Gelung Maklum Balas Penolakan MQL: Mengubah Penolakan Jualan Menjadi Perisikan Pemasaran

Kebanyakan syarikat menjejaki jumlah MQL. Mereka mengira berapa banyak lead yang dihantar oleh pemasaran kepada jualan, membandingkannya dengan sasaran, dan terus. Hampir tiada yang menjejaki mengapa MQL ditolak.

Jurang itulah tempat penjajaran mati. Kadar penolakan MQL B2B purata adalah 44%, bermakna hampir separuh daripada semua lead yang dihantar kepada jualan dikembalikan — namun hanya 23% syarikat secara sistematik menangkap dan mengkategorikan sebab penolakan dalam CRM mereka, menurut Laporan Penanda Aras B2B Marketing Sherpa. Usaha yang sama yang digunakan untuk menjana lead tersebut tidak menghasilkan apa-apa yang berguna apabila saluran maklum balas adalah senyap.

Apabila wakil menolak MQL tanpa merekodkan sebab, penolakan itu adalah tidak kelihatan. Pemasaran tidak tahu sama ada itu masalah kesepadanan, masalah masa, atau masalah data. Ia tidak boleh membaiki apa yang tidak dapat dilihat. Jadi ia terus menghasilkan lead yang sama, jualan terus menolak sebahagian daripadanya, dan kedua-dua pasukan menyalahkan satu sama lain atas kekurangan suku.

Gelung maklum balas penolakan MQL membaiki ini dengan mengubah setiap "tidak" menjadi titik data dan menghalakan titik data itu kepada tindakan yang sebenarnya diperlukan. Takrifan MQL Gartner menggambarkan MQL sebagai lead yang disemak oleh pasukan pemasaran dan dianggap bersedia untuk dijual — yang bermakna penolakan menandakan pecahan pada ambang semakan tersebut, bukan kegagalan rawak.

Fakta Utama: Penolakan MQL dan Kualiti Lead

• Kadar penolakan MQL B2B purata adalah 44%, bermakna hampir separuh daripada semua lead yang dihantar kepada jualan dikembalikan, menurut Laporan Penanda Aras B2B Marketing Sherpa.
• Hanya 23% syarikat secara sistematik menangkap dan mengkategorikan sebab penolakan MQL dalam CRM mereka, meninggalkan majoriti tanpa data yang boleh dilaksanakan tentang mengapa lead gagal, menurut Demand Gen Report.
• Apabila sebab penolakan dikategorikan dan ditindaki, syarikat mengurangkan kadar penolakan mereka sebanyak purata 31% dalam dua suku selepas melaksanakan gelung maklum balas berstruktur, berdasarkan penyelidikan SiriusDecisions.
• Lead dengan data hubungan yang tidak lengkap atau tidak tepat menyumbang kepada 27% daripada semua penolakan MQL, masalah kualiti data yang boleh diperbaiki yang kebanyakan pasukan tidak pernah ukur, menurut Laporan Kualiti Data B2B Dun & Bradstreet.
• Organisasi yang mengkorelasikan data penolakan kepada sumber lead melihat 40% lebih baik ROI ke atas perbelanjaan demand gen kerana mereka berhenti melabur dalam saluran yang menghasilkan lead yang secara struktur tidak boleh ditutup, menurut Kajian Pengukuran Pemasaran B2B Forrester.

Mengapa Penolakan Adalah Isyarat Kualiti Lead Terbaik Anda

Penerimaan mengesahkan apa yang berfungsi. Penolakan mendedahkan apa yang rosak.

Apabila wakil menerima MQL, mereka memberitahu pemasaran: "ini memenuhi bar." Itu adalah pengesahan yang berguna. Tetapi ia tidak memberitahu anda dimensi kualiti mana yang mereka nilai, dan ia tidak dapat membantu anda meningkatkan 35% lead yang mereka kembalikan.

Penolakan adalah tempat perisikan berada. Kadar penolakan 35% tanpa sebab yang dikategorikan hanyalah bunyi bising: nombor yang membuat kedua-dua pasukan rasa tidak baik tanpa memberitahu mana-mana pasukan apa yang perlu dilakukan. Kadar 35% yang sama, dengan sebab yang dikategorikan, adalah peta jalan.

Jika 60% penolakan adalah "bukan ICP," pemasaran mempunyai masalah sasaran khalayak. Baiki segmentasi kempen — rangka kerja ICP bersama anda adalah titik rujukan untuk maksud "ICP" kepada kedua-dua pasukan.

