Скоринг заявок — это оценка каждого лида баллом по вероятности покупки: чем выше балл, тем быстрее до него должен дозвониться отдел продаж. Он строится на признаках заявки — источнике, времени на сайте, поле «бюджет», повторных визитах — и переводит интуицию менеджера в цифру. Результат: конверсия в сделку растёт без увеличения расходов на трафик, потому что вы звоните нужным людям раньше конкурентов.
Что такое скоринг заявок и зачем он нужен
Скоринг заявок — это система баллов, которая ранжирует входящие лиды по готовности купить: горячие — сверху, случайные — внизу. Вместо звонков строго по времени поступления заявки менеджер видит приоритет и тратит первые минуты на тех, кто реально готов платить. Задача скоринга — не заменить продавца, а сэкономить его самый дефицитный ресурс: скорость первого звонка, от которой напрямую зависит конверсия в сделку.
Без скоринга все заявки выглядят одинаково: и человек, оставивший телефон в три часа ночи с одного клика по объявлению, и клиент, который пять раз возвращался на сайт, сравнивал тарифы и дочитал кейсы. Менеджер звонит по очереди — и упускает вторых, пока разбирается с первыми. При растущем потоке заявок это не мелочь: скорость реакции на горячий лид падает, а вместе с ней падает конверсия отдела продаж, хотя рекламный бюджет и качество трафика не изменились.
Как работает скоринг — от сырых данных до балла
Скоринг работает в три шага: собрать признаки заявки, присвоить каждому вес в баллах, сложить сумму и сравнить с порогом. Данные приходят из формы, звонка, Яндекс Метрики и CRM; веса задаёт маркетолог или продажник по опыту — какие признаки реально коррелируют с оплатой; итоговый балл сортирует заявки в очереди у менеджера, от «звонить сейчас» до «в конец списка».
Пример логики: заявка с указанным бюджетом и телефоном, пришедшая с брендового запроса, получает +30 баллов; заявка без имени, с одноразовой почтой и временем на сайте 4 секунды — 0 или отрицательный балл. Пороги настраивают под нишу: там, где чек выше, порог для «горячего» лида можно поднять, чтобы не тратить время продажника на менее платёжеспособных. Скоринг не требует сложной аналитики на старте — рабочую таблицу с весами можно собрать в CRM или даже в обычных таблицах за один день, а веса потом постепенно уточнять по факту сделок.
Какие признаки учитывать в модели скоринга
В модель стоит включать признаки, которые статистически связаны с покупкой: заполненность формы, поведение на сайте, источник трафика и скорость реакции на первый контакт. Чем конкретнее признак и чем проще его измерить автоматически, тем надёжнее скоринг — субъективные оценки «кажется, клиент серьёзный» в модель не годятся.
| Признак | Что показывает | Вес (пример) |
|---|---|---|
| Указан бюджет или сумма заказа | Готовность платить | Высокий |
| Повторные визиты на сайт | Осознанный интерес | Средний–высокий |
| Источник — брендовый запрос или рекомендация | Тёплый трафик | Высокий |
| Источник — РСЯ с широким таргетингом | Холодный трафик | Низкий |
| Время на сайте меньше 5 секунд | Случайный клик или бот | Отрицательный |
| Одноразовая почта, нет имени | Подозрение на мусорную заявку | Отрицательный |
| Ночная заявка с мобильного без региона | Риск нецелевого лида | Низкий |
Веса — не универсальная константа, а стартовая гипотеза под конкретную нишу: в одной отрасли повторный визит важнее источника, в другой наоборот. Правило простое — начните с 5–7 признаков, а не с двадцати: модель, которую никто не может объяснить за минуту, никто и не будет использовать в ежедневной работе.
Источники данных для скоринга
Данные для скоринга берут из четырёх мест: сама форма заявки, разговор с менеджером, веб-аналитика и CRM. Форма даёт explicit-данные — то, что человек написал сам; Метрика — поведенческие: сколько был на сайте, откуда пришёл; звонок — качественные: адекватность речи, конкретность вопроса; CRM — исторические: было ли уже обращение, на какой стадии сделка.
Самый частый провал — данные лежат в четырёх разных местах, и никто их не сводит: форма в одной таблице, звонки в другой системе, Метрика открывается по требованию, а CRM живёт своей жизнью. Чтобы скоринг работал автоматически, а не вручную раз в неделю, источники нужно свести в одну сквозную картину — как это сделать без дорогих сервисов, разобрано в статье про сквозную аналитику без Roistat. Когда данные собраны в одном месте, балл пересчитывается по каждой новой заявке автоматически, а не ищется вручную по разным вкладкам — это же снимает часть рутины, которую иначе закрывают ИИ-отчётами.
Модели скоринга — правила вручную или автоматика
Модель скоринга можно построить тремя способами: вручную прописанными правилами, автоматической моделью на исторических данных или гибридом. Для старта в большинстве случаев хватает ручных правил — они прозрачны, их видно и легко поправить; автоматика имеет смысл, когда заявок в месяц уже сотни и накопилась история сделок, на которой можно обучить алгоритм. Оценить готовность конкретной заявки к покупке можно ИИ-квалификатором заявок.
| Способ | Когда подходит | Плюс | Минус |
|---|---|---|---|
| Ручные правила | Заявок немного, история только копится | Прозрачно, запуск за день | Веса подбираются на глаз |
| Автоматическая модель | Сотни заявок в месяц, есть история сделок | Ловит скрытые закономерности | Нужны данные и настройка, «чёрный ящик» |
| Гибрид (правила + правка по факту) | Средний поток, важна скорость запуска | Быстрый старт с постепенным уточнением | Требует регулярного пересмотра весов |
Правильная последовательность — не наоборот: сначала ручные правила и месяц-два наблюдений, потом, если данных достаточно, переход на автоматику или гибрид. Автоматическая модель без истории сделок просто нечему учиться, и на старте она угадывает не лучше монетки.
