Fortgeschrittenes Lead-Scoring mit ML
Ein B2B-Unternehmen war vom Lead-Volumen überwältigt. Ihr Standard-HubSpot-Lead-Scoring war zu simpel, was dazu führte, dass Vertriebsmitarbeiter Zeit mit Interessenten mit geringem Potenzial verschwendeten, während wertvolle Ziele kalt wurden.
Die Herausforderung
- Datenfragmentierung: Verhaltensdaten waren über HubSpot, Segment und ihre Produktdatenbank verteilt.
- Nicht-lineares Scoring: Einfache punktbasierte Systeme konnten die komplexen Muster eines Käufers mit hoher Kaufabsicht nicht erfassen.
- Handelbarkeit: Der Score musste innerhalb der HubSpot CRM-UI sichtbar und nutzbar sein.
Die Lösung
Wir haben eine Datenpipeline entwickelt, die HubSpot-Daten in ein maßgeschneidertes Machine-Learning-Modell einspeist.
- Data-Warehouse-Integration: Synchronisierung von HubSpot-Daten mit BigQuery für das Modelltraining.
- Predictive API: Entwicklung eines Python-basierten Microservices, der für jeden neuen Lead einen "Propensity to Buy"-Score generiert.
- CRM Cards: Erstellung einer individuellen CRM-Erweiterung, die den ML-Score und die "Top 3 Gründe" für diesen Score direkt im Kontaktdatensatz anzeigt.
Das Ergebnis
- 25% Steigerung der Konversion: Vertriebsmitarbeiter konzentrierten sich auf die besten 10% der Leads.
- Reduzierter CAC: Die Marketingausgaben wurden für Kanäle optimiert, die Leads mit hohen Scores generieren.
- Bessere Abstimmung: Marketing und Vertrieb sind sich nun einig darüber, was einen "vertriebsbereiten" Lead ausmacht.
Bereit, KI in Ihre HubSpot-Instanz zu bringen? Kontaktieren Sie uns.