การให้คะแนนลูกค้าเป้าหมายเป็นวิธีการที่ใช้ในการจัดอันดับลูกค้าเป้าหมายตามมาตราส่วนที่แสดงถึงมูลค่าที่รับรู้ได้ของลูกค้าเป้าหมาย แต่ละราย ที่มีต่อองค์กร^{[ 1 ]}คะแนนที่ได้จะถูกนำมาใช้เพื่อกำหนดว่าฝ่ายที่รับลูกค้าเป้าหมาย (เช่น ฝ่ายขาย พันธมิตร ฝ่ายหาลูกค้าทางโทรศัพท์) จะดำเนินการกับลูกค้าเป้าหมายรายใดตามลำดับความสำคัญ

แบบจำลองการให้คะแนนลูกค้าเป้าหมายประกอบด้วยข้อมูลทั้งแบบชัดเจนและไม่ชัดเจน ข้อมูลแบบชัดเจนคือข้อมูลที่ได้มาจากหรือเกี่ยวกับลูกค้าเป้าหมาย เช่น ขนาดบริษัท กลุ่มอุตสาหกรรม ตำแหน่งงาน หรือที่ตั้งทางภูมิศาสตร์^{[ 2 ]}คะแนนแบบไม่ชัดเจนได้มาจากการติดตามพฤติกรรมของลูกค้าเป้าหมาย ตัวอย่างเช่น การเข้าชมเว็บไซต์ การดาวน์โหลดเอกสารไวท์เปเปอร์ หรือการเปิดและคลิกอีเมล^{[ 3 ] [ 4 ]}นอกจากนี้ คะแนนทางสังคมยังวิเคราะห์การปรากฏตัวและกิจกรรมของบุคคลบนเครือข่ายสังคม^{[ 5 ]}

การให้คะแนนลูกค้าเป้าหมายช่วยให้ธุรกิจสามารถปรับแต่งประสบการณ์ของลูกค้าเป้าหมายตามขั้นตอนการซื้อและระดับความสนใจของพวกเขา และช่วยปรับปรุงคุณภาพและความ "พร้อม" ของลูกค้าเป้าหมายที่ส่งต่อให้ฝ่ายขายเพื่อติดตามผลได้อย่างมาก

การให้คะแนนลูกค้าเป้าหมายเป็นคุณสมบัติยอดนิยมในผลิตภัณฑ์ การตลาดอัตโนมัติ แบบ B2B

เมื่อแบบจำลองการให้คะแนนลูกค้าเป้าหมายมีประสิทธิภาพ ประโยชน์หลักๆ ได้แก่:

• เพิ่มประสิทธิภาพและประสิทธิผลในการขาย : การให้คะแนนลูกค้าเป้าหมายช่วยให้ฝ่ายขายมุ่งความสนใจไปที่ลูกค้าเป้าหมายที่องค์กรพิจารณาว่ามีคุณค่ามากที่สุด เพื่อให้มั่นใจได้ว่าลูกค้าเป้าหมายที่ไม่เหมาะสมหรือมีมูลค่าต่ำจะไม่ถูกส่งต่อให้ฝ่ายขายดำเนินการต่อไป
• เพิ่มประสิทธิภาพทางการตลาด : โมเดลการให้คะแนนลูกค้าเป้าหมายช่วยให้นักการตลาดระบุประเภทของลูกค้าเป้าหมายหรือลักษณะของลูกค้าเป้าหมายที่สำคัญที่สุด ซึ่งจะช่วยให้ฝ่ายการตลาดกำหนดเป้าหมายโปรแกรมการตลาดขาเข้าและขาออกได้อย่างมีประสิทธิภาพมากขึ้น และส่งมอบลูกค้าเป้าหมายคุณภาพสูงให้แก่ฝ่ายขายได้มากขึ้น
• การประสานงานด้านการตลาดและการขายที่แน่นแฟ้นยิ่งขึ้น : การให้คะแนนลูกค้าเป้าหมายช่วยเสริมสร้างความสัมพันธ์ระหว่างการตลาดและการขายโดยการสร้างภาษาร่วมกันที่ผู้นำการตลาดและการขายสามารถพูดคุยเกี่ยวกับคุณภาพและปริมาณของลูกค้าเป้าหมายที่สร้างขึ้นได้^{[ 6 ]}
• รายได้เพิ่มขึ้น:การให้คะแนนลูกค้าเป้าหมายยังช่วยให้การขายเกิดขึ้นก่อนสำหรับลูกค้าเป้าหมายที่มีคุณสมบัติตรงตามคะแนน โอกาสที่ลูกค้าเป้าหมายที่มีคะแนนสูงจะปิดการขายได้นั้นสูงกว่าลูกค้าเป้าหมายที่มีคะแนนต่ำ ซึ่งส่งผลทางอ้อมต่อการเติบโตของรายได้ด้วยเช่นกัน