Jika 40% penolakan adalah "niat rendah," pemasaran mempunyai masalah pemarkahan. Model sedang mempromosikan lead sebelum mereka menunjukkan tingkah laku pembelian.

Jika 25% penolakan adalah "data buruk," pemasaran mempunyai masalah kualiti data, atau masalah borang. Wakil memulangkan lead kerana tiada nombor telefon yang sah atau nama syarikat adalah "ujian."

Ini adalah tiga masalah yang sama sekali berbeza dengan tiga pembetulan yang sama sekali berbeza. Tanpa sebab penolakan yang dikategorikan, anda memperlakukannya sebagai satu "masalah kualiti lead" yang tidak dibezakan dan meneka penyelesaian yang mungkin tidak sepadan dengan punca utama sebenar.

Tiga Punca Utama Penolakan MQL

Setiap penolakan MQL dapat ditelusuri kembali kepada salah satu daripada tiga punca utama. Menggabungkan mereka adalah cara terpantas untuk membazirkan masa kedua-dua pasukan.

Punca Utama 1: Kesepadanan yang salah. Lead mempunyai atribut yang tidak sepadan dengan ICP anda: saiz syarikat yang salah, industri yang salah, jawatan yang salah, geografi yang salah. Penyelidikan attribution pemasaran menjelaskan bahawa kegagalan kesepadanan merosakkan data attribution — jika lead kesepadanan salah bercampur dalam kumpulan menang-tutup anda, setiap saluran kelihatan lebih berkesan daripada sebenarnya. Lead itu mungkin merupakan orang sebenar di syarikat sebenar yang benar-benar berminat. Tetapi mereka bukan pembeli yang boleh dilayani oleh perniagaan anda secara menguntungkan. Penolakan kesepadanan menandakan masalah dengan sasaran khalayak, pemilihan saluran kandungan, atau takrifan ICP itu sendiri.

Punca Utama 2: Masa yang salah. Lead mempunyai atribut yang betul tetapi isyarat tingkah laku yang salah. Mereka adalah padanan ICP yang tulen yang berada dalam mod penyelidikan awal, bukan sedang aktif menilai penyelesaian. Atau mereka memuat turun kertas kerja enam bulan lalu dan urutan nurture mempromosikan mereka sebelum mereka terlibat semula. Penolakan masa menandakan masalah dengan ambang model pemarkahan, peraturan pelapukan lead, atau urutan nurture yang mencetuskan promosi pramatang.

Punca Utama 3: Data yang salah. Rekod lead tidak lengkap atau tidak tepat. Tiada nombor telefon. Nama syarikat dimasukkan sebagai "N/A." Medan jawatan bertuliskan "asdf." Alamat e-mel peribadi tanpa kaitan syarikat. Lead itu sebenarnya mungkin sangat sesuai dengan niat pembelian yang tulen. Anda hanya tidak dapat memberitahu kerana rekod rosak. Penolakan data menandakan masalah dengan pengesahan borang, konfigurasi pengayaan data, atau kebersihan CRM.

Setiap punca utama memerlukan pembetulan yang berbeza. Masalah kesepadanan memerlukan perubahan kempen. Masalah masa memerlukan perubahan model pemarkahan. Masalah data memerlukan pengayaan dan perubahan medan borang. Membina taksonomi penolakan anda di sekitar tiga punca ini adalah apa yang menjadikan gelung maklum balas beroperasi berbanding sekadar dekoratif.

Membina Taksonomi Penolakan

Taksonomi penolakan adalah senarai lungsur dalam CRM anda: lima hingga tujuh pilihan yang meliputi 90% sebab wakil menolak MQL. Ia harus cukup pendek untuk menerangkan diri sendiri dan cukup khusus untuk boleh dilaksanakan.

Peraturan untuk "Lain-lain" adalah ketat: tidak lebih daripada 10% penolakan boleh berada di sini. Jika "Lain-lain" secara konsisten melebihi 10%, sama ada taksonomi tidak mempunyai kategori atau wakil menggunakannya sebagai lalai yang malas. Semaknya setiap suku dan tambah kategori jika corak muncul dalam nota teks bebas.

Sebab penolakan teks bebas tidak dibenarkan sebagai medan utama. Pada 50 penolakan sebulan, teks bebas boleh dianalisis. Pada 500, ia menjadi timbunan ayat unik yang tidak boleh diagregatkan oleh sesiapa. Senarai lungsur adalah wajib untuk gelung maklum balas yang perlu berskala.

