Ingeniería de puntuación de clientes potenciales

Un equipo de ventas salientes alimenta a cada cliente potencial a través de un proceso de puntuación: Scavio Google SERP para el sitio web de la empresa + noticias recientes, Scavio Reddit para menciones y sentimientos de marca. La indicación LLM obtiene una puntuación del 1 al 100 según la rúbrica ICP. Los clientes potenciales con una puntuación superior a 70 se enrutan a DEG; 40-69 van a secuencias de crianza; los menores de 40 años no tienen prioridad.

Ingeniería de puntuación de clientes potenciales es relevante para Google, Reddit. Scavio proporciona una API unificada para acceder a datos de todas estas plataformas.

La puntuación de clientes potenciales tradicional asigna puntos basándose en reglas rígidas: tamaño de la empresa +10, página de precios visitada +5, correo electrónico abierto +3. La puntuación de clientes potenciales basada en LLM reemplaza el motor de reglas con un mensaje que describe el perfil de cliente ideal en lenguaje natural y solicita al modelo que califique y explique su razonamiento. El mensaje podría decir: "Califique este cliente potencial de 1 a 100 según: la empresa utiliza herramientas de IA/ML, tiene entre 50 y 500 empleados, está en B2B SaaS y muestra contratación activa para puestos de ingeniería". La clave para hacer que la puntuación de clientes potenciales basada en indicaciones sea confiable es la conexión a tierra: en lugar de confiar en el conocimiento paramétrico del LLM sobre la empresa, se le suministran datos nuevos de las API de búsqueda. Una consulta SERP de Scavio en Google para el nombre de la empresa devuelve la descripción de su sitio web, noticias recientes y datos del gráfico de conocimiento. Una búsqueda en LinkedIn o en una bolsa de trabajo revela los patrones de contratación actuales. Las menciones de Reddit revelan el sentimiento de la comunidad. Las puntuaciones del LLM se basan en estos datos reales y actuales en lugar de en conocimientos de formación potencialmente obsoletos. La limitación honesta: la puntuación basada en LLM es menos determinista que la puntuación basada en reglas. La misma ventaja podría obtener puntuaciones ligeramente diferentes entre las carreras. Los equipos manejan esto ejecutando la puntuación 2 o 3 veces y promediando, o usando el LLM para clasificar en grupos (caliente/tibio/frío) en lugar de asignar puntuaciones numéricas precisas.