Commençons par une évidence : tous les prospects n’ont pas la même chance de générer une vente. Et, qu’on le veuille ou non, les commerciaux vont choisir implicitement de focaliser leurs efforts sur un sous-ensemble de leur “pipe”. Souvent, leur expérience empirique leur fera viser juste. Mais nous avons tous des biais cognitifs, les forces de vente ne font pas exception.
A quoi sert un scoring en prospection ?
Dans le contexte commercial, un scoring donne une note aux prospects afin de les hiérarchiser en fonction de leur propension à acheter tel ou tel article ou service. Il peut y avoir plusieurs scorings en parallèle, car la probabilité d’acheter varie selon le produit. Nous aurons donc un scoring “voiture” différent d’un scoring “chaussettes’.
Les prospects ayant les meilleures notes concentreront donc l’attention des vendeurs, les moins bons pouvant être gardés au chaud avec des contacts moins réguliers, plus digitaux. Par exemple, le prospect “chaud” sera appelé, là où le prospect “froid” recevra une newsletter régulière ou des incitations à préciser son projet.Comment marche un scoring et qui le crée ?
Pour générer une note sur les leads, il est nécessaire d’avoir le plus de données possible, c’est-à-dire l’historique le plus long possible avec le plus de prospects et de clients à l’intérieur, associés au plus grand nombre d’informations disponible.
A partir de cette matière brute, un modèle statistique va identifier a posteriori quel était le profil des prospects juste avant qu’ils achètent. Par exemple, il remarquera que les acheteurs étaient à 70% des femmes ayant tel niveau de revenu, ayant visité telle page etc… Ces indications sur le profil des acheteurs sont appelés des critères discriminants, puisqu’ils différencient les acheteurs des non acheteurs.
Un scoring est généralement le fruit du travail d’un statisticien (aussi appelé Data analyst voire même Data scientist pour les plus pompeux). Il existe également des solutions CRM qui incluent un moteur de score, auquel cas un utilisateur avancé mais non statisticien (le chef des ventes par exemple) peut être autonome.
Quelles sont les limites du scoring dans le commerce ?
Tout d’abord, si vous avez moins de leads que de produits à vendre, ou tout simplement trop peu de leads pour le nombre de commerciaux à alimenter, pourquoi trier une ressource rare ? Les forces de vente devront se battre sur chacun, un point c’est tout.
Ensuite, si vous n’avez pas d’historique clients/prospects, le score ne pourra pas fonctionner. Cela arrive systématiquement à la sortie d’un nouveau produit, sur lequel par essence il n’y a pas d’historique de ventes. Le scoring trouve sa place dans les catalogues stables, avec des durées de vie de produits de plusieurs années. Si votre marché et les habitudes de vos clients évoluent régulièrement, le modèle ne prendra pas en compte ses changements non plus. Il éclaire l’avenir sur la base de ce qu’il s’est passé dans le passé.
Par ailleurs, si vous savez peu de choses sur vos clients (pas de civilité, zone géographique, ni d’historique de la relation commerciale), le modèle statistique ne réussira pas à distinguer les leads entre eux.
Enfin, si vous avez bien tout ça mais que l’info est dans les cahiers de vos commerciaux, c’est comme si vous n’aviez rien. L’information doit être consolidée dans une base de données, ce qui veut dire la plupart du temps que vous êtes déjà équipé(e) d’une solution CRM depuis quelques années déjà.
Le scoring est donc un outil pour les forces commerciales structurées, outillées, sur des business pérennes. Sous ces conditions, il peut être un réel levier de génération de valeur.