Скоринг и приоритет звонков — кому звонить первым
Звонить нужно по убыванию балла, а не по времени поступления заявки: сначала — все, кто набрал выше порога «горячий», затем «тёплые», «холодные» — по остаточному принципу или вообще не в первый день. Это разворачивает логику работы отдела продаж: очередь строит не время подачи заявки, а вероятность оплаты.
На практике это означает физическую перестройку очереди в CRM: горячие заявки должны быть визуально отделены от остальных, а не тонуть в общем списке по дате. Первые 5–15 минут после заявки — окно, в котором вероятность дозвона и согласия на разговор выше всего; скоринг определяет, кому эти минуты достанутся в первую очередь при нескольких одновременных обращениях. Если два лида набрали одинаковый высокий балл, добавьте второй критерий сортировки — например, ожидаемый размер сделки: он редко совпадает даже у похожих заявок.
Как скоринг снижает нагрузку на бюджет трафика
Скоринг не снижает цену клика и не добавляет показов — он поднимает долю заявок, доведённых до сделки, из того же потока лидов. Если из 100 заявок сейчас закрывается 8, а после внедрения скоринга и приоритетного обзвона — 11, это те же деньги на трафик, но заметно больше продаж без единой лишней копейки в Директе.
Важно понимать границы метода: скоринг работает поверх уже настроенного трафика, а не вместо его оптимизации. Если бюджет утекает по другим причинам — слитые показы, нецелевые площадки, перерасход без контроля, — начинать нужно оттуда: с разбора, почему Директ слил бюджет и как это остановить, и с материала о перерасходе бюджета в Директе. Скоринг — надстройка над здоровым трафиком, а не лекарство от плохо настроенных кампаний.
Скоринг против мусорных заявок и ботов
Скоринг автоматически выявляет мусорные заявки — ботов, случайные клики, обращения от конкурентов и парсеров — потому что у них типовой профиль: время на сайте секунды, нет реального имени или телефона, повторяющийся паттерн заполнения формы. Такие заявки получают ноль или отрицательный балл и не долетают до менеджера — вместо ручной чистки список сразу приходит без шлака.
Это не отменяет фильтрацию на уровне самого трафика: скоринг работает с тем, что уже дошло до формы, а часть мусора выгоднее отсекать раньше, на уровне показов и кликов. Для этого есть отдельный набор инструментов — подборка для чистого трафика закрывает то, что скоринг только маскирует постфактум. Комбинация обеих мер сильнее по отдельности: чистый трафик снижает долю мусора на входе, скоринг отсекает то, что всё равно просочилось. Больше материалов по теме — в разделе Боты.
Как внедрить скоринг заявок пошагово
Внедрение скоринга — это пять шагов: выгрузить историю заявок за 2–3 месяца, отметить, какие из них закрылись сделкой, найти признаки, которые чаще встречаются у купивших, присвоить им веса и завести правило сортировки в CRM или таблице. На пилот от идеи до рабочей шкалы баллов обычно уходит 1–2 недели, если данные уже собираются, и дольше — если их приходится сводить вручную из разных источников.
Частые ошибки при внедрении
Три типичные ошибки убивают пользу скоринга ещё на старте. Первая — слишком много признаков сразу: модель с 20 весами никто не может объяснить, и её перестают доверять уже через неделю. Вторая — веса выставили один раз и забыли: рынок и трафик меняются, а шкала баллов — нет, и через пару месяцев она начинает врать. Третья — менеджеры не верят баллу и звонят по привычке: без явного правила «сначала горячие» скоринг остаётся красивой таблицей, которую никто не открывает. Чтобы этого избежать, скоринг стоит встроить в ежедневную рутину, а не превращать в отдельный ритуал раз в месяц: подборка инструментов для ежедневной работы с рекламой и заявками подходит и для этой задачи — держит скоринг на виду, а не в архиве.
Разобрали теорию; практику закрывает Качество заявок: слой предиректа.
Частые вопросы
Сколько заявок нужно, чтобы скоринг заработал?
Ручные правила можно запускать хоть с первой заявки — веса ставятся по здравому смыслу и опыту продаж. Для автоматической модели, которая сама находит закономерности, нужна история минимум в несколько десятков закрытых сделок — иначе алгоритму не на чем учиться.
Можно ли сделать скоринг без CRM, в таблице?
Да, на старте этого достаточно: таблица с признаками и весами, куда менеджер вручную или через выгрузку из формы вносит новую заявку и получает балл. CRM нужна, когда поток заявок вырастает настолько, что ручной ввод занимает больше времени, чем экономит.
Как часто пересматривать веса скоринга?
Раз в месяц-два, сверяя, какие заявки с высоким баллом реально закрылись сделкой, а какие нет. Если высокобалльные заявки перестали конвертироваться так же хорошо, значит, изменился трафик или поведение аудитории — веса пора пересчитать.
Скоринг заменяет квалификацию лида на звонке?
Нет, он её ускоряет: балл определяет, кому звонить в первую очередь, а не отменяет разговор с менеджером. Итоговое решение «покупает — не покупает» всё равно принимает человек по факту разговора, скоринг только сортирует очередь.
Что делать, если два лида набрали одинаковый высокий балл?
Добавить в модель второй критерий сортировки — например, потенциальный размер сделки или срочность обращения. Одинаковый балл — сигнал, что в модели не хватает признака, различающего именно такие случаи.
