Ambang Skor MQL-ke-SQL: Cara Menetapkan Nombor Yang Kedua-Dua Pasukan Boleh Terima

Nombor yang paling banyak diperdebatkan dalam mana-mana pasukan pendapatan bukan kuota. Ia adalah ambang MQL.

Pemasaran mahu lebih rendah. Jualan mahu lebih tinggi. RevOps mahu ia "berasaskan data." Dan semua orang akhirnya bersetuju pada nombor (biasanya 50, atau 75, atau 100) yang sama ada diwarisi daripada pekerja terdahulu, disalin dari artikel blog, atau dipilih kerana ia terasa bulat.

Tiada satu pun daripada itu salah per se. Tetapi tiada satu pun daripada itu betul juga, kerana ambang MQL bukan jawapan matematik. Ia adalah keputusan polisi. Ia menentukan berapa banyak lead yang mengalir ke jualan setiap bulan, bagaimana kualiti purata lead tersebut, dan berapa banyak tekanan yang dihadapi pemasaran untuk menghasilkan Pipeline. Salah dalam mana-mana arah dan sesuatu rosak: sama ada jualan lemas dalam sampah atau pemasaran dipersalahkan atas jurang Pipeline yang sebenarnya adalah masalah ambang.

Berikut cara menetapkan ambang yang boleh dikomit oleh kedua-dua pasukan, disokong oleh data dari CRM anda sendiri.

---

Pasukan jualan B2B yang menetapkan ambang MQL menggunakan analisis tertutup-menang — berbanding lalai vendor atau nombor bulat — melihat peningkatan sehingga 30% dalam kadar penukaran MQL-ke-peluang, menurut Forrester Research.

Apabila ambang MQL ditetapkan terlalu rendah, kadar penolakan jualan purata 40-60% dalam organisasi yang tidak sejajar, bermakna wakil menghabiskan sebahagian besar masa mereka membuang lead dan bukannya menutup perjanjian (data penanda aras SiriusDecisions).

Organisasi yang memodelkan pertukaran volum-kualiti sebelum mengubah ambang — menjalankan analisis senario +15/-15 — mengurangkan risiko gangguan Pipeline dengan memberikan kedua-dua pasukan data bersama untuk diperdebatkan dan bukannya pilihan yang bersaing.

---

Fakta Utama: Pemarkahan Lead dan Ambang MQL

• Syarikat dengan proses Handoff MQL-ke-SQL yang selaras rapat mencapai 209% lebih banyak pendapatan daripada usaha pemasaran, menurut penyelidikan MarketingProfs mengenai penjajaran pemasaran-jualan.
• Hanya 27% daripada lead yang dihantar ke jualan pernah dihubungi, bermakna kalibrasi ambang mempunyai kesan yang besar ke atas lead yang sebenarnya diusahakan (InsideSales.com).
• Organisasi yang menyemak dan mengkalibrasi semula ambang pemarkahan lead setiap suku tahun melihat peningkatan sehingga 30% dalam penukaran MQL-ke-peluang berbanding pasukan yang menetapkan dan melupakan ambang (Forrester Research).
• Apabila ambang ditetapkan terlalu rendah, kadar penolakan MQL purata 40-60% dalam organisasi yang tidak sejajar, bermakna jualan menghabiskan masa menolak lead dan bukannya menutup perjanjian (data penanda aras SiriusDecisions).
• Pembeli B2B melengkapkan sebahagian besar keputusan pembelian sebelum melibatkan jualan (penyelidikan Gartner mengenai perjalanan pembeli B2B), bermakna ambang yang terlalu tinggi boleh terlepas lead yang sudah jauh dalam proses keputusan.

Apa Yang Sebenarnya Dikawal Ambang

Sebelum anda menyentuh nombor, adalah berguna untuk memahami apa yang sebenarnya anda laraskan.

