Un modèle de scoring prédit la probabilité de conversion des leads marketing B2B pour concentrer les commerciaux sur les bons comptes.
Le marketing génère des leads via formulaires, webinars et salons, mais les commerciaux traitent tous les contacts dans l'ordre d'arrivée, sans priorisation fiable. Une partie du temps commercial est consacrée à des leads qui ne convertiront jamais, pendant que des comptes à fort potentiel attendent un rappel.
Le coût du statu quo se mesure en cycle de vente allongé et en taux de transformation faible. Si les commerciales traitent en priorité les 20 % de leads les plus prometteurs, le volume de rendez-vous qualifiés par semaine pourrait progresser sensiblement, à effectif constant.
La démarche part d'un audit du CRM pour reconstituer un historique propre de leads avec leur issue finale, gagné, perdu ou inactif. Les variables comportementales, firmographiques et d'engagement sont assemblées dans un entrepôt unique via dbt, avec une fenêtre d'observation cohérente pour éviter toute fuite de données temporelle.
Un modèle XGBoost est entraîné pour produire un score de probabilité de conversion par lead, avec une calibration des probabilités pour que le score reste interprétable par les équipes commerciales. Une analyse d'importance des variables par valeurs de Shapley permet d'expliquer chaque score individuellement et de documenter les facteurs qui pèsent sur la décision.
Le score est intégré dans le CRM via une API Cloud Run, avec recalcul quotidien, et un tableau de bord Looker Studio permet au marketing de suivre la qualité des leads générés par campagne.
Si les commerciaux concentrent leur effort sur les 20 % de leads au score le plus élevé, le taux de conversion global pourrait progresser de façon notable, à condition que l'historique CRM soit suffisamment fourni et que la définition de lead gagné reste stable dans le temps. Le gain réel dépend aussi de l'adoption du score par les équipes terrain.
Généralement deux à trois mois après la mise en production, le temps que les commerciaux ajustent leurs priorités et que le cycle de vente se referme sur les premiers leads bien scorés.
Non, le score est une aide à la priorisation. Le commercial garde la décision finale et peut signaler les écarts, ce qui alimente aussi l'amélioration continue du modèle.
Un audit préalable identifie les manques. Si l'historique est trop pauvre, une phase de collecte structurée de trois à six mois peut être nécessaire avant d'entraîner un modèle fiable.
Nous le cadrons, le construisons et le mettons en production. Ou nous formons vos équipes à le faire.
Nous utilisons des cookies de mesure d'audience et de suivi publicitaire pour comprendre la fréquentation du site et l'efficacité de nos annonces. Rien n'est déposé sans votre accord. En savoir plus