Fit vs. Intent Scoring: Sinyal Mana yang Benar-Benar Memprediksi Deal yang Menang

Anda memiliki dua lead yang menunggu di antrean.

Lead A: VP of Operations di perusahaan software dengan 200 karyawan. Cocok dengan ICP Anda di setiap dimensi: industri, ukuran, tech stack, dan jabatan. Sudah ada di mailing list Anda selama 8 bulan. Tidak pernah mengunjungi halaman pricing. Tidak ada halaman produk. Membuka dua email pada kuartal lalu.

Lead B: Marketing Manager di perusahaan jasa dengan 40 karyawan, lebih kecil dari ideal Anda. Bukan di industri utama Anda. Tapi mereka mengajukan permintaan demo kemarin. Mengunjungi halaman pricing tiga kali minggu ini. Mencari kategori Anda di G2 dan mengklik profil Anda.

Model scoring Anda mengatakan Lead A memiliki 78 poin. Lead B memiliki 61 poin.

Mana yang Anda hubungi lebih dulu?

Jika insting Anda mengatakan Lead B, karena mereka sedang berada dalam buying window yang aktif saat ini, Anda mungkin benar. Dan jika model scoring Anda menempatkan Lead A lebih tinggi, Anda memiliki masalah kalibrasi yang diam-diam merugikan Pipeline Anda.

Inilah pertanyaan fit vs. intent. Salah langkah di kedua arah menghabiskan pendapatan. Ini juga merupakan ketegangan utama dalam percakapan joint lead scoring mana pun — bobot yang Anda berikan pada sinyal fit vs. intent adalah titik di mana alignment bertahan atau hancur.

Fakta Utama: Kinerja Sinyal Fit dan Intent

• Lead dengan sinyal intent tinggi mengonversi ke opportunities dengan tingkat 3-5x dibandingkan lead dengan fit score tinggi saja, menurut penelitian Bombora dan SiriusDecisions tentang adopsi intent data.
• 70% dari perjalanan pembelian B2B terjadi sebelum pembeli menghubungi vendor, artinya sinyal intent sering muncul sebelum lead masuk ke CRM Anda, berdasarkan penelitian perilaku pembelian Forrester.
• Perusahaan yang menggunakan third-party intent data bersama dengan first-party fit data melihat peningkatan 23% dalam tingkat konversi dari lead ke opportunity, menurut penelitian Aberdeen Group tentang analitik prediktif.
• Lead dengan fit tinggi yang tidak memiliki sinyal intent rata-rata membutuhkan waktu 6-9 bulan lebih lama untuk menutup deal dibandingkan lead dengan fit tinggi/intent tinggi, berdasarkan penelitian CEB (kini Gartner) tentang durasi siklus pembelian B2B.
• Memberi bobot berlebihan pada perilaku engagement dalam lead scoring (pembukaan email, kunjungan halaman) menggelembungkan jumlah MQL rata-rata 40% tanpa meningkatkan kualitas Pipeline, berdasarkan data Demand Gen Report tentang akurasi scoring.

Mendefinisikan Fit Scoring

Fit score mengukur apakah lead termasuk dalam jenis perusahaan yang Anda jual dan memegang jenis peran yang membeli dari Anda.

Apa yang ditangkap oleh fit:

• Ukuran perusahaan (karyawan, pendapatan)
• Industri atau vertikal
• Geografi (jika Anda melayani pasar tertentu)
• Technology stack (alat yang mereka gunakan yang berintegrasi dengan atau digantikan oleh produk Anda)
• Jabatan, fungsi, dan senioritas
• Tahap bisnis (startup vs. growth vs. enterprise)

Apa yang tidak ditangkap oleh fit:

• Apakah mereka sedang aktif mencari solusi saat ini
• Apakah mereka memiliki anggaran yang tersedia kuartal ini
• Apakah ada proyek aktif atau siklus pengadaan yang sedang berjalan

Fit sebagian besar bersifat statis. Ukuran perusahaan tidak berubah dari bulan ke bulan. Industri mereka tidak bergeser. Jabatan kontak berubah perlahan jika sama sekali berubah. Stabilitas ini adalah kekuatan sekaligus keterbatasan.

Kekuatan: Fit score tidak cepat turun. Lead dengan fit tinggi dari enam bulan lalu masih merupakan lead dengan fit tinggi hari ini.

Keterbatasan: Fit tidak memberi tahu Anda kapan. Sebuah perusahaan bisa menjadi fit yang sempurna dan tidak memiliki urgensi selama 18 bulan ke depan.