Ambang MQL adalah pintu gerbang. Apabila skor kumulatif lead melintasinya, lead bertukar dari MQL ke SQL dan dihalakan ke jualan untuk susulan. Setiap mata yang anda alihkan ambang mempengaruhi tiga perkara serentak.

Volum lead yang diserahkan kepada jualan. Turunkan ambang sebanyak 20 mata, dan anda mungkin menggandakan bilangan lead yang mengalir. Naikkan sebanyak 20 mata, dan jualan mendapat separuh daripada lead tetapi menjangkakan mereka dua kali lebih sedia. Tiada satu pun yang secara inheren lebih baik. Ia bergantung pada kapasiti jualan, kelajuan susulan wakil, dan rupa kadar penukaran pada setiap jalur skor.

Kualiti purata semasa Handoff. Inilah yang paling diambil peduli oleh jualan. Jika wakil menghabiskan 40% masa mereka pada lead yang tidak bertukar, ambang mungkin terlalu rendah. Jika mereka menutup 80% daripada apa yang dihantar pemasaran tetapi mengeluh tentang volum, ia mungkin terlalu tinggi.

Tekanan pengeluaran pemasaran. Ambang tinggi bermakna pemasaran perlu menjana lebih banyak lead mentah untuk menghasilkan bilangan MQL yang sama. Itu memerlukan lebih banyak perbelanjaan media, lebih banyak kandungan, lebih banyak overhead kempen. Ambang rendah mengurangkan tekanan pada penjanaan bahagian atas Funnel tetapi mengalihkan masalah ke hilir.

Ketiga-tiga ini tidak bebas. Apabila anda mengoptimumkan untuk satu, anda mempengaruhi yang lain. Itulah sebabnya ambang adalah perbualan strategik, bukan tugasan konfigurasi.

Menetapkan Ambang Awal: Kaedah Penetapan Ambang

Kaedah Penetapan Ambang adalah proses empat langkah, data-pertama untuk menetapkan ambang skor MQL-ke-SQL yang boleh dipertahankan. Berbanding mewarisi nombor bulat dari pekerja terdahulu atau menyalin lalai vendor, ia menyandarkan keputusan ambang dalam data tertutup-menang sebenar anda: tarik perjanjian tertutup-menang, plot taburan skor, cari titik infleksi (bukan purata), dan sahkan berbanding kadar penolakan anda. Hasilnya adalah ambang yang berakar pada rupa pembeli sebenar anda apabila mereka menutup — bukan tekaan.

Jika anda bermula dari awal atau menetapkan semula ambang yang ditetapkan secara sewenang-wenangnya, mulakan dengan data tertutup-menang sejarah anda. Ini adalah satu-satunya sauh jujur yang anda ada. Rangka kerja kelayakan lead anda akan memberitahu atribut mana yang sebenarnya meramalkan penutupan — gunakan itu sebagai input pemarkahan sebelum anda menyentuh nombor ambang.

Langkah 1: Tarik perjanjian tertutup-menang anda dari 12-18 bulan lepas.

Eksport setiap perjanjian yang ditutup sebagai menang. Anda memerlukan skor lead pada titik ia ditukarkan ke SQL, bukan skor hari ini, bukan skor akhir yang diperkayakan, tetapi skor semasa Handoff. Sesetengah MAP melognya secara automatik. Jika milik anda tidak, anda perlu membinanya semula dari cap masa aktiviti.

Langkah 2: Plot taburan skor.

Cipta histogram frekuensi skor SQL pada masa penukaran untuk perjanjian menang tersebut. Anda biasanya akan melihat sesuatu seperti ini:

Langkah 3: Cari titik infleksi, bukan purata.

Purata skor merentasi perjanjian menang mungkin 72. Tetapi itu tidak bermakna 72 adalah ambang yang betul. Cari di mana taburan menukar kecerunan, khususnya di mana peratusan perjanjian menang setiap jalur skor mula meningkat dengan tajam. Dalam jadual di atas, infleksi itu berada antara 60 dan 80. Ambang tergolong berhampiran bahagian bawah jalur kepekatan tinggi, bukan pada min.

