Construire un score à partir des données du CRM, pas des intuitions

Sommaire

Le score de leads naît souvent d’une réunion. Chacun propose des points pour les gestes qui lui semblent révélateurs, un seuil rond est retenu, et l’outil d’automatisation fait le reste. Quelques mois plus tard, les commerciaux ne regardent plus le score, et ils ont raison : il mesure l’activité, pas la probabilité d’acheter.

Le problème n’est pas l’idée de scorer. C’est la méthode : un score décrété à partir des intuitions de chacun ne peut pas être juste, et surtout, personne ne peut vérifier s’il l’est. Un score utile se construit à rebours, à partir de ce que le CRM sait déjà des affaires gagnées et perdues, et se contrôle avec les mêmes données.

À quoi sert un score, et à quoi il ne sert pas

Un score sert à une chose : décider dans quel ordre, et à quel moment, un contact reçoit l’attention d’un commercial. Il alimente la règle de transmission entre marketing et vente. Cette règle, ses définitions et la limite qu’il faut poser au score (ordonner une file, pas exclure un contact) sont l’objet de l’article sur la qualification d’un lead ; on ne les redéfinit pas ici. Cet article traite de la fabrication du chiffre qui la déclenche.

Dans un dispositif de génération de leads, c’est le point où le volume collecté devient une file de travail pour la vente. Un score ne sert pas à juger une campagne, ni à mesurer l’engagement en général, ni à remplacer une conversation. Un score qui essaie de tout faire finit par ne rien prédire.

Partir des affaires déjà dans le CRM

Avant de choisir le moindre critère, il faut une base d’apprentissage : les contacts entrés sur une période passée, assez ancienne pour que leur sort soit connu. Pour chacun, trois informations :

• Le résultat : affaire gagnée, perdue, ou jamais devenue opportunité.
• Les attributs connus au moment de l’entrée : fonction, taille d’entreprise, secteur, pays, source.
• Les actions observées avant la transmission : pages vues, contenus téléchargés, demandes, réponses.

La période doit couvrir au moins un cycle de vente complet, sinon les contacts récents apparaissent à tort comme perdus. Les durées et la lecture par cohorte sont détaillées dans l’article sur les indicateurs d’un cycle de vente B2B.

Ce travail révèle souvent un problème préalable : des champs vides, une source écrasée au fil des imports, des motifs de perte non renseignés. Un score ne corrigera pas un CRM qui ne sait pas d’où viennent ses contacts ; c’est le sujet de l’article sur la source d’origine dans le CRM. Mieux vaut un score à trois critères fiables qu’un score à quinze critères dont la moitié reposent sur des champs vides.

Deux axes séparés : adéquation et engagement

Beaucoup de scores échouent parce qu’ils additionnent deux choses qui n’ont rien à voir.

L’adéquation dit qui est le contact : sa fonction, la taille et le secteur de son entreprise, sa zone géographique. Elle change peu. Elle répond à la question : si cette personne voulait acheter, serait-elle un bon client ?

L’engagement dit ce qu’il fait : demande de démonstration, visites répétées des pages qui décrivent l’offre, réponse à un e-mail, inscription à un webinaire. Il change vite. Il répond à la question : est-ce le moment ?

Additionnés, les deux axes produisent des aberrations : un étudiant très actif atteint le même score qu’un directeur d’exploitation venu une fois. Séparés, ils se lisent comme une grille.

Pondérer à partir des écarts observés

Pour chaque critère candidat, la question est la même : les contacts qui le présentent deviennent-ils clients plus souvent que les autres ? On compare, dans la base d’apprentissage, leur taux de conversion en client à celui de l’ensemble.

Un critère dont le taux reste proche de la moyenne ne mérite aucun point, même s’il paraît intuitivement important. Un critère qui fait nettement monter le taux mérite des points en proportion. Un critère qui le fait baisser mérite des points négatifs : une adresse de messagerie personnelle, une fonction sans pouvoir d’achat, un concurrent.

Dans cet exemple, la dernière ligne est la plus instructive : le téléchargement du guide, souvent le critère le mieux noté par intuition, ne distingue pas les futurs clients des autres. Il peut rester utile pour constituer une audience, mais il ne doit rien peser dans le score.