Gelung Penolakan-kepada-Perisikan: Rangka Kerja 4 Langkah

Gelung Penolakan-kepada-Perisikan adalah rangka kerja operasional yang menukar data penolakan MQL mentah kepada tiga jenis perisikan pemasaran yang boleh dilaksanakan: pelarasan sasaran khalayak, kalibrasi model pemarkahan, dan pembetulan kualiti data. Empat langkah berjalan secara berurutan untuk setiap lead yang ditolak, dengan analisis agregat berlaku pada selang masa mingguan dan bulanan.

Langkah 1: Tangkap dengan taksonomi. Wakil memilih salah satu daripada lima hingga tujuh kod sebab penolakan yang diperlukan semasa menandakan lead sebagai ditolak. Tiada teks bebas sebagai input utama — hanya senarai lungsur. Ini menguatkuasakan pengkategorian yang konsisten yang boleh diagregatkan merentasi ratusan atau ribuan penolakan.

Langkah 2: Halakan mengikut punca utama. Setiap kategori penolakan memetakan kepada tindakan seterusnya yang telah ditetapkan: lead kesepadanan salah didiskualifikasikan, lead masa salah memasuki semula nurture dengan urutan khusus kategori, dan lead data buruk pergi ke baris gilir pengayaan data. Penghalaan diotomatikkan oleh kod sebab — tiada penilaian manusia yang diperlukan untuk penempatan lead individu.

Langkah 3: Agregat pada kadens mingguan. Pada panggilan kualiti lead mingguan, demand gen menyemak pecahan kategori penolakan minggu tersebut dan mengenal pasti corak yang dominan secara numerik. Adakah ia kategori yang sama seperti minggu lalu? Adakah ia menuju ke atas? Adakah kempen atau sumber tertentu menghasilkan perkadaran penolakan jenis tertentu yang lebih besar? Keterlihatan corak mengubah titik data individu kepada isyarat sistem.

Langkah 4: Eskalasi apabila ambang dilanggar. Setiap kategori penolakan mempunyai ambang yang telah ditetapkan: jika "bukan ICP" melebihi 20% daripada jumlah penolakan selama empat minggu berturut-turut, semakan takrifan ICP dicetuskan secara automatik. Ambang menggantikan soalan yang kabur tentang "bilakah kita harus bimbang?" dengan jawapan yang telah dipersetujui sebelumnya yang menghilangkan keperluan untuk penilaian.

Analisis Rework: Perbezaan antara gelung maklum balas penolakan yang meningkatkan kualiti lead dan yang tidak bergantung pada Langkah 2 — sama ada penghalaan diotomatikkan oleh kod sebab atau dikendalikan secara manual. Penghalaan manual memperkenalkan kelewatan (lead yang ditolak tidak ditindaki selama beberapa hari), ketidakkonsistenan (orang yang berbeza membuat keputusan penghalaan yang berbeza untuk kod sebab yang sama), dan kegagalan jumlah (pada 200+ penolakan sebulan, penghalaan manual pecah sepenuhnya). Penghalaan automatik mengikut kategori taksonomi adalah apa yang menjadikan gelung boleh berskala. Keputusan taksonomi — kod sebab mana yang lima hingga tujuh untuk digunakan — lebih berkejuatan daripada mana-mana pilihan alatan.

Gelung Maklum Balas dalam Amalan

Gelung ini mempunyai empat langkah, setiap satu berlaku secara berurutan.

Langkah 1: Wakil memilih sebab penolakan. Apabila wakil menandakan MQL sebagai ditolak dalam CRM, senarai lungsur sebab penolakan adalah wajib. Sepuluh saat, satu klik. Keperluan itu dikuatkuasakan sebagai pengesahan medan: status lead tidak boleh berpindah ke "Ditolak" tanpa kod sebab. Ini bukan pilihan. Medan pilihan diisi 30-40% daripada masa. Medan wajib diisi 95%+.

Langkah 2: Lead yang ditolak dihalakan secara automatik kepada tindakan seterusnya yang betul. Setiap kategori penolakan mencetuskan aliran kerja yang berbeza. "Bukan ICP" menghalakan lead ke baris gilir diskualifikasi (ia keluar dari pipeline aktif tetapi kekal dalam pangkalan data). "Terlalu awal" menghalakan lead ke jejak nurture yang sesuai dengan urutan penglibatan semula 90 hari. "Tiada maklumat hubungan" menghalakan ke baris gilir pengayaan data untuk hantaran automatik ringkas terhadap alat pengayaan anda. Penghalaan diotomatikkan. Tiada sesiapa perlu membuat keputusan secara manual di mana setiap lead yang ditolak pergi. Kod sebab membuat keputusan.