Langkah 4: Sahkan berbanding kadar penolakan.

Jalankan analisis yang sama pada perjanjian yang ditolak atau tidak pernah dihubungi. Apakah skor mereka pada penukaran SQL? Jika lead yang ditolak berkelompok dengan banyak di bawah 60, anda mempunyai bukti yang baik bahawa 60 adalah lantai yang boleh dipertahankan.

Kaedah ini tidak memberikan jawapan yang tepat. Tetapi ia memberikan julat yang berakar pada apa yang sebenarnya ditutup, bukan pada intuisi atau lalai vendor. Penyelidikan McKinsey mengenai penukaran Pipeline secara konsisten menunjukkan bahawa disiplin kelayakan awal — bukan volum yang lebih tinggi — mendorong penambahbaikan Pipeline terbesar.

Pertukaran Volum-Kualiti

Tiada kalibrasi ambang yang lengkap tanpa memodelkan apa yang berlaku jika anda mengalihkan nombor.

Menetapkan ambang terlalu rendah:

Pemasaran bersukacita: volum MQL kelihatan bagus. Tetapi jualan mula menolak lebih banyak lead. Kadar penolakan meningkat melebihi 30%, kemudian 40%. Wakil menghabiskan lebih banyak masa mencatat "tidak sesuai" daripada membuat panggilan. Wakil yang mengerjakan lead berkualiti rendah membazirkan kapasiti susulan dan terlepas sasaran kadar penyambungan mereka. Akhirnya, jualan berhenti mempercayai penetapan MQL sepenuhnya. Apa-apa yang dihantar pemasaran dilayan dengan skeptisisme secara lalai.

Ini adalah kos tersembunyi ambang rendah. Ia bukan hanya membazirkan masa wakil. Ia mengikis kredibiliti dalam sistem kelayakan lead.

Menetapkan ambang terlalu tinggi:

Jualan mendapat lebih sedikit lead, tetapi kadar penukaran kelihatan memberangsangkan. Pemasaran bergelut untuk mencapai sasaran MQL. Lead yang baik yang 80% sedia tetapi belum melintasi ambang tua dalam program penjagaan, kehilangan kebaruan dan isyarat niat. Pemasaran tersekat berhujah bahawa jurang Pipeline bukan salah mereka. Tekanan meningkat untuk menjana lebih banyak volum bahagian atas Funnel dan bukannya meningkatkan kelayakan.

Cara memodelkan pertukaran sebelum mengubah ambang:

Tarik 90 hari terakhir lead. Untuk setiap jalur skor, kira:

• Berapa banyak lead yang berada dalam jalur tersebut
• Peratusan berapa yang bertukar kepada Pipeline
• Peratusan berapa daripada Pipeline yang bertukar yang ditutup

Kemudian model dua senario: ambang pada semasa − 15 mata dan ambang pada semasa + 15 mata. Anggarkan kesan Pipeline dan pendapatan bagi setiap satu. Ini memberikan perbualan antara pemasaran dan jualan sesuatu yang konkrit untuk diperdebatkan dan bukannya pilihan.

Ambang mengikut Segmen

Satu ambang jarang sesuai untuk setiap senario. Pertimbangkan ambang berasingan untuk:

Enterprise berbanding PKS: Lead enterprise sering mempunyai isyarat tingkah laku yang lebih perlahan. VP di syarikat 2,000 orang melawat lebih sedikit halaman sebelum menghubungi berbanding pengarah di syarikat 50 orang. Menerapkan ambang yang sama kepada kedua-duanya akan secara sistematik melebihi-layak lead PKS dan kurang-layak lead enterprise. Ambang 65 untuk PKS dan 45 untuk enterprise mungkin berprestasi lebih baik daripada 60 yang rata untuk kedua-duanya.

