É possível administrar o aumento de leads que entram com mais recursos, o que aumenta as vendas. Mas isso também aumenta os custos. Se você tiver a sorte de receber muitos leads sem ter que adicionar demasiados recursos para atendê-los, essa equação funcionaria perfeitamente. Infelizmente, a maioria das empresas não pode fazê-lo. De fato, têm muita dificuldade para obter a quantidade suficiente de leads de qualidade e aumentar o índice de conversão em vendas.

Você talvez se lembre do clássico, mas ainda relevante, estudo de Lead Management Research do Dr. James Oldroyd (MIT), onde ele observou que as probabilidades de contatar um lead chamando 5 minutos depois de seu contato são 100 vezes maiores que chamando 30 minutos depois. As probabilidades de qualificar um lead chamando depois de 5 minutos são 21 vezes maiores do que chamando depois de 30 minutos. No entanto, o estudo conclui que após 20 horas da chamada do lead, as probabilidades de entrar em contato com ele diminuem drasticamente. Interagir com os clientes potenciais o mais rápido possível e oferecer-lhes toda a informação que necessitem ou ajudá-los durante o processo de compra é muito mais eficaz do que qualquer chamada posterior ou não solicitada. Ainda assim, é muito difícil para as empresas alocar os recursos de vendas que necessitam, porque também devem levar em consideração os custos deste processo.

Imagine que a sua equipe de vendas possa entrar em contato com os leads qualificados em tempo real. Embora entrar em contato com cada lead seja quase impossível, e muitas vezes desnecessário, é extremamente valioso interagir com clientes potenciais que estão prontos para comprar, que têm alguma dúvida ou pergunta ou precisam de assistência.

A seguir apresentamos três formas de utilizar os modelos preditivos para analisar e entender o comportamento e, consequentemente, aumentar o índice de conversão.

  1. Utilizar a função “Leads by Outcome Scores”

Considerar os leads segundo a probabilidade de que atinjam um determinado objetivo (outcome scores) ajuda as equipes de vendas a captar, classificar e qualificar os clientes potenciais de forma automática. Depois, pode priorizá-los com base nas previsões realizadas pela inteligência artificial (IA) e a aprendizagem automática. Essas previsões permitem que sua empresa classifique todos os visitantes do site com base na probabilidade de que atinjam o resultado desejado ou o objetivo específico pelo qual visitaram o seu site. Deste modo, é possível identificar não só as conversões reais, mas também as que estiveram perto de serem concretizadas, o que também é valioso. Os representantes de vendas ou de desenvolvimento de leads podem interagir com esses clientes potenciais oferecendo-lhes um chat ao vivo ou um retorno de chamada, por e-mail ou exibindo janelas pop-up com ofertas especiais que respondam a seus interesses.

O mecanismo de inteligência artificial monitora todas as jornadas dos clientes potenciais. Depois, com base em um mapa de ações, entra em contato com eles automaticamente com a melhor oferta ou com o melhor representante de vendas para ajudá-los em tempo real através de seu canal preferido. E isso acontece quando a probabilidade de conversão em vendas é maior, para que sua empresa nunca perca um bom cliente potencial.

  1. Compreender a função “Leads by Outcome Scores”

Essa tela mostra a quantidade de visitas a um site, em um determinado período de tempo, que fizeram aquelas pessoas que iniciaram sua jornada com um objetivo específico. Essa lista está ordenada em função da probabilidade máxima designada a cada cliente potencial através dos algoritmos de aprendizagem automática.

A coluna “Outcome Scores” mostra a qualidade real do lead. A parte verde da barra mostra a probabilidade de atingir o objetivo específico. Alguns visitantes terão uma parte vermelha na sua barra de pontuação de resultados, mostrando que antes de deixar o site esses leads realizaram diversas ações (visualizaram páginas, fizeram pesquisas, preencheram formulários, etc.) que reduziram sua probabilidade de atingir o objetivo desejado. O comprimento da barra de pontuação representa a probabilidade máxima que esse visitante alcançou em relação ao objetivo desejado.

Com base na qualificação real obtida, podem ser definidas determinadas ações, tais como janelas pop-up com a melhor oferta de acordo com os dados contextuais da jornada do cliente potencial ou uma oferta através de um widget (chat, retorno de chamada, e-mail, etc.). Isso permite interagir com os clientes em tempo real quando a probabilidade de compra é maior.

Você pode filtrar os dados dessa tela pelos dados do cliente – nome, organização, localização, customer personas e data – ou exportá-los como arquivo CSV para análise off-line ou ações posteriores de seguimento de leads.

  1. Compreender o que há por trás de cada objetivo

A tecnologia de aprendizagem automática cria a tela “Leads by Outcome Score” para analisar o comportamento do cliente e alcançar um objetivo específico durante um período de tempo determinado. Por trás de cada objetivo existe um modelo preditivo que pode ser usado pelo mecanismo de IA para prever o comportamento de todos os clientes potenciais em tempo real.

O modelo preditivo tem um mecanismo de aprendizagem que é usado pelo mecanismo de IA para analisar e compreender o comportamento do cliente em relação ao objetivo desejado. O modelo é atualizado periodicamente para incorporar os comportamentos novos e para analisar as tendências de uso do site.

A comparação contínua dos objetivos alcançados com os previstos otimiza o modelo de aprendizagem automática ao longo do tempo, o que leva a uma melhor qualificação dos leads, menores tempos de interação, maior volume de leads qualificados e menores custos de vendas.

Para obter mais informação, visite a página de recursos sobre vendas digitais e retenção.


Tibor Vass

Tibor Vass é o Diretor Global de Estratégia de Soluções de Automação Empresarial da Genesys.Tem mais de 15 anos de experiência em consultoria estratégica e gestão de operações de TI e telecomunicações, em prestação de serviços a nível mundial e operações de data center críticas para os negócios.É responsável pela área de Automação Empresarial entre plataformas a nível mundial, que inclui estratégia corporativa e suporte de vendas, consultores e parceiros, roadmap de desenvolvimento de soluções e cumprimento dos KPIs de vendas globais em diferentes setores. Antes de começar a trabalhar na Genesys em 2011, foi diretor de desenvolvimento de negócios e consultor executivo para empresas internacionais nos setores de TI e telecomunicações.