Langkah 3: Pemasaran menyemak sebab penolakan setiap minggu. Pada panggilan kualiti lead mingguan, demand gen menarik pecahan penolakan minggu mengikut kategori. Kategori mana yang terbesar? Adakah ia menuju ke atas atau ke bawah berbanding empat minggu sebelumnya? Adakah kempen atau sumber tertentu menghasilkan perkadaran penolakan yang lebih besar? Semakan ini adalah yang mengubah data taksonomi kepada perbualan.

Langkah 4: Rollup bulanan mencetuskan semakan pemarkahan atau ICP jika kategori melebihi ambang. Semakan mingguan menangkap isu taktikal. Rollup bulanan menangkap hanyutan struktur. Penyelidikan operasi hasil Forrester mengenal pasti pengukuran sistematik kualiti lead — termasuk corak penolakan — sebagai salah satu amalan teras yang memisahkan firma B2B pertumbuhan tinggi daripada yang lain. Apabila kategori penolakan telah meningkat selama empat atau lebih minggu berturut-turut, ia bukan kumpulan yang buruk. Ia adalah sistem yang rosak yang memerlukan perubahan peringkat proses, bukan tweak kempen. Pada ketika itu, rangka kerja takrifan MQL anda perlu dibuka semula dan dirundingkan semula.

Ambang yang Mencetuskan Tindakan

Ambang memberi gelung maklum balas ketegasan. Tanpa mereka, data penolakan terkumpul tetapi tiada siapa tahu bilakah untuk beralih dari "jejak dan pantau" kepada "ubah sesuatu."

Ini adalah ambang permulaan. Kalibrasinya kepada perniagaan anda selepas 60 hari data. Syarikat dengan kitaran jualan 90 hari akan mempunyai kadar penolakan masa garis dasar yang berbeza berbanding syarikat dengan kitaran 14 hari. Nombor mutlak kurang penting berbanding trend dan komposisi relatif.

Lajur "tindakan yang dicetuskan" sama pentingnya dengan ambang. Tanpa tindakan yang ditakrifkan, melanggar ambang hanya menghasilkan perbualan tentang sama ada melakukan sesuatu. Tindakan yang telah ditetapkan menghilangkan kekaburan itu: apabila kategori "bukan ICP" mencapai 20%, semakan takrifan ICP dicetuskan, tanpa mengira sama ada pasukan pemasaran rasa bersedia untuk perbualan tersebut.

Apa yang Berlaku kepada Lead yang Ditolak

Lead yang ditolak tidak hilang. Mereka dihalakan ke salah satu daripada tiga laluan berdasarkan sebab penolakan mereka.

Laluan kitar semula. Lead yang ditolak atas sebab masa (terlalu awal, niat rendah) kembali ke dalam nurture dengan urutan yang berbeza. Urutan harus dikalibrasi kepada sebab penolakan: lead "terlalu awal" mendapat kandungan pendidikan tanpa tekanan CTA selama 60 hari; lead "niat rendah" mendapat kandungan pertengahan corong yang fokus kepada pembinaan kes perniagaan. Mereka memasuki semula kumpulan pertimbangan MQL apabila mencapai ambang pemarkahan semula, tetapi kali ini dengan peraturan pelapukan yang mengambil kira hakikat bahawa mereka telah melalui satu kitaran. Panduan penolakan dan kitar semula lead merangkumi kriteria masuk semula penuh.

Laluan diskualifikasi. Lead yang ditolak atas sebab kesepadanan (bukan ICP) keluar dari pipeline aktif. Mereka kekal dalam pangkalan data (anda mungkin memerlukan mereka untuk analisis pasaran atau untuk kempen masa depan apabila ICP anda berkembang) tetapi dibuang dari urutan nurture dan tidak akan dipromosikan kepada MQL semula melainkan takrifan ICP berubah. Memahami perbezaan antara jenis-jenis lead — hangat, sejuk, layak produk — membantu mengkalibrasi lead yang didiskualifikasikan mana yang mungkin wajar ditindaklanjuti semula kemudian.