Masuk berbanding dibantu-keluar: Lead yang disentuh oleh BDR sebelum mengisi borang anda mempunyai profil niat yang berbeza daripada lead masuk yang sejuk. Skor tingkah laku mereka mungkin lebih rendah kerana mereka digesa, bukan mencari secara bebas. Ambang yang lebih rendah untuk penukaran dibantu-keluar sering sesuai.

Logo baharu berbanding pengembangan: Lead pengembangan dari pelanggan sedia ada mempunyai kitaran pembelian yang dimampatkan dan kadar penutupan yang lebih tinggi. Menerapkan ambang yang sama seperti lead baharu-bersih bermakna beberapa peluang pengembangan tersekat dalam penjagaan apabila ia seharusnya terus ke pengurusan akaun.

Ini adalah titik permulaan. Bina milik anda dari data tertutup-menang anda sendiri mengikut segmen.

Ambang Dinamik berbanding Tetap

Ambang tetap berkata: "Skor ≥ 65 = SQL."

Ambang dinamik atau berasaskan peraturan berkata: "Skor ≥ 65, ATAU skor ≥ 45 DAN permintaan demo diserahkan."

Ambang dinamik lebih tepat tetapi lebih sukar untuk ditadbir. Ia berfungsi dengan baik apabila anda mempunyai tindakan berniat tinggi yang spesifik (permintaan demo, lawatan halaman harga, sembang terus) yang harus mengatasi pintu gerbang skor tanpa mengira mata kumulatif.

Risikonya ialah kerumitan. Jika peraturan dinamik anda menjadi labirin syarat ATAU dan pengecualian, tiada siapa yang faham bila lead akan mencetuskan. Anda akhirnya dengan pertikaian tentang mengapa lead tertentu bertukar atau tidak. Tadbir urus hakis.

Jalan tengah yang praktikal: kekalkan ambang tetap sebagai pintu gerbang utama anda, dan kekalkan tidak lebih daripada dua pengatasi berniat tinggi. "Skor ≥ 60, ATAU permintaan demo diserahkan, ATAU sembang masuk terus dari syarikat yang sepadan dengan ICP" adalah boleh dibaca. Sepuluh syarat pengatasi tidak boleh.

Mendapatkan Kedua-Dua Pasukan untuk Bersetuju

Perbualan ambang gagal apabila ia dibingkai sebagai nombor pemasaran yang perlu diterima oleh jualan. Ia berjaya apabila kedua-dua pasukan memahami mereka adalah pemilik bersama KPI yang dikongsi.

Bingkai sebagai perjanjian tahap perkhidmatan, bukan penapis. Pemasaran komited untuk menyerahkan lead pada tahap kualiti tertentu. Jualan komited untuk mengerjakan lead tersebut dalam tempoh masa tertentu. Ambang mentakrifkan bahagian kualiti kontrak tersebut. Proses Handoff MQL-ke-SQL mentakrifkan bahagian penerimaan.

Sandarkan perbualan pada kadar penolakan. Tanya jualan: "Kadar penolakan berapa yang boleh anda terima?" Jika jawapannya 15%, kerjakan ke belakang dari itu untuk mencari ambang yang menghasilkan penerimaan 85% berdasarkan data sejarah. Ini membingkai semula perbahasan. Berbanding berhujah tentang nombor yang sepatutnya, anda menyelesaikan untuk hasil yang diambil peduli oleh kedua-dua pasukan.

Kongsi pemodelan impak. Sebelum mesyuarat, bina model senario +15 / -15. Tunjukkan kepada kedua-dua pasukan apa yang berlaku kepada volum Pipeline dan kadar penutupan di bawah setiap senario. Keputusan yang dibuat dengan data bersama adalah lebih tahan lama daripada keputusan yang dibuat oleh sesiapa yang berhujah paling kuat.