Dari mana data fit berasal:

• Form fields (ukuran perusahaan, jabatan, industri yang dilaporkan sendiri)
• Alat enrichment CRM (Clearbit, ZoomInfo, Apollo)
• Database firmografis pihak ketiga
• Data LinkedIn (untuk jabatan dan senioritas)

Data form dilaporkan sendiri dan sering tidak akurat (orang merendahkan ukuran perusahaan, meninggikan jabatan). Data enrichment lebih andal tetapi memiliki celah cakupan untuk perusahaan yang lebih kecil. Terutama untuk target SMB, rencanakan persentase lead dengan data fit yang tidak lengkap atau tidak akurat. Shared ICP framework adalah tempat kriteria fit berada — bobot scoring harus mencerminkan apa yang telah disepakati kedua tim di sana. Lihat glosarium marketing-sales alignment untuk bagaimana ICP didefinisikan dalam konteks perjanjian alignment Anda.

Mendefinisikan Intent Scoring

Intent score mengukur apakah lead sedang aktif meneliti solusi dalam kategori Anda saat ini. Panduan intent data B2B Gartner mendefinisikan sinyal intent sebagai bukti perilaku bahwa sebuah perusahaan sedang aktif mengevaluasi software dalam kategori Anda — definisi operasional yang berguna untuk menentukan apa yang sebenarnya harus diukur oleh model Anda.

Apa yang ditangkap oleh intent:

• Apakah mereka berada dalam buying window?
• Apakah mereka sedang mengevaluasi pilihan dalam kategori Anda?
• Apakah mereka menunjukkan minat komersial, bukan hanya keingintahuan edukatif?

Sinyal intent first-party berasal dari properti Anda sendiri. Ini adalah sinyal intent terkuat karena Anda secara langsung mengamati perilakunya.

Sinyal intent third-party berasal dari penyedia data yang mengagregat perilaku penelitian di berbagai website, platform ulasan, dan jaringan konten. Analisis Forrester tentang pembelian mandiri B2B menemukan bahwa 68% pembeli B2B lebih suka meneliti sendiri sebelum terlibat dengan vendor — artinya sinyal intent third-party menangkap evaluasi aktif yang tidak pernah muncul dalam analitik Anda sendiri.

Intent data third-party secara signifikan meningkatkan presisi scoring tetapi membutuhkan anggaran (Bombora mulai dari $1.500+/bulan) dan pekerjaan integrasi MAP. Jika Anda belum memiliki anggaran untuk penyedia intent data, Anda dapat membangun sinyal proxy dari data first-party saja.

Bagaimana Masing-Masing Memprediksi Hasil yang Berbeda

The Fit/Intent Response Matrix

The Fit/Intent Response Matrix memetakan lead ke dalam empat kuadran berdasarkan dua sumbu independen — ICP fit (siapa mereka) dan buying intent (apakah mereka sedang aktif mengevaluasi sekarang). Setiap kuadran memerlukan playbook respons yang berbeda. Matrix adalah alat keputusan; model scoring hanyalah input yang menempatkan lead ke dalam sel yang tepat.

	Intent Rendah	Intent Tinggi
Fit Tinggi	Nurture untuk timing — terstruktur, sabar, tunggu pemicu intent	Hubungi segera — lead terbaik, kecepatan adalah variabelnya
Fit Rendah	Suppress atau deprioritize — hanya nurture investasi rendah	Tangani dengan hati-hati — kualifikasi cepat, jangan routing ke AE senior

Matrix membuat eksplisit apa yang disembunyikan oleh satu skor komposit: skor 85 bisa berarti fit tinggi/intent rendah (Pipeline masa depan) atau fit rendah/intent tinggi (peluang yang rapuh). Tindakan yang tepat sama sekali berbeda.

Keempat kuadran dari fit/intent matrix masing-masing memerlukan respons yang berbeda.

                    INTENT TINGGI
                         |
    NURTURE UNTUK TIMING |   HUBUNGI SEGERA
    Fit tinggi,          |   Fit tinggi,
    intent rendah        |   intent tinggi
                         |
    ─────────────────────┼─────────────────────
                         |
    SUPPRESS/DEPRIORITIZE|   TANGANI DENGAN HATI-HATI
    Fit rendah,          |   Fit rendah,
    intent rendah        |   intent tinggi
                         |
                    INTENT RENDAH
         FIT RENDAH              FIT TINGGI

Fit tinggi + intent tinggi: Hubungi segera. Ini adalah lead terbaik Anda. Mereka cocok dengan ICP Anda dan mereka sedang aktif mencari. Ini adalah orang yang harus dihubungi tim sales dalam satu jam. Semua pekerjaan lain berhenti ketika kuadran ini menyala.

