Chấm điểm và phân loại khách để lại thông tin
inbound-lead-qualifier
Phân tích khách điền form hoặc xin demo, chấm điểm độ phù hợp, nhu cầu, mức khẩn, sinh câu hỏi sàng lọc, chuyển đúng nhân viên và gợi ý lời chào đầu.
Tải miễn phí. Theo dõi Skilnexa một lần là mở khoá mọi lượt tải trên web.
Nó là gì
Chấm điểm khách vừa để lại thông tin qua form hoặc yêu cầu demo theo mức phù hợp, ý định mua và độ gấp, rồi gợi ý người bán phụ trách và câu mở đầu. Dùng khi có nhiều khách cần xếp thứ tự gọi.
Hoạt động ra sao
AI chấm trên thang 100: phù hợp hồ sơ khách 40 điểm, ý định 30, độ gấp 30. Điểm 80-100 gọi trong một giờ, dưới 40 chỉ nuôi dưỡng và không gọi. Đầu ra là phiếu phân tích có câu hỏi sàng lọc và gợi ý liên hệ đầu tiên.
Ví dụ ứng dụng
- Tình huống
- Công ty phần mềm nhận 20 yêu cầu demo trong một tuần và cần biết nên gọi ai trước.
- Bạn đưa vào
- Thông tin khách gồm tên, công ty, quy mô, trang đã xem và câu ghi chú cần gấp trong tuần này.
- Bạn nhận được
- Phiếu chấm điểm mức nóng hoặc ấm, thời hạn gọi, bốn câu hỏi bắt buộc cùng ba câu nên hỏi, và câu mở đầu nên gửi.
Ví dụ minh họa theo quy trình trong tài liệu gốc, chưa phải kết quả thử chạy.
Dùng khi nào
Khi có nhiều khách để lại thông tin cùng lúc và cần biết gọi ai trước.
Các phần chính trong hướng dẫn
- Hướng dẫn thực hiện
- Khung chấm điểm khách
- Định dạng đầu ra
Xem mô tả gốc của tác giả (tiếng Anh)
Analyze inbound leads (form fills, demo requests) and score based on ICP fit, intent, and urgency. Auto-generates qualification questions, routes to right rep, and suggests personalized first touch. Use for qualifying and routing inbound leads at scale.
Chi tiết tính năng
- Hi [Name], this is [Your Name] from [Company].
- I see you requested a demo about 30 minutes ago - thanks for your interest!
- Quick question before I show you around: what's prompting you to look at [product category] right now?
- Got it. And are you currently using [competitor/manual process]?
- Perfect. Let me show you exactly how we solve that...
- Subject: Re: Demo Request - [Company Name]
Cùng nhóm Nghiên cứu
- Kiểm tra và tối ưu trang ứng dụng trên App Store, Google PlayĐánh giá trang ứng dụng trên App Store hoặc Google Play: từ khóa, mức độ hiển thị, tỷ lệ tải, và so sánh với đối thủ từ đường dẫn bạn đưa.
- Nghiên cứu đối thủ và tạo thẻ so sánh tương tácNghiên cứu đối thủ rồi tạo một tệp HTML có thẻ đối thủ bấm được, bảng so sánh tính năng và giá.
- Theo dõi đối thủ và tổng hợp bản tóm tắt định kỳChọn nhóm đối thủ, thu thập website, blog, giá, mạng xã hội, thứ hạng tìm kiếm, so với lần chạy trước và viết bản tóm tắt, qua Hyper MCP.
- Soạn tin tiếp cận cá nhân hóa từ dữ liệu Common RoomViết email hoặc tin nhắn cho một người dựa trên tín hiệu thật từ Common Room, thiếu dữ liệu thì tìm web bổ sung và hỏi lại bạn, không bịa.
- Tra cứu một người liên hệ bằng dữ liệu Common RoomTra cứu một người theo tên hoặc email trong Common Room và cho biết có phải khách nóng không; chỉ nêu mục có dữ liệu thật, không đoán.
- Sửa bài viết máy móc cho giống người viếtChỉ ra các dấu hiệu văn do máy viết, chấm mức nghiêm trọng, rồi viết lại với nhịp câu đa dạng và chi tiết cụ thể hơn.
Phần giải thích do Skilnexa viết sau khi đọc toàn bộ tài liệu gốc của tác giả và đã đối chiếu lại với nội dung gốc. Chưa phải kết quả thử chạy, nên hãy thử bằng dữ liệu giả trước khi dùng cho việc thật.