Dokumentasikan perjanjian dalam rangka kerja pemarkahan lead bersama. Sebaik sahaja anda bersetuju, tuliskan ambang, rasionalnya, dan keadaan apa yang akan mencetuskan semakan. Penyelidikan Forrester mengenai mod kegagalan model pemarkahan mengenal pasti ambang yang tidak didokumentasikan sebagai salah satu sebab paling biasa program pemarkahan kehilangan kredibiliti dalam 18 bulan. Ingatan institusi tentang mengapa ambang ditetapkan di mana ia berada menghalang pengambilan baharu seterusnya daripada mengubahnya sewenang-wenangnya enam bulan kemudian.

Menguji Perubahan Ambang

Jangan ubah ambang secara global tanpa menguji. Perintis A/B mengurangkan risiko akibat yang tidak disengajakan.

Cara menstrukturkan perintis:

Bahagikan aliran lead anda mengikut wilayah, pasukan wakil, atau saluran sumber — mana-mana partition yang paling masuk akal secara operasional. Terapkan ambang baharu kepada satu kumpulan, kekalkan ambang sedia ada untuk kumpulan kawalan. Jalankan selama 6-8 minggu minimum, cukup lama untuk melihat sekurang-kurangnya perkembangan Pipeline separa pada lead ujian.

Apa yang perlu diukur:

• Kadar penukaran MQL-ke-SQL dalam ujian berbanding kawalan
• Kadar penerimaan SQL (adakah jualan menerima lebih atau kurang?)
• Masa ke hubungan pertama (adakah wakil melibatkan diri lebih pantas dengan lead yang lebih layak?)
• Kadar MQL-ke-peluang pada 30 dan 60 hari
• Pendapatan yang dipengaruhi oleh kohort ujian pada 90 hari

Berhati-hati tentang kesan kumpulan kawalan. Jika jualan tahu lead mana yang lead "ujian," mereka mungkin melayan mereka secara berbeza. Cuba jalankan perintis tanpa menjadikan penetapan itu kelihatan dalam CRM.

Pencetus Semakan: Bila untuk Menyemak Semula

Ambang yang anda tetapkan hari ini tidak akan betul selamanya. Bina pencetus eksplisit untuk semakan dan bukannya menunggu krisis.

Pelancaran produk baharu: Lini produk baharu mencipta isyarat tingkah laku baharu dan ICP baharu. Model pemarkahan sedia ada anda mungkin tidak menangkap isyarat niat dari khalayak produk baharu sama sekali.

Segmen ICP baharu: Jika anda berkembang ke vertikal atau jalur saiz syarikat baharu, corak tingkah laku mereka berbeza. Menerapkan ambang lama bermakna anda melayakkan mereka berbanding model yang dibina berdasarkan data orang lain. Semak peringkat kitaran hayat lead anda untuk mengesahkan ambang berada pada titik peralihan yang betul untuk segmen baharu.

Perubahan kempen utama: Kempen berat kandungan menjana isyarat tingkah laku yang berbeza daripada kempen tolak-demo. Jika pemasaran mengubah campuran salurannya dengan ketara, taburan skor dalam Pipeline anda juga berubah.

Perubahan pasukan jualan: Wakil baharu mempunyai tingkah laku penerimaan yang berbeza. Pasukan yang baru mengambil lima wakil enterprise akan memerlukan kualiti lead yang berbeza daripada pasukan yang menjalankan PKS halaju tinggi.

Lonjakan kadar penolakan: Jika kadar penolakan meningkat 10+ mata peratusan dalam tempoh 90 hari bergolek, itu adalah isyarat model, bukan masalah orang. Semak ambang sebelum menyalahkan mana-mana pasukan. Lihat juga artikel pereputan model pemarkahan lead untuk rangka kerja diagnosis penuh.