มีการใช้ระเบียบวิธีประเมินคะแนนลูกค้าเป้าหมายที่หลากหลาย:

• โปรไฟล์ลูกค้าในอุดมคติ (Ideal Customer Profile - ICP):ใช้คุณลักษณะของผู้ติดต่อที่รู้จัก (เช่น ตำแหน่งงาน ขนาดบริษัท) ในการตัดสินให้คะแนน และช่วยให้องค์กรสามารถมุ่งเน้นความพยายามไปที่ลูกค้าเป้าหมายที่ตรงกับลูกค้าในอุดมคติของตน ตัวอย่างเช่น ระบบการให้คะแนนลูกค้าเป้าหมายของ Hubspot ที่ใช้ค่าจากฟิลด์ต่างๆ ในระบบ CRM เป็นเกณฑ์ในการให้คะแนน
• Lamb หรือ Spam:ส่วนใหญ่มักใช้โดยธุรกิจขนาดเล็กที่ไม่มีโปรไฟล์ลูกค้าเป้าหมายที่ชัดเจน (ICP) โมเดล Lamb หรือ Spam ประกอบด้วยการกรองลูกค้าเป้าหมายคุณภาพต่ำและนำเสนอลูกค้าเป้าหมายที่มีศักยภาพสูง ลูกค้าเป้าหมายคุณภาพต่ำจะถูกระบุโดยธุรกิจออนไลน์จาก โดเมน ที่อยู่อีเมล ส่วนตัว ( gmail , hotmail, yahoo) หรือเครื่องมือสร้างอีเมลชั่วคราวที่ใช้ส่งอีเมลสแปมหรือลงทะเบียนแบบไม่ระบุตัวตน ลูกค้าเป้าหมายคุณภาพสูงจะถูกระบุจากโดเมนอีเมลของบริษัท รวมถึง ข้อมูล ทางด้านบริษัทเช่น ตำแหน่งงานและขนาดของบริษัท^{[ 7 ]}
• ตามกฎเกณฑ์:โมเดลการให้คะแนนลูกค้าเป้าหมายเหล่านี้จะกำหนดค่าคะแนนให้กับคุณลักษณะด้านข้อมูลบริษัทและพฤติกรรมของลูกค้าเป้าหมาย มีการกำหนดเกณฑ์คะแนนสำหรับลูกค้าเป้าหมายที่จะถือว่าเหมาะสมหรือไม่เหมาะสม^{[ 8 ]}มีโซลูชันการให้คะแนนตามกฎเกณฑ์ที่สร้างขึ้นในแพลตฟอร์มการตลาดอัตโนมัติขนาดใหญ่ รวมถึงส่วนเสริมที่ทำหน้าที่เสริม CRM เช่น โซลูชันการให้คะแนนลูกค้าเป้าหมายสำหรับSalesforce CRM ^{[ 9 ]}
• การให้คะแนนลูกค้าเป้าหมายเชิงทำนาย:โมเดลการให้คะแนนลูกค้าเป้าหมายเชิงทำนายใช้การเรียนรู้ของเครื่องจักรเพื่อสร้างโมเดลการทำนายโดยอิงจากข้อมูลลูกค้าในอดีตที่เสริมด้วยแหล่งข้อมูลจากบุคคลที่สาม แนวทางคือการวิเคราะห์พฤติกรรมของลูกค้าเป้าหมายในอดีต หรือปฏิสัมพันธ์ในอดีตระหว่างบริษัทกับลูกค้าเป้าหมาย และค้นหาความสัมพันธ์เชิงบวกของข้อมูลดังกล่าวกับผลลัพธ์ทางธุรกิจที่ดี (ตัวอย่างเช่น การปิดการขาย)

