因此，技术变得越来越智能。营销团队可以使用人工智能进行潜在客户评分。团队可以根据过去交易的历史记录预测哪些潜在客户更有可能成为 SQL。例如，如果潜在客户表现出与两年前达成的交易相似的特征，那么你很可能预计他们会在两个月后达成交易，对吗？也许吧。或者可能是决策过程在过去两年中发生了变化，以前有效的方法现在不再有效。更糟糕的是，如果你的人工智能模型没有随着这些行为的变化而不断学习，那么两年前有效的方法可能会让客户现在的行为看起来像是良好的潜在客户行为，而实际上并非如此。这可能只是一个竞争对手在搜索你最新的价值主张。
意图评分
将意向评分添加到组合中，您最终会根据潜在客户的搜索内容来定位潜在客户，而不是确定谁处于客户旅程的购买阶段。
营销人员知道，销售团队只想与表现出漏斗底部活动的合格买家打交道。瑞士 whatsapp 他们希望能够与有预算、权限、需求和时间表的潜在客户打交道。但要将这些客户与非常活跃的 MQL 区分开来非常困难，对吧？但如果不必如此呢？如果有一种方法可以准确地看到营销合格线索何时成为销售合格线索，甚至哪些类型的活动表明了购买行为，那会怎样？
BANT 方法是 一种可以帮助营销和销售团队确定哪些潜在客户符合销售要求的方法。BANT 代表“预算、权限、需求和时间表”。如果潜在客户对您的服务有切实的 需求，需要尽快 提供类似您的解决方案 ，有 可用预算 ，并且具有 决策权 （或可以将您与具有此权限的人联系起来），则此人很可能是合格的潜在客户。
虽然久经考验的方法仍然有效，但我和我的合伙人希望了解如何使用人工智能和深度学习更有效地区分 MQL 和 SQL，并根据它们各自的漏斗阶段相应地与它们互动。因此，我们开发了 Click360，这是一个软件平台，可以考虑潜在客户来自哪里以及表明购买意向的网站上的行为模式和顺序。不是“他们最近搜索了什么？”这种意图，而是“我们需要将这个人作为 SQL 引导到销售中”这种意图。“这个机会很可能在两周内以 100,000 美元的价格成交”这种意图。
通过使用一种称为深度学习的增强智能，这些类型的工具可以理解所有客户活动，从而准确确定潜在客户在客户旅程中的位置。对于营销人员来说，这意味着确切了解如何在整个 MQL 流程中吸引和培养潜在客户，并确切知道潜在客户何时成为 SQL。不再需要猜测和希望。一旦学习到的行为表明是时候让销售团队参与进来了，营销人员（或 CRM）就可以将潜在客户标记为高度合格、随时可以成交的 SQL，并将其无忧无虑地传递给销售团队。