Analisis Rework: Berdasarkan penanda aras industri dan Kaedah Penetapan Ambang, kebanyakan pasukan B2B yang menyandarkan ambang MQL mereka kepada taburan skor tertutup-menang berbanding nombor bulat beroperasi dengan kadar penolakan 15-25% — lebih kurang separuh kadar penolakan 40-60% yang dilihat dalam organisasi yang mewarisi atau meneka ambang mereka. Implikasi praktikal: jika kadar penolakan semasa anda melebihi 35%, pengkalibraan semula ambang menggunakan data tertutup-menang anda sendiri biasanya akan meningkatkan penukaran MQL-ke-Pipeline lebih pantas daripada sebarang penghalusan model pemarkahan. Alatan CRM dan Pipeline Rework menjejak skor-pada-penukaran-SQL secara automatik, memberikan pasukan set data tertutup-menang yang mereka perlukan untuk menjalankan Kaedah Penetapan Ambang tanpa eksport CRM manual. Lihat rework.com/pricing untuk butiran pelan semasa.

Ambang sebagai Infrastruktur Bersama

Ambang MQL bukan tetapan pemasaran atau pilihan jualan. Ia adalah infrastruktur yang bergantung kepada kedua-dua pasukan.

Apabila ia dikalibrasi dengan betul, pemasaran tahu rupa "baik." Jualan tahu apa yang dijangkakan. Kedua-dua pasukan boleh menunjuk kepada nombor yang sama apabila Pipeline sihat dan mendiagnosis nombor yang sama apabila tidak. Pertikaian tentang kualiti lead menjadi perbualan tentang ambang dan bukannya tuduhan tentang usaha.

Itulah nilai sebenar mendapatkan ini dengan betul. Bukan kadar penukaran yang dioptimumkan (walaupun itu penting juga). Ia adalah bahawa kedua-dua pasukan bekerja dari takrifan bersama tentang apa yang layak bermaksud. Dan apabila anda mempunyai itu, kerja penjajaran pemasaran-jualan yang lain menjadi lebih mudah.

Soalan Lazim

Bagaimana saya menetapkan ambang skor MQL-ke-SQL?

Mulakan dengan data tertutup-menang anda dari 12-18 bulan lepas. Eksport setiap perjanjian yang ditutup sebagai menang, kemudian plot skor lead pada saat penukaran SQL — bukan skor akhir yang diperkayakan, tetapi skor semasa Handoff. Cari titik infleksi dalam taburan di mana peratusan perjanjian menang setiap jalur skor meningkat dengan tajam. Tetapkan ambang berhampiran bahagian bawah jalur kepekatan tinggi. Ini adalah Kaedah Penetapan Ambang, dan ia menghasilkan nombor yang boleh dipertahankan dan berasaskan data berbanding tekaan nombor bulat.

Mengapa ambang 100 tidak selalu berfungsi?

Ambang 100 mengandaikan skor maksimum bersamaan kesediaan maksimum. Tetapi kebanyakan model pemarkahan lead memberikan mata kepada pelbagai tingkah laku, sebahagian daripadanya (bukaan e-mel, muat turun kandungan tunggal, melawat halaman berniat rendah) adalah peramal penutupan yang lemah. Lead yang mengumpulkan 100 mata secara perlahan melalui tindakan isyarat rendah mungkin kurang sedia-jualan daripada lead pada 70 mata yang melawat halaman harga dua kali dan meminta demo. Ambang harus dikalibrasi kepada tempat perjanjian tertutup-menang anda sebenarnya berkelompok, bukan kepada jumlah mata maksimum.

Apakah sasaran kadar penolakan MQL yang betul?