ธุรกิจต่างๆ ปรับปรุงวิธีการที่มีอยู่และเปลี่ยนแปลงวิธีการเพื่อจัดลำดับความสำคัญของการมีส่วนร่วมในการขายให้ดียิ่งขึ้น เมื่อธุรกิจเติบโตขึ้นทั้งในด้านจำนวนพนักงานและจำนวนผลิตภัณฑ์ที่ขาย วิธีการให้คะแนนลูกค้าเป้าหมายแบบคาดการณ์มักได้รับความนิยมมากกว่า เนื่องจากความสามารถในการรวบรวมข้อมูลลูกค้าใหม่ได้อย่างสม่ำเสมอและพัฒนาการคาดการณ์^{[ 10 ]}

ด้วยการเรียนรู้ของเครื่องโมเดลการให้คะแนนลูกค้าเป้าหมายได้พัฒนาขึ้นเพื่อรวมส่วนประกอบของการวิเคราะห์เชิงทำนายทำให้เกิดโมเดลการให้คะแนนลูกค้าเป้าหมายเชิงทำนายขึ้น การให้คะแนนลูกค้าเป้าหมายเชิงทำนายใช้ประโยชน์จากข้อมูลบุคคลที่หนึ่ง เช่น ข้อมูลการตลาด การขาย และผลิตภัณฑ์ภายในองค์กร รวมถึงข้อมูลจากบุคคลที่สาม เช่น ข้อมูลการเสริมคุณค่าข้อมูลและข้อมูลความตั้งใจ เพื่อสร้างโมเดลการเรียนรู้ของเครื่องเกี่ยวกับโปรไฟล์ลูกค้าในอุดมคติ โมเดลการให้คะแนนลูกค้าเป้าหมายเชิงทำนายยังสามารถใช้เพื่อระบุ คัดกรอง และดึงดูดลูกค้าเป้าหมายที่มีคุณสมบัติเหมาะสมกับผลิตภัณฑ์ โดยอาศัยการระบุองค์ประกอบที่แตกต่างกันทางสถิติในพฤติกรรมผู้ใช้ในอดีต ซึ่งสามารถทำนายได้ดีที่สุดว่าผู้ใช้จะใช้จ่ายเกินเกณฑ์ที่กำหนดหรือไม่^{[ 11 ]}

การให้คะแนนลูกค้าเป้าหมายแบบคาดการณ์ล่วงหน้ามีประโยชน์อย่างยิ่งสำหรับ ธุรกิจ SaaSซึ่งมีมูลค่าตลอดอายุการใช้งานของลูกค้า สูง และมีข้อมูลลูกค้าจำนวนมาก โมเดลการให้คะแนนลูกค้าเป้าหมายแบบคาดการณ์ล่วงหน้าช่วยให้ธุรกิจสามารถระบุลูกค้าเป้าหมายที่มีมูลค่าสูงได้ตั้งแต่ช่วงต้นของเส้นทางการซื้อ สร้างประสบการณ์ที่รวดเร็วทันใจสำหรับลูกค้าเป้าหมายที่คาดว่าจะมีความเหมาะสมทั้งด้านข้อมูลบริษัทและพฤติกรรม

ความสำเร็จของแบบจำลองการให้คะแนนลูกค้าเป้าหมายเชิงทำนายวัดได้จากความสามารถในการระบุกลุ่มย่อยของผู้ซื้อที่มีศักยภาพซึ่งจะมีส่วนสำคัญต่อโอกาสในการขาย ซึ่งสามารถแสดงออกมาได้ดังนี้:

X% ของลูกค้าเป้าหมาย คิดเป็น Y% ของการเปลี่ยนลูกค้าเป้าหมายให้เป็นลูกค้าจริง 

ประสิทธิภาพสูงสุดของแบบจำลองการทำนายการได้ลูกค้าเป้าหมายคือ เมื่อ X เข้าใกล้ 0, Y เข้าใกล้ 100 และการแปลงเป็นลูกค้าถูกกำหนดให้เป็นตัวชี้วัดที่อยู่ด้านล่างสุดของช่องทาง เช่น โอกาสที่สร้างขึ้น หรือโอกาสที่ชนะ

• ระบบธุรกิจอัจฉริยะ
• บัตรคะแนนสมดุล
• ข้อมูลเชิงลึกของลูกค้า
• ฝ่ายบริการลูกค้า
• การตลาดฐานข้อมูล
• การจัดการข้อเสนอแนะขององค์กร
• ระบบการตลาดอัตโนมัติ
• การวิเคราะห์เชิงทำนาย
• ระบบบริหารจัดการทีมขาย