Laluan eskalasi. Lead yang ditolak dengan corak yang tidak dijangka (jenama terkenal dari ICP teras anda yang terus ditolak, segmen yang secara historis anda menang yang tiba-tiba gagal) ditandakan untuk semakan manusia. Seseorang perlu melihat ini secara individu. Adakah ICP berubah? Adakah pesaing memakan segmen terbaik anda? Adakah terdapat perubahan produk yang mempengaruhi kesepadanan? Ini adalah soalan strategik yang ditimbulkan oleh gelung maklum balas tetapi tidak dapat dijawab secara automatik.

Menutup Gelung: Melaporkan Kembali kepada Pemasaran

Gelung maklum balas penolakan hanya lengkap apabila pemasaran menerima pandangan berstruktur tentang apa yang ditunjukkan data.

Laporan ringkasan penolakan bulanan. Setiap bulan, RevOps atau demand gen menarik pecahan penolakan mengikut kategori, membandingkannya dengan bulan sebelumnya, dan menandakan mana-mana kategori yang melanggar ambang. Laporan pergi kepada ketua demand gen, ketua kandungan, dan ketua SDR/BDR. Ia bukan dek berbilang slaid. Ringkasan satu halaman dengan jadual trend dan tiga butir yang meliputi corak paling ketara adalah mencukupi.

Semakan suku tahunan. Setiap suku, ops pemasaran dan jualan duduk bersama untuk bertanya: adakah data penolakan sepadan dengan takrifan MQL semasa? Jika "bukan ICP" telah menjadi sebab penolakan teratas selama tiga bulan berturut-turut, takrifan MQL mungkin membenarkan lead melalui yang jualan telah memberitahu pemasaran berada di luar ICP. Semakan suku tahunan adalah titik semak untuk mengemas kini model pemarkahan MQL, bukan tempat untuk merundingkan semula ICP dari awal.

Kemas kini perjanjian MQL-SQL tahunan. Semakan takrifan MQL tahunan harus merangkumi keseluruhan sejarah penolakan tahun ini. Apa yang kita pelajari? Kategori mana yang meningkat? Penambahbaikan mana yang berfungsi? Log penolakan adalah asas bukti untuk merundingkan semula perjanjian MQL-SQL. Ia menggantikan "saya rasa" dengan "berikut adalah data yang ditunjukkan."

Organisasi yang mengkorelasikan data penolakan kepada sumber lead melihat 40% lebih baik ROI ke atas perbelanjaan demand gen kerana mereka berhenti melabur dalam saluran yang menghasilkan lead yang secara struktur tidak boleh ditutup, menurut Kajian Pengukuran Pemasaran B2B Forrester — gelung maklum balas bukan sahaja meningkatkan kualiti, ia mengagihkan semula belanjawan ke arah saluran yang sebenarnya menghasilkan hasil.

Seperti Apa Keadaan yang Baik

Tiga metrik menandakan gelung maklum balas yang matang.

Kadar penolakan di bawah 25% dengan 90%+ sebab yang dikategorikan. Kadar penolakan 25% bermakna 75% daripada apa yang anda hantar adalah bernilai masa wakil. Ia tidak sempurna, tetapi ia adalah pipeline yang berfungsi. Kadar pengkategorian 90% bermakna gelung mempunyai kualiti data. Anda tidak terbang buta pada 30% penolakan.

Kategori penolakan teratas berubah dari suku ke suku. Jika "bukan ICP" adalah sebab penolakan teratas anda dalam Q1 dan anda menanganinya, ia harus turun pada Q2 dan sesuatu yang lain harus muncul. Jika kategori yang sama kekal di bahagian atas selama tiga suku berturut-turut, pembetulan anda tidak berfungsi, atau anda tidak membuat pembetulan.

Pemasaran boleh meramalkan kadar penerimaan suku seterusnya dari trend penolakan semasa. Ini adalah penunjuk kematangan. Apabila pemasaran boleh melihat taburan penolakan semasa dan mengunjurkan trend kadar penerimaan, gelung maklum balas telah menjadi alat ramalan, bukan sahaja alat diagnostik. Anda tidak lagi bertindak balas terhadap kualiti lead yang buruk. Anda menjangkakan ke mana ia menuju dan menyesuaikan hulu sebelum suku bermula. Meramal bersama dengan pengaruh pemasaran membawa pandangan ramalan itu satu lapisan lebih jauh ke dalam pipeline.

Soalan Lazim

Apakah gelung maklum balas penolakan MQL?