Kebanyakan pasukan yang selaras mensasarkan kadar penolakan MQL 15-25%. Kadar penolakan di bawah 15% mungkin bermakna ambang anda terlalu tinggi — jualan mendapat sangat sedikit lead dan pemasaran mungkin terlalu melebihi kelayakan. Kadar melebihi 35% adalah isyarat kuat bahawa ambang terlalu rendah atau model pemarkahan telah rosak, bermakna lead mencapai jualan sebelum mereka sepadan dengan apa yang jualan kenali sebagai layak. Data penanda aras SiriusDecisions meletakkan purata organisasi yang tidak sejajar pada 40-60% penolakan, yang sebahagian besarnya adalah kapasiti jualan yang dibazirkan.

Seberapa kerap ambang MQL perlu disemak?

Sekurang-kurangnya, setiap suku tahun. Pencetus semakan eksplisit hendaklah merangkumi: pelancaran produk baharu, perubahan dalam segmen ICP sasaran, perubahan campuran kempen utama, perubahan pasukan wakil yang signifikan, atau lonjakan kadar penolakan 10+ mata peratusan dalam tempoh 90 hari bergolek. Pasukan yang menunggu sehingga krisis muncul — biasanya perbualan jurang Pipeline pada ulasan perniagaan suku tahunan — biasanya mendapati ambang telah salah selama enam atau lebih bulan sebelum masalah menjadi kelihatan.

Adakah segmen berbeza perlu ambang berbeza?

Ya, dalam kebanyakan kes. Lead enterprise sering mempunyai isyarat tingkah laku yang lebih perlahan daripada lead PKS. Lead dibantu-keluar mempunyai profil niat yang berbeza daripada masuk sejuk. Lead pengembangan dari pelanggan sedia ada mempunyai kitaran pembelian yang dimampatkan. Ambang rata yang diterapkan merentasi semua segmen secara sistematik melebihi-layak satu kumpulan dan kurang-layak yang lain. Mulakan dengan segmen volum tertinggi anda, tetapkan ambang yang dikalibrasi, kemudian model ambang berasingan untuk setiap segmen utama menggunakan kaedah analisis tertutup-menang yang sama.

Bolehkah kami menjalankan ujian A/B pada perubahan ambang?

Ya, dan itulah cara paling selamat untuk mengubah ambang tanpa gangguan Pipeline. Bahagikan aliran lead mengikut wilayah, pasukan wakil, atau saluran sumber. Terapkan ambang baharu kepada satu kumpulan dan kekalkan ambang sedia ada untuk kumpulan kawalan. Jalankan selama 6-8 minggu. Ukur kadar penukaran MQL-ke-SQL, kadar penerimaan SQL, masa ke hubungan pertama, dan kadar MQL-ke-peluang pada 30 dan 60 hari. Elakkan menjadikan penetapan ujian kelihatan dalam CRM untuk menghalang wakil melayan lead ujian secara berbeza.

Apakah perbezaan antara ambang tetap dan ambang dinamik?

Ambang tetap adalah pintu gerbang skor tunggal: "Skor ≥ 65 = SQL." Ambang dinamik menambah peraturan bersyarat: "Skor ≥ 65, ATAU skor ≥ 45 DAN permintaan demo diserahkan." Ambang dinamik lebih tepat tetapi lebih sukar untuk ditadbir. Jalan tengah yang disyorkan ialah ambang tetap sebagai pintu gerbang utama dengan tidak lebih daripada dua syarat pengatasi berniat tinggi. Lebih daripada dua syarat pengatasi mencipta labirin tadbir urus di mana tiada siapa yang boleh meramalkan dengan tepat lead yang akan mencetuskan, menjadikan pertikaian model lebih sukar untuk diselesaikan.

Ketahui Lebih Lanjut

• Pemarkahan Lead Bersama: Kesesuaian, Niat, Tingkah Laku
• Rangka Kerja Takrifan MQL
• Pereputan Model Pemarkahan Lead
• Proses Handoff MQL-ke-SQL
• Pelaporan Gelung Tertutup Dijelaskan
• Rangka Kerja Kelayakan Lead
• Penolakan dan Kitar Semula MQL