Lead-classificatie met onderbouwing

De situatie

Een B2B-softwarebedrijf met een klein sales-team krijgt leads binnen via drie kanalen: een contactformulier, een whitepaper-download, en de scans op beurzen. Het CRM (HubSpot of Pipedrive, soms zelfs Notion) vult zich met namen, e-mailadressen, en een veld "interesse" dat niemand consequent invult.

De sales-mens belt het liefst de leads die ergens uit blijken te komen, maar ergens uit blijken te komen kost zelf al twintig minuten per lead. LinkedIn opzoeken, kijken of de bedrijfswebsite klopt, vermoeden of dit serieus is of een student.

Een klassieke lead-score (punten per actie, mailen, downloaden, bezoeken) zegt iets, maar niet waarom. Een score van 73 is geen argument om iemand te bellen.

Wat we deden

We bouwen geen scoring-platform. We bouwen een dagelijks lijstje.

Voor iedere binnenkomende lead haalt het systeem publiek beschikbare informatie op: bedrijfsgrootte uit KvK, sector, locatie, eventueel een vermelding op hun eigen site over de relevante softwarestack. Geen scraping van gated content, alleen wat openlijk te vinden is.

Daarna een korte beschrijving per lead: wat is dit voor bedrijf, wat zoeken ze waarschijnlijk, welk product van ons sluit aan, wat is een redelijke openingsvraag bij het eerste gesprek. Niet als verkooppraatje, als briefing voor de sales-mens.

Sales krijgt elke ochtend een lijst van vijf tot tien leads in prioriteit-volgorde, met argumenten. De volgorde mag hij overrulen, het systeem onthoudt dat voor de volgende dag. Geen score zonder verklaring, wel een lezer-vriendelijke onderbouwing.

Wat het opleverde

De tijd tussen "lead binnen" en "eerste menselijke aanraking" zakt van dagen naar uren. Niet omdat het systeem belt, maar omdat de sales-mens niet meer hoeft te zoeken voor hij belt.

Wat ook gebeurt: de slechte leads worden zichtbaar herkend in plaats van vermoed. Een student die een whitepaper downloadt om een scriptie te schrijven krijgt een korte vriendelijke mail, geen telefoontje. Dat scheelt tijd aan twee kanten.

De sales-mens leest na een week wat voor leads echt converteerden en welke argumenten daar onder lagen. Dat verbetert zijn eigen handmatige inschatting voor de leads waar het systeem twijfelt.

Wat dit niet was

Geen autopiloot voor sales. Een leesbare prioriteringslijst met onderbouwing per lead, niet een score zonder context.