Prioritasnya adalah kecepatan. Data secara konsisten menunjukkan bahwa lead fit tinggi/intent tinggi yang dihubungi dalam satu jam pertama mengonversi dengan tingkat yang jauh lebih tinggi dibandingkan mereka yang dihubungi 24 jam kemudian. Buying window terbuka sekarang. Tugas Anda adalah berada di dalamnya. SLA respons lima menit untuk permintaan demo inbound dibangun khusus untuk kuadran ini.

Fit tinggi + intent rendah: Nurture untuk timing. Ini adalah lead berharga dalam window yang dormant. Mereka pada akhirnya akan membutuhkan apa yang Anda jual, tetapi mungkin tidak hari ini. Mendorong lead ini ke sales menciptakan panggilan yang terbuang dan mengikis kepercayaan pada model scoring. Pertahankan orang ini dalam nurture terstruktur: konten check-in kuartalan, pembaruan industri yang relevan, case study yang sesuai situasi mereka. Ketika intent score mereka naik (kunjungan halaman pricing, permintaan demo) itulah pemicu untuk pindah ke sales.

Kuadran ini adalah tempat sebagian besar database MQL Anda berada. Perlakukan sebagai Pipeline masa depan, bukan Pipeline saat ini. Framework lead lifecycle stages menunjukkan bagaimana kontak yang dormant tetapi fit ini harus mengalir melalui program nurture sebelum siap untuk handoff SQL.

Fit rendah + intent tinggi: Tangani dengan hati-hati. Lead ini sedang melakukan penelitian aktif tetapi tidak cocok dengan ICP Anda. Ada beberapa skenario yang menghasilkan pola ini, dan masing-masing ditangani berbeda:

Skenario A: Mereka adalah perusahaan yang tumbuh lebih cepat dari yang data Anda tunjukkan. Data enrichment bisa usang 6-12 bulan. Perusahaan yang terlihat terlalu kecil enam bulan lalu mungkin sekarang sudah memiliki 80 karyawan. Lakukan pembaruan enrichment cepat sebelum menolak.

Skenario B: Mereka memang di luar ICP Anda. Mereka membutuhkan solusi tetapi Anda bukan fit yang tepat untuk mereka. Routing ke panggilan kualifikasi cepat atau SDR inbound. Jangan routing ke tim AE Anda. Lead ini kadang-kadang menutup deal tetapi dengan tingkat yang lebih rendah dan sering dengan churn yang lebih tinggi. Jangan membangun Pipeline pada pola yang menciptakan churn.

Skenario C: Data fit salah. Jabatan tidak mencerminkan peran aktual (seorang "Coordinator" yang sebenarnya mengelola anggaran untuk proyek besar). Tanyakan langsung dalam kualifikasi untuk memverifikasi sebelum menolak.

Fit rendah + intent rendah: Suppress atau deprioritize. Jangan teruskan ini ke sales. Jangan investasikan dalam nurture yang berat. Jika lead ini ada di daftar Anda, mereka mungkin akhirnya mengonversi, tetapi dengan tingkat yang begitu rendah sehingga opportunity cost fokus pada mereka tinggi. Urutan nurture sederhana (newsletter bulanan) sudah cukup. Keluarkan dari scoring aktif.

Kutipan: Lead B2B dengan fit tinggi yang tidak memiliki sinyal intent rata-rata membutuhkan waktu 6–9 bulan lebih lama untuk menutup deal dibandingkan lead fit tinggi/intent tinggi, menurut penelitian CEB (kini Gartner) tentang durasi siklus pembelian B2B — yang berarti merouting lead fit-only ke sales bukan hanya tidak efisien, tetapi secara aktif mendistorsi perkiraan Pipeline velocity.

Jebakan Scoring: Memberi Bobot Berlebih pada Perilaku

Kesalahan scoring yang paling umum adalah memberi terlalu banyak bobot pada sinyal engagement perilaku yang terasa seperti intent tetapi bukan. Penelitian Forrester tentang kesalahan intent data mendaftarkan pencampuran engagement dengan buying intent sebagai salah satu kesalahan teratas yang dilakukan tim — menggelembungkan jumlah MQL tanpa meningkatkan kualitas Pipeline.