Gelung maklum balas penolakan MQL adalah sistem yang menangkap mengapa wakil jualan menolak lead layak pemasaran, mengkategorikan sebab tersebut kepada taksonomi yang diseragamkan, menghalakan setiap lead yang ditolak kepada tindakan seterusnya yang sesuai berdasarkan sebab penolakan, dan memaparkan corak penolakan agregat kepada pemasaran untuk tindakan pembetulan. Ia mengubah keputusan "tidak" individu oleh wakil jualan kepada perisikan sistematik yang meningkatkan kualiti lead masa depan.

Bagaimana anda mengoperasikan gelung maklum balas penolakan MQL?

Mulakan dengan senarai lungsur sebab penolakan yang diperlukan dalam CRM anda — lima hingga tujuh pilihan yang meliputi masalah kesepadanan, masa, dan data. Jadikannya pengesahan medan: status lead tidak boleh berpindah ke "Ditolak" tanpa kod sebab. Kemudian konfigurasikan penghalaan automatik: penolakan masa salah memasuki semula nurture, penolakan kesepadanan salah didiskualifikasikan, penolakan data buruk pergi ke baris gilir pengayaan. Akhir sekali, tetapkan penarikan data mingguan yang berulang yang disemak pada panggilan kualiti lead. Keseluruhan sistem boleh dibina dalam dua hingga tiga minggu tanpa pembangunan tersuai.

Apa yang perlu disediakan oleh jualan untuk sistem ini berfungsi?

Jualan perlu menyediakan satu maklumat bagi setiap lead yang ditolak: kod sebab penolakan dari senarai lungsur yang diseragamkan. Itu adalah 10 saat setiap penolakan. Keperluan itu mesti dikuatkuasakan sebagai pengesahan medan berbanding peringatan — medan pilihan diisi 30-40% daripada masa, medan wajib diisi 95%+. Wakil tidak perlu menulis perenggan, menyiasat punca utama, atau menghadiri mesyuarat tambahan. Sistem melakukan kerja pengagregatan; wakil membekalkan titik data mentah.

Apakah taksonomi penolakan yang betul untuk digunakan?

Taksonomi harus mempunyai lima hingga tujuh kategori yang memetakan kepada tiga punca utama: kesepadanan salah (bukan ICP, ketidakpadanan atribut), masa salah (niat rendah, terlalu awal, terlalu lewat), dan data salah (tiada maklumat hubungan, duplikat). Kategori "Lain-lain" harus wujud tetapi dihadkan — jika "Lain-lain" melebihi 10% penolakan, taksonomi tidak mempunyai kategori. Semak dan kemas kini taksonomi setiap suku. Taksonomi permulaan: Bukan ICP, Niat Rendah, Tiada Maklumat Hubungan, Duplikat, Terlalu Awal, Terlalu Lewat/Sudah Menilai, Lain-lain.

Bagaimana anda menghalang jualan daripada memainkan taksonomi penolakan?

Dua mekanisme membantu. Pertama, jadikan kod sebab cukup khusus untuk bermakna tetapi cukup pendek untuk menerangkan diri sendiri — kod yang kabur menjemput lalai yang malas. Kedua, semak taburan kategori "Lain-lain" setiap suku: jika 25% penolakan berada dalam "Lain-lain," wakil mengelak taksonomi, yang biasanya bermakna pilihan tidak mencerminkan apa yang mereka sebenarnya lihat. Menambah kategori berdasarkan corak penolakan sebenar membetulkan permainan lebih pantas daripada mana-mana mekanisme penguatkuasaan.

Bilakah takrifan MQL harus dibuka semula selepas menyemak data penolakan?

Apabila kategori penolakan tunggal telah melebihi ambang tindakannya selama empat atau lebih minggu berturut-turut dan pembetulan yang berkaitan telah dilaksanakan. Jika "bukan ICP" kekal melebihi 20% selepas dua pusingan pelarasan sasaran kempen, masalahnya bukan sasaran — ia adalah takrifan ICP itu sendiri. Kadar penolakan yang tinggi yang berterusan walaupun selepas pembetulan berulang adalah isyarat bahawa takrifan perlu dirundingkan semula, bukan ditweak. Semakan suku tahunan adalah forum yang betul untuk perbualan tersebut.

Ketahui Lebih Lanjut

• Rangka Kerja Takrifan MQL
• Penolakan dan Kitar Semula Lead
• Panggilan Kualiti Lead Mingguan
• Templat Perjanjian MQL-SQL
• Glosari Penjajaran Pemasaran-Jualan