Bir rehber indirmek öğrenme isteğini gösterebilir; bütçe veya proje takvimini doğrulamaz. Aynı davranışın tekrarları puanı sınırsız artırmamalı, eski sinyallerin anlamı zamanla yeniden değerlendirilmelidir. Eksik şirket bilgisi de doğrudan düşük uygunluk kabul edilmemelidir. Bilinmeyen veri ile doğrulanmış uyumsuzluk farklı durumlardır.

Modelin değeri sonuçlarla sınanır. Yüksek puanlı kayıtların satış değerlendirmesinde neden kabul veya reddedildiği incelenir. Düşük puan aldığı halde müşteriye dönüşen kayıtlar da araştırılır. Böylece yalnızca yanlış olumlu kararlar değil, kaçırılan fırsatlar da görünür olur. Puanlama, satışın görüşmede edindiği bilgilerin yerini almak yerine o görüşmenin önceliğini ve bağlamını desteklemelidir.

Gerçek vaka: Studytube

HubSpot’un Studytube müşteri vakası, işletmelere öğrenme platformu sunan şirketin hedefleme ve veri takibini anlatıyor. Studytube, geniş çevrim içi eğitim ilgisinin tüketici odaklı eğitim şirketleriyle ortak kitleler oluşturduğunu belirtmiş. Şirket, LinkedIn’de görev unvanı ve şirket büyüklüğü gibi özellikler üzerinden daha belirli bir kitleye ulaşmış.

LinkedIn ile HubSpot arasındaki bağlantı sayesinde başvurunun hangi kampanyadan geldiği, hangi içeriğin indirildiği ve kaydın sonraki aşamalardaki ilerleyişi izlenebilmiş. Vaka, MQL’den SQL’e ve satış fırsatına geçiş oranlarında iyileşmeler bildiriyor. Böylece değerlendirme yalnızca form sayısıyla sınırlı kalmıyor; başvuruların sonraki niteliği de takip ediliyor.

Bu uygulamadan çıkarılabilecek ders, nitelendirme kararının müşteri bağlamı ve aşama sonuçlarıyla birlikte ele alınmasıdır. Bu, vakanın stratejik yorumudur. Kaynak belirli bir puanlama tablosu yayımlamıyor; dolayısıyla Studytube’a özel puan ağırlıkları atfedilemez. Ayrıca sağlayıcının müşteri anlatımı, hedefleme ve sistem değişikliklerinin etkilerini birbirinden ayıran bağımsız bir deney değildir. Başka bir şirketin aynı sonuçları elde edeceği varsayılmamalıdır.

Kaynak: HubSpot, How Studytube's MQL conversions grew by 193% with HubSpot's LinkedIn integration.

Varsayımsal örnek: Bakım yönetimi yazılımı

Aşağıdaki örnek varsayımsaldır. Fabrikalara bakım yönetimi yazılımı satan bir şirket düşünelim. Pazarlama ekibi teknik rehber indiren herkesi satışa yönlendiriyor. Satış görüşmelerinde bazı kişilerin yalnızca eğitim amacıyla araştırma yaptığı, bazılarının ise ürünün desteklemediği işletme koşullarına sahip olduğu görülüyor.

Ekipler önce uygun müşteri profilini tanımlar. Bakım süreçlerinin kapsamı, mevcut sistemle bağlantı ihtiyacı ve kişinin projedeki rolü değerlendirmeye alınır. Ardından davranış sinyalleri belirlenir: uygulama koşullarını incelemek, ihtiyaç formu doldurmak ve ürün gösterimi istemek farklı anlamlar taşır. Örnek için sayısal ağırlıklar uydurmak yerine, bu sinyallerin hangi sonuçlarla ilişkili olduğunun incelenmesi planlanır.

Uygunluğu yeterince bilinen ve anlamlı ilgi gösteren kayıt pazarlama tarafından nitelendirilir. Satış görüşmesinde problem, kullanım koşulları ve satın alma sürecindeki kişilerin rolü doğrulanır. İlerleme için yeterli bilgi varsa kayıt SQL aşamasına alınır. Henüz proje oluşmamışsa ilişki uygun içerikle sürdürülür; ürünün karşılayamadığı bir ihtiyaç varsa gerekçesi kaydedilir.

Şirket dönem sonunda yalnızca aktarılan kayıt sayısına bakmaz. Satışın değerlendirme süresini, reddetme nedenlerini ve gerçek fırsata geçişi inceler. Model değiştiğinde eski ve yeni tanımların sonuçlarını ayrı izler; tanım değişikliğinin yarattığı MQL artışını yeni talep artışı olarak sunmaz.

Yaygın 3 hata

  1. İçerik tüketimini satın alma hazırlığı saymak

Tek bir indirme veya tekrar eden ziyaret, somut ihtiyaç doğrulaması değildir. Uygunluk ile davranışı birlikte değerlendirin. Açık görüşme taleplerinin de hangi süreçle ele alınacağını önceden belirleyin.

  1. Modeli yalnızca pazarlamanın kurması

Satışın kabul ölçütleri bilinmeden kurulan sistem, iş devrinde anlaşmazlık yaratabilir. Ölçütleri ortaklaştırın; kabul, ret ve yeniden değerlendirme nedenlerini kaydedin. Satış geri bildirimini düzenli model incelemesine dönüştürün.

  1. MQL hacmini tek başarı ölçütü yapmak

Eşiği düşürmek MQL sayısını artırabilir, fakat satış kapasitesini tüketebilir. Aynı dönemde dönüşüm, değerlendirme süresi ve fırsat kalitesini izleyin. Sonuçları farklı kampanya kaynakları ve müşteri grupları için ayrı inceleyin.

Mini uygulama/şablon

İlk modeli kurmadan önce aşağıdaki karar formunu pazarlama ve satış birlikte doldurabilir.

Uygun müşteri
Ürün hangi koşullarda değer sağlar?
Bilinen uyumsuzluk
Hangi koşullarda hizmet veremiyoruz?
Eksik veri
Hangi bilgileri doğrulamak gerekiyor?
İlgi sinyali
Hangi davranış hangi varsayımı destekliyor?
MQL koşulu
Pazarlama neyi doğrulamış olacak?
SQL koşulu
Satış hangi ek bilgiyi doğrulayacak?
Aktarım
Kaydı kim, hangi bağlamla teslim alacak?
Geri bildirim
Kabul ve ret nedenleri nasıl kaydedilecek?
Yeniden değerlendirme
Hangi yeni bilgi kararı değiştirebilir?
Kontrol
Model hangi sonuçlarla ve ne zaman incelenecek?

İlgili terimler

Hedefleme, İdeal Müşteri Profili, Lead Generation, Demand Generation, Lead Nurturing, CRM, Satış Hunisi, Account-Based Marketing, Pazarlama ve Satış Uyumu, Revenue Operations