Pembukaan email. Postingan blog yang dibaca. Registrasi webinar. Klik sosial. Sinyal-sinyal ini menunjukkan seseorang terlibat dengan konten Anda, tetapi engagement bukan intent.

Persona "terlibat tetapi tidak pernah membeli" ada di setiap perpustakaan konten B2B. Mereka mengonsumsi segalanya. Mereka membuka setiap email. Mereka menghadiri setiap webinar. Mereka tidak pernah membeli. Sering karena mereka adalah praktisi yang menggunakan konten Anda untuk pendidikan dan pembangkitan ide, tetapi mereka bukan pemegang anggaran, tidak dalam proyek aktif, atau bukan di perusahaan yang pernah menjadi pelanggan.

Jika model Anda memberi 5 poin untuk setiap pembukaan email dan 10 poin untuk setiap kunjungan blog, persona ini mendapat skor sangat tinggi, berpotensi lebih tinggi dari lead dengan fit sempurna yang mengunjungi pricing sekali. Itu adalah malfungsi model.

Cara memperbaiki masalah bobot perilaku:

• Batasi total poin yang dapat disumbangkan oleh kategori sinyal perilaku (misalnya, skor perilaku dibatasi maksimal 30 poin terlepas dari berapa banyak email yang mereka buka)
• Terapkan decay agresif pada sinyal engagement (half-life 14 hari untuk pembukaan email, 30 hari untuk kunjungan blog) — artikel lead scoring model decay membahas mekanikanya
• Wajibkan setidaknya satu sinyal intent di atas ambang minimum sebelum lead dapat mencapai status MQL, terlepas dari skor perilaku
• Validasi dengan memeriksa apakah lead dengan skor "perilaku saja" tertinggi Anda benar-benar mengonversi. Sebagian besar tidak akan.

Menetapkan Bobot Relatif Berdasarkan Sales Motion

Keseimbangan yang tepat antara fit dan intent bergantung pada cara Anda memperoleh pelanggan.

Motion yang dipimpin inbound: Ketika sebagian besar lead Anda berasal dari konten dan pencarian inbound, Anda sudah memfilter untuk intent: seseorang yang mencari Anda. Fit menjadi pembeda utama karena Anda ingin merouting hanya lead inbound yang ICP-fit ke sales. Bobot: Fit 50%, Intent 35%, Perilaku 15%. Ambang skor MQL-to-SQL untuk motion ini akan mencerminkan pembobotan yang berat pada fit.

Motion ABM: Ketika Anda secara proaktif menargetkan akun tertentu, fit sudah tetap (Anda memilih akun). Intent menjadi sinyal pemicu: kapan akun target berada dalam buying window aktif? Bobot: Fit 25% (sudah disaring), Intent 60%, Perilaku 15%.

Motion PLG (product-led growth): Perilaku produk adalah sinyal terkuat Anda: penggunaan trial, adopsi fitur, volume penggunaan. Fit penting tetapi engagement produk sering memprediksi konversi lebih baik dari intent tradisional maupun fit. Bobot: Fit 25%, Intent 25%, Perilaku produk 50%.

Motion outbound-assisted: Sales mendorong outreach ke akun terlepas dari sinyal inbound. Fit menentukan penargetan. Sinyal intent memberi tahu Anda akun mana yang harus diprioritaskan dalam urutan. Bobot: Fit 60%, Intent 40%, Perilaku 0% (perilaku minimal karena Anda menjangkau secara cold).

Implementasi Praktis Tanpa Alat Mahal

Penyedia intent data third-party secara signifikan meningkatkan akurasi scoring. Tapi Anda tidak membutuhkannya untuk membangun model fit/intent yang berfungsi.

Sinyal proxy untuk intent ketika Anda tidak memiliki vendor intent data:

Proxy terlemah adalah form field, karena orang berbohong, melewati, atau memberikan jawaban aspirasional. Proxy terkuat adalah sinyal perilaku aktual dari properti Anda sendiri: kunjungan halaman pricing, kunjungan halaman perbandingan, penyelesaian ROI calculator.

Bahkan tanpa data third-party, model yang memisahkan fit dari intent dan mewajibkan keduanya sebelum mencapai status MQL mengungguli model satu dimensi.

