Marcela Mariano
Sócia e Gestora Tech
Tenho participado de algumas conversas sobre estudos e testes ligados a Lead Scoring com uso de Machine Learning (ML) e Autopilot que estamos produzindo aqui na SPOT Metrics. Nessas conversas percebi uma certa resistência ao tema, o que é natural, já que esses conceitos nem sempre são tão claros à primeira vista.
Para SPOT e para mim a resistência não é exatamente uma novidade. Já passamos por algo parecido em 2021, quando tentávamos convencer as pessoas de que não fazia muito sentido mandar comunicação de Cine Materna para mulheres de 30 a 40 anos apenas com base no feeling. Naquele momento, defendíamos que o melhor seria usar métodos estatísticos para selecionar as pessoas com base nas interações com os facilities e no comportamento de consumo.
Como minha mentora Andreia costuma dizer: “a educação é um processo repetitivo”. Então resolvi escrever um pouco sobre o tema usando como base alguns artigos interessantes que encontrei pelo caminho.
Afinal, o que é Lead Scoring?
Lead Scoring é a aplicação de um método de pontuação para categorizar potenciais clientes. Ele surgiu justamente para resolver divergências de critérios entre o time de vendas e o time de marketing, ou seja, para reduzir a subjetividade na priorização dos leads.
Esse método traz ganhos importantes porque ajuda a identificar quais pessoas estão mais “quentes” de acordo com a estratégia e contribui para mapear melhor o perfil de cliente ideal.
Com o tempo, muitos especialistas começaram a estudar como Data Mining (DM) e Machine Learning poderiam melhorar esse processo. Em vez de depender apenas de regras definidas manualmente, os modelos passam a analisar dados históricos para entender quais características — explícitas ou implícitas — estão presentes nos leads que realmente se tornam clientes.
O excelente artigo The State of Lead Scoring Models and Their Impact on Sales Performance faz uma análise de parte da literatura disponível e mostra exemplos de resultados como o caso da GE Capital que conseguiu melhorar o desempenho dos vendedores entre 30% e 50% aplicando um sistema de gatilho de leads.
Onde entra o Autopilot?
Mesmo quando conseguimos identificar leads mais adequados, ainda existe uma etapa importante: o primeiro contato da força de vendas.
É nesse ponto que o Autopilot entrega valor. Ele pode realizar esse contato inicial, apresentar informações básicas e esclarecer dúvidas dos clientes mantendo um padrão de comunicação. Quando sinais mais claros de intenção de compra aparecem, o contato pode ser direcionado para o vendedor. No fim, ele faz com que o esforço humano seja direcionado para o lugar certo.
Esse tipo de solução não está restrito a CRMs. Recentemente, por exemplo, o Facebook anunciou uma funcionalidade de IA no Marketplace capaz de responder automaticamente às mensagens iniciais de compradores, mostrando como esse tipo de abordagem começa a ganhar escala em diferentes plataformas.
No fim das contas, mais do que substituir pessoas, essas tecnologias tendem a reorganizar o processo comercial: dados ajudam a identificar oportunidades e automações ajudam a escalar as primeiras interações.
Talvez o maior desafio ainda seja cultural. Migrar do feeling para decisões mais orientadas por dados nem sempre é simples.
Mas a pergunta que fica para mim é:
