Case Study | Atrybucja i CRM

Jak firma średniej wielkości naprawiła atrybucję i przekazywanie leadów do CRM

BiViSee pomogło anonimowej firmie średniej wielkości ponownie połączyć działania marketingowe z danymi o szansach sprzedaży w CRM, naprawić przekazywanie leadów do sprzedaży i sprawić, że raportowanie pipeline’u stało się bardziej przydatne przy decyzjach o wzroście.

91% szans sprzedaży miało poprawny kontekst pozyskania, wzrost z 54%
Mediana czasu przypisania leada spadła z 17 godzin do 2,8 godziny
Czas przygotowania miesięcznego raportu pipeline’u spadł z dwóch dni do trzech godzin

W skrócie

Firma miała analitykę marketingową, CRM i regularne raportowanie pipeline’u, ale te systemy nie pokazywały tej samej historii.

Dane o źródłach były niespójne, etapy cyklu klienta były używane inaczej przez różne zespoły, a ważny kontekst kampanii lub konwersji znikał, zanim rekord trafiał do sprzedaży.
Zarząd widział aktywność i zamknięty przychód, ale ścieżka między nimi była niewiarygodna.

BiViSee zdiagnozowało problem jako blokadę w atrybucji i przekazywaniu leadów do CRM, a nie jako problem samego dashboardu.
Współpraca objęła naprawę zasad śledzenia, porządku w polach CRM, definicji etapów, logiki kierowania i raportowania od pierwszego kontaktu do utworzenia szansy sprzedaży.

Kontekst klienta

Klientem była anonimowa firma średniej wielkości z wieloma kanałami pozyskania i kilkuetapowym procesem zakupu B2B.

Marketing musiał rozumieć, które kanały i ścieżki konwersji tworzą kwalifikowany pipeline.
Sprzedaż potrzebowała wystarczającego kontekstu, aby ustalać priorytet i kontynuować każdą rozmowę.
Zarząd potrzebował spójnego obrazu wkładu marketingu w pipeline bez ręcznego uzgadniania arkuszy przed każdym przeglądem.

Główne pytanie brzmiało:

Czy możemy ufać ścieżce od źródła marketingowego do szansy sprzedaży w CRM na tyle, aby podejmować decyzje o budżecie i pipeline?

Początkową blokadą była przerwana ciągłość między analityką a CRM.

Początkowa blokada

Problem pojawiał się w kilku punktach przekazania danych:

Wartości UTM i źródła były nadpisywane, dublowane albo sprowadzane do „direct”.
Zgłoszenia z formularzy nie zawsze przenosiły kontekst strony, oferty, kampanii lub intencji.
Etapy cyklu klienta i szans sprzedaży nie miały wspólnych zasad wejścia i wyjścia.
Duplikaty rekordów oddzielały aktywność od firmy lub szansy sprzedaży.
Dashboardy mieszały utworzenie leada, wpływ marketingu i utworzenie szansy sprzedaży bez jasnych definicji atrybucji.

Wskaźniki początkowe

Punkt wyjścia:

Okres bazowy obejmował audyt pól i rekordów dla 2 186 przychodzących rekordów oraz 164 szans sprzedaży utworzonych w ciągu 6 miesięcy przed wdrożeniem.

Mierzono:

Kompletność wymaganych pól według źródła i formularza

Odsetek rekordów z możliwym do przypisania pierwotnym źródłem

Czas od konwersji przychodzącej do przypisania właściciela i pierwszego działania sprzedaży

Odsetek duplikatów i niedopasowanych kontaktów oraz firm

Zgodność między konwersjami w analityce, rekordami w CRM i raportami szans sprzedaży

Tylko 54% szans sprzedaży miało poprawny rekord pierwotnego źródła, kampanii i ścieżki konwersji.
Wymagane pola do przekazania leada były kompletne w 63% przychodzących rekordów.
Mediana czasu od wysłania formularza do przypisania właściciela wynosiła 17 godzin, a duplikaty lub niedopasowane rekordy stanowiły 12% badanej grupy.
Miesięczne uzgadnianie analityki z CRM pokazywało 23% różnicy, a przygotowanie raportu pipeline’u dla zarządu zajmowało około dwóch dni roboczych.

Diagnoza

BiViSee wskazało pięć połączonych przyczyn:

Niespójne śledzenie

Dane o pozyskaniu były zbierane inaczej na różnych stronach i platformach.

Brak porządku w polach CRM

Zespoły nie miały wspólnego słownika danych ani zasad odpowiedzialności za pola.

Niejasne etapy cyklu klienta

Marketing i sprzedaż używały podobnych nazw etapów dla różnych zdarzeń.

Utrata kontekstu przy przekazaniu

Ważny kontekst nie trafiał do rekordu CRM, który otrzymywała sprzedaż.

Niejasne raportowanie

Dashboardy odpowiadały na różne pytania o atrybucję, ale nie opisywały modelu ani ograniczeń.

companies-and-brands operational standards 01

Podjęte działania

1. Mapowanie ścieżki od źródła do szansy sprzedaży

BiViSee opisało każde kluczowe zdarzenie od reklamy lub wizyty organicznej, przez wypełnienie formularza, utworzenie rekordu w CRM, przypisanie właściciela, kwalifikację i utworzenie szansy sprzedaży.

2. Standaryzacja danych o pozyskaniu

Pierwotne źródło, ostatnie źródło, kampania, landing page, materiał konwersji i kontekst zgody zostały oddzielone i uporządkowane, aby późniejsza aktywność nie kasowała pierwszej znanej ścieżki pozyskania.

3. Naprawa mapowania konwersji i CRM

Formularze, ukryte pola, integracje, zasady usuwania duplikatów i dopasowanie firm były testowane od początku do końca.

4. Uzgodnienie definicji etapów

Marketing i sprzedaż uzgodniły definicje etapów, właścicieli, wymagane pola, powody odrzucenia i zdarzenia, które przesuwają rekord do przodu lub cofają go w procesie.

5. Poprawa kierowania i przekazania leadów

Rekordy były kierowane według dopasowania i intencji, razem z krótkim pakietem kontekstu: źródłem, stroną, ofertą, wskazaną potrzebą, istotną aktywnością i zainteresowaniem konkretną usługą.

6. Przebudowa raportowania pipeline’u

Raporty oddzielały źródło, wpływ marketingu, utworzenie szansy sprzedaży, wartość pipeline’u i przychód. Każdy widok opisywał użyty model atrybucji i wykluczenia.

Timeline

Faza	Czas	Wykonane prace
Diagnoza	Tygodnie 1-2	Audyt pól, zdarzeń, integracji, etapów cyklu klienta, duplikatów i raportów
Naprawa danych i śledzenia	Tygodnie 3-6	Standaryzacja zasad źródeł, mapowania, zachowania danych i kontroli jakości
Uzgodnienie przekazania	Tygodnie 7-9	Zdefiniowanie etapów, kierowania, wymaganego kontekstu, właścicieli i powodów odrzucenia
Walidacja raportowania	Tygodnie 10-12	Uzgodnienie analityki, CRM, szans sprzedaży i widoków pipeline’u

Wyniki

W ciągu 3 miesięcy od wdrożenia 91% nowo utworzonych szans sprzedaży miało poprawny kontekst pozyskania i konwersji, w porównaniu z 54% wcześniej.
Kompletność wymaganych pól do przekazania leada wzrosła z 63% do 94%, a udział duplikatów lub niedopasowanych rekordów spadł z 12% do 4%.

Mediana czasu przypisania leada spadła z 17 godzin do 2,8 godziny.
Różnica między konwersjami w analityce a rekordami w CRM zmniejszyła się z 23% do 6%.
Sprzedaż otrzymywała bardziej spójne informacje przy przekazaniu, a miesięczny raport pipeline’u można było przygotować w 3 godziny zamiast w 2 dni robocze.

Wynik: Kompletność atrybucji szans sprzedaży wzrosła z 54% do 91%, mediana czasu przypisania spadła o 84%, a czas przygotowania miesięcznego raportu spadł z 2 dni do 3 godzin.

Metoda pomiaru

Rekomendowana definicja:

Kompletność atrybucji to odsetek kwalifikujących się rekordów i szans sprzedaży w CRM, które mają poprawny oraz uporządkowany kontekst pozyskania i konwersji.
Niezawodność przekazania to odsetek rekordów skierowanych z wymaganymi informacjami o dopasowaniu, intencji, właścicielu i follow-upie.

Rekomendowane porównanie:

Okres bazowy: 2 186 przychodzących rekordów i 164 szanse sprzedaży utworzone w ciągu 6 miesięcy przed naprawą.
Okres po wdrożeniu: rekordy utworzone w 3. miesiącu po stabilizacji, z użyciem tych samych źródeł, typów formularzy i definicji szansy sprzedaży.

Co zmieniło się operacyjnie

AI Visibility Loss - What BiViSee Diagnoses

Po współpracy:

Marketing i sprzedaż używały wspólnych definicji etapów oraz przekazywania leadów.
Dane o źródle były zachowywane zamiast nadpisywane przez późniejszą aktywność.
Sprzedaż otrzymywała kontekst potrzebny do ustalenia priorytetu follow-upu.
Raporty pipeline’u opisywały modele atrybucji i wykluczenia.
Monitorowanie jakości danych stało się częścią normalnej pracy.

Powiązane obszary

Napraw luki w atrybucji

Analityka i atrybucja

Marketing automation i CRM

Potrzebujesz widoku pipeline’u, któremu zespoły mogą ufać?

BiViSee pomoże ustalić, gdzie psują się dane o pozyskaniu, definicje etapów, kierowanie w CRM albo raportowanie szans sprzedaży.

Umów diagnozę atrybucji i CRM