Kutipan: Memberi bobot berlebih pada perilaku engagement dalam lead scoring — pembukaan email, kunjungan halaman, klik newsletter — menggelembungkan jumlah MQL rata-rata 40% tanpa meningkatkan kualitas Pipeline, menurut data Demand Gen Report tentang akurasi scoring di tim marketing B2B.

Analisis Rework: The Fit/Intent Response Matrix mengklarifikasi kesalahan scoring paling mahal yang dilakukan tim: merouting lead intent tinggi/fit rendah ke AE senior. Lead ini kadang-kadang mengonversi, tetapi mereka menutup lebih lambat, churn lebih cepat, dan mengonsumsi waktu sales yang tidak proporsional. Matrix memaksa keputusan routing yang eksplisit berdasarkan kuadran — bukan hanya ambang skor. Bangun logika kuadran ke dalam tampilan CRM Anda sehingga reps melihat sel mana yang menjadi tempat lead, bukan hanya angka komposit.

Mengkalibrasi Bobot Terhadap Data Closed-Won

Cara terbaik untuk menetapkan bobot adalah dengan melihat ke belakang pada apa yang sebenarnya memprediksi deal yang menang. Di sinilah pandangan tim Pipeline menjadi sangat berharga — data pipeline vs. forecast menunjukkan karakteristik lead mana yang secara konsisten menghasilkan deal yang menutup vs. lead yang macet.

Analisisnya:

1. Tarik closed-won opportunities 90-180 hari terakhir Anda
2. Untuk setiap, periksa catatan lead mereka: Berapa fit score mereka saat SQL? Berapa intent score mereka?
3. Bangun dataset yang sama untuk closed-lost
4. Bandingkan distribusi fit score dan intent score antara won dan lost

Jika deal closed-won mengelompok pada fit TINGGI DAN intent tinggi, model Anda kira-kira sudah benar. Jika deal closed-won mengelompok pada fit tinggi tetapi intent sedang, Anda memberi bobot berlebih pada intent. Jika Anda melihat kluster lead fit rendah/intent tinggi dalam set closed-won Anda, mungkin Anda memiliki ICP yang lebih luas dari yang diasumsikan model Anda.

Analisis ini tidak memerlukan data scientist. Spreadsheet dengan dua kolom (fit score dan intent score saat SQL) untuk 50 deal won dan 50 deal lost terakhir Anda akan menunjukkan polanya.

Jalankan kalibrasi ini setiap enam bulan. Pasar bergeser. Perilaku pembeli berubah. Model yang akurat 18 bulan lalu mungkin sudah meleset sekarang tanpa ada yang menyadarinya.

Ketika Sinyal Intent Menurun

Intent bersifat sensitif waktu dengan cara yang tidak dimiliki fit. Perusahaan yang meneliti kategori Anda tiga bulan lalu mungkin sudah membeli kompetitor, menghentikan proyek, atau memprioritaskan ulang sepenuhnya. Intent score tinggi dari kuartal lalu tidak sama dengan intent score tinggi hari ini.

Perkiraan half-life sinyal:

Sinyal intent mendesak seperti permintaan demo harus memicu routing segera ke sales, bukan pemrosesan batch. Intent score akan tidak berarti jika Anda meninjaunya dalam batch mingguan ketika sinyal muncul pada hari Selasa. Aturan lead routing perlu memperhitungkan hal ini — sinyal intent panas harus memiliki jalur cepat khusus, terpisah dari batch MQL mingguan normal.

Untuk sinyal dengan half-life 2-4 minggu, bangun decay ke dalam otomasi MAP Anda sehingga skor secara otomatis dihitung ulang. Lead yang mengunjungi pricing tiga kali dua bulan lalu dan tidak kembali tidak sedang dalam buying window saat ini.

Artikel lead scoring model decay membahas implementasi teknis aturan decay secara detail.

Kesimpulan

Fit tanpa intent adalah kesabaran. Anda memiliki jenis perusahaan yang tepat, tetapi mereka belum siap membeli. Pertahankan mereka dalam nurture, biarkan model memicu ketika intent naik.

Intent tanpa fit adalah kebisingan. Seseorang secara aktif meneliti kategori Anda, tetapi mereka bukan perusahaan yang benar-benar dapat Anda menangkan. Tangani dengan hati-hati: kualifikasi cepat, jangan routing ke AE senior, tetap jujur tentang probabilitas konversi.

Keduanya bersama adalah Pipeline. Fit tinggi + intent tinggi adalah lead terbaik Anda, dan kecepatan respons Anda terhadap lead tersebut lebih penting dari hampir semua variabel operasional lainnya.