Deux précautions. Sur de petits effectifs, un taux peut varier beaucoup par hasard : un critère présent chez dix contacts ne justifie aucune conclusion. Et deux critères très liés, comme une fonction de direction et une visite de la page tarifs, ne doivent pas être comptés comme deux signaux indépendants.

L’engagement se périme

Une demande de démonstration vieille de huit mois ne dit pas la même chose qu’une demande d’hier. Les points d’engagement doivent décroître avec le temps : perdre par exemple la moitié de leur valeur après un mois sans nouvelle action, et disparaître après trois. Les durées se calent sur le cycle observé, pas sur une convention.

Sans décroissance, le score ne fait que monter. Au bout d’un an, une large part de la base dépasse le seuil, et la vente reçoit des contacts « chauds » qui n’ont rien fait depuis des mois. L’adéquation, elle, ne décroît pas ; elle se met à jour quand l’information change.

Fixer le seuil avec la vente

Le seuil ne se décide pas seul au marketing. Il se fixe en regardant, dans la base d’apprentissage, combien de contacts le dépasseraient chaque mois et quelle part d’entre eux sont devenus clients, puis en confrontant ce volume à la capacité réelle de l’équipe commerciale.

Un seuil trop bas inonde la vente, qui cesse de rappeler. Un seuil trop haut laisse dormir des contacts prêts. Le bon seuil est celui que la vente accepte de traiter dans un délai convenu, et dont elle constate, après quelques semaines, que les contacts transmis valent l’appel. Le même seuil sert ensuite de porte dans les scénarios automatisés, comme condition de sortie vers la vente, ainsi que le montre l’exemple de scénario avec ses conditions de sortie.

Contrôler le score : les taux de passage par tranche

Un score se vérifie avec une seule lecture : découper les contacts en tranches de score au moment de leur transmission, et comparer, par tranche, les taux de passage aux étapes suivantes (accepté par la vente, rendez-vous tenu, opportunité, client).

Si le score fonctionne, les taux montent avec les tranches, nettement. S’ils restent à peu près plats, le score ne prédit rien, quelle que soit l’élégance de sa grille. Si une tranche intermédiaire convertit mieux que la plus haute, un critère est surpondéré.

Une revue périodique, et des motifs de rejet

Les critères qui prédisaient l’an dernier ne prédisent plus forcément : l’offre change, les canaux d’acquisition aussi, la cible se déplace. Une revue trimestrielle ou semestrielle reprend le contrôle par tranche, vérifie les critères les plus lourds et ajuste le seuil.

L’outil le plus utile à cette revue est un champ obligatoire, côté vente, pour tout lead transmis puis rejeté : un motif choisi dans une liste courte (hors cible, pas de projet, déjà client, injoignable). Ces motifs montrent directement quel critère trompe le score. La méthode reste la même quel que soit l’outil qui calcule.

Ce que dit le RGPD

Un score attribué automatiquement à partir des données d’un contact correspond à la définition du profilage donnée par l’article 4, point 4, du RGPD : un traitement automatisé de données personnelles destiné à évaluer certains aspects d’une personne, notamment à analyser ou prédire ses intérêts ou son comportement. Il faut donc le traiter comme tel : en informer les personnes, et respecter le droit d’opposition, que l’article 21 étend expressément au profilage lié à la prospection.

L’article 22 vise autre chose, et il ne faut pas le surinterpréter. Il donne le droit de ne pas faire l’objet d’une décision fondée exclusivement sur un traitement automatisé, produisant des effets juridiques ou affectant la personne de manière significative. La CNIL illustre ce cas par un refus de crédit décidé par un algorithme, sans intervention humaine. Un score qui ordonne la file d’appel d’un commercial, lequel décide ensuite de la suite, s’en distingue. La question se pose autrement si le score sert à refuser un service, à fixer un prix ou à écarter une demande sans regard humain : c’est alors un avis juridique qu’il faut demander. Le cadre général de la collecte et de l’information est repris dans l’article sur l’impact du RGPD sur la conformité des données.