Model yang mendapatkan keseimbangan ini dengan benar, dan tetap dikalibrasi terhadap data closed-won nyata, adalah yang memisahkan tim pendapatan yang mempercayai lead score mereka dari tim di mana sales mengabaikan angka tersebut dan mengerjakan daftar mereka sendiri.

Bangun untuk akurasi terlebih dahulu. Kepemilikan bersama kedua. Dan validasi terhadap apa yang benar-benar menutup deal.

Pertanyaan yang Sering Diajukan

Apa perbedaan antara fit scoring dan intent scoring?

Fit scoring mengukur apakah lead termasuk dalam jenis perusahaan yang Anda jual dan memegang jenis peran yang membeli dari Anda — ini didasarkan pada sinyal firmografis dan peran yang sebagian besar statis. Intent scoring mengukur apakah lead sedang aktif meneliti solusi dalam kategori Anda saat ini — ini didasarkan pada sinyal perilaku (kunjungan pricing, permintaan demo, penelitian kategori G2) yang sensitif waktu dan menurun dalam hitungan hari hingga minggu.

Mana yang lebih penting: fit atau intent?

Tergantung pada sales motion Anda, tetapi ketika keduanya hadir, lead intent tinggi/fit tinggi hampir selalu merupakan peluang terbaik Anda. Jika harus memprioritaskan satu: untuk motion yang dipimpin inbound, fit membedakan karena inbound sudah memfilter untuk beberapa intent; untuk motion ABM, intent memicu karena Anda sudah menyaring fit. Tidak ada sinyal yang dapat diandalkan sendirian — intent tanpa fit adalah kebisingan, dan fit tanpa intent adalah kesabaran.

Kapan fit paling penting?

Fit paling penting dalam motion ABM dan outbound-assisted di mana Anda menargetkan akun secara proaktif. Dalam motion tersebut, fit sudah disaring (Anda memilih akun), jadi ini adalah gerbang, bukan pemicu. Fit juga paling penting pada skala — ketika Anda memiliki volume inbound yang tinggi, fit adalah filter tercepat untuk memisahkan lead ICP dari lead non-ICP sebelum berinvestasi dalam analisis intent.

Apa yang terjadi dengan sinyal intent tetapi tidak ada kecocokan fit?

Lead fit rendah/intent tinggi harus ditangani dengan hati-hati, bukan dirouting ke AE senior. Lead ini sedang melakukan penelitian aktif tetapi tidak cocok dengan ICP Anda — mereka mungkin ukuran yang salah, industri yang salah, atau peran yang salah. Routing ke panggilan kualifikasi cepat atau SDR inbound. Jangan investasikan sumber daya sales yang berat. Lead ini kadang-kadang menutup tetapi biasanya dengan tingkat yang lebih rendah dan churn yang lebih tinggi.

Berapa lama sinyal intent tetap valid?

Sinyal intent sensitif waktu dan cepat menurun. Permintaan demo: 48–72 jam. Kunjungan halaman pricing (3+): 7–10 hari. Tampilan profil G2: 2–3 minggu. Kunjungan perbandingan kompetitor: 3–4 minggu. Topic surge Bombora: 3–4 minggu. Intent score tinggi dari bulan lalu tidak sama dengan intent score tinggi hari ini. Bangun otomasi MAP untuk menghitung ulang skor dengan decay yang diterapkan, bukan hanya pada interval pemrosesan batch.

Apa kesalahan lead scoring yang paling umum?

Memberi bobot berlebih pada sinyal engagement perilaku (pembukaan email, kunjungan blog, registrasi webinar) seolah-olah menunjukkan buying intent. Mereka tidak — mereka menunjukkan minat konten. Persona "terlibat tetapi tidak pernah membeli" mendapat skor sangat tinggi pada perilaku dan jarang mengonversi. Perbaiki: batasi total kontribusi perilaku pada skor komposit lead, terapkan decay agresif pada sinyal engagement, dan wajibkan setidaknya satu sinyal intent asli sebelum lead dapat mencapai status MQL terlepas dari skor perilaku.

Pelajari Lebih Lanjut

• Joint Lead Scoring: Fit, Intent, Behavior
• Lead Scoring Model Decay
• MQL-to-SQL Score Thresholds
• Shared ICP Framework
• Lead Routing Rules
• Pipeline vs. Forecast
• Lead Scoring Systems
• Glosarium Marketing-Sales Alignment