预测性自动化：在客户行为发生之前预测其行为。

快速反应固然重要，但提前预判更为关键。大多数营销团队会在用户行为发生后（例如打开邮件、填写表单、访问页面等）才触发相应的操作。

我们称之为响应式自动化，它与预测式自动化有所不同。响应式自动化基于 CRM 系统中的现有数据，预先识别即将发生的行为。然后，它拥有所有必要的数据来提前准备响应。

响应式自动化和预测式自动化有何区别？

传统自动化的工作原理相当简单。如果发生 X，则必须触发 Y。

• 联系人下载白皮书？培育流程启动。
• 潜在客户访问定价页面？销售提醒触发。

预测自动化则反其道而行之。它利用您的历史数据构建统计模型，能够预测此类联系、此情境、此过往行为，在未来 14 天内有 X% 的概率完成购买。基于此预测，即使在购买信号出现之前，也会触发相应的操作。

这就是给潜在客户打电话是因为他们刚刚再次访问了您的网站，还是因为他们的个人资料与两周内签约的客户相匹配而给他们打电话的区别。

行为数据：预测的原材料

没有数据就无法进行预测，而这些数据需要特定的架构。预测自动化依赖于您在 CRM 中找到的行为历史记录的质量和深度。行为历史记录越丰富、越精确、越集中，预测模型就越可靠。预测未来行为最有价值的数据并非您通过表单收集的数据。

这是隐含数据：访问的页面及其顺序、过去 30 天的会话频率、在特定部分花费的时间、多次打开的电子邮件以及下载的文档。这些是微行为信号，在单次互动中肉眼无法察觉，但通过分析数百个类似的用户旅程，它们就具有预测价值。

只要你的行为数据分散在电子邮件营销工具、CRM 和分析工具中，你很快就会意识到，构建一个一致的预测模型是不可能的。

购买意向是最强大的信号

在所有可操作的预测信号中，购买意向具有最高的商业价值。

如果访客在同一周内浏览您的定价页面、下载对比工具并阅读两个案例研究，那么他的行为就不像处于探索阶段的潜在客户。他的行为更像是即将做出购买决定的买家。因此，您必须实时检测这些意向信号，并将其与联系人的企业信息（行业、公司规模、职位）进行交叉比对。这样，您就可以评估商机的商业紧迫性。这套评分系统并非基于任意的手动规则，而是基于过去最终签约的联系人的行为模式。因此，销售人员不再会将时间浪费在意料之外的潜在客户身上，也不会因为未能及时发现而错失良机。优先级排序基于数据，而非直觉或列表顺序。HubSpot 的评分和预测功能：HubSpot 将评分和预测功能直接集成到其 CRM 系统中，无需您连接外部工具。线索评分功能允许您根据联系人的记录构建行为和人口统计评分。该评分还会根据记录的互动实时更新。手动评分的工作原理是根据您定义的标准分配正负分。访问您定价页面的联系人可获得积分。60 天未活跃的联系人将被扣除积分。此模型可行且实用，但由于其所基于的人为假设的质量有限，因此仍存在局限性。

HubSpot 通过 Breeze 提供的 AI 功能更进一步。它们会分析联系人的历史数据，自动识别转化前的模式，无需您手动定义。该模型会随着新数据的到来不断调整。使用这些 AI 功能的 HubSpot 客户，销售成交时间缩短了 65%。这一数字直接反映了预测评分的影响，它能够实现及时干预。

HubSpot 中的数据增强功能通过自动将公司规模、行业、所用技术和增长信号等外部数据填充到联系人记录中，进一步完善了该系统。

这些信息无需您手动输入即可丰富您的预测模型。

如果自动响应预测行为会怎样？

我们知道，检测到预测信号而不触发后续操作是毫无意义的。当检测与实际操作响应直接关联时，预测自动化就变得更有意义了。我们已经确定了 HubSpot 中可操作预测场景的步骤。定义预测触发条件：潜在客户评分高于阈值、过去 7 天的行为以及公司属性的组合。创建一个动态列表，一旦联系人满足这些条件，该列表就会自动更新。 400">配置相关工作流程&nbsp: 包含联系人完整上下文的销售通知，触发一系列个性化电子邮件，并在销售流程中自动创建交易。

设置退出条件&nbsp: 联系人回复、签名或发出相反信号后，立即退出工作流程。

衡量结果&nbsp: 计算由预测模型触发的联系人和未经评分处理的联系人的转化率，以逐步优化阈值。

此类场景在 HubSpot 中持续运行，无需人工干预。潜在客户达到周日早上设定的预测阈值会在周一早上 8 点收到正确的信息，并在销售人员的 CRM 系统中触发警报，甚至在一天的工作开始之前就能发出警报。这既简单又非常有效！

这种模式需要哪些条件才能真正发挥作用？

采用预测自动化并非万能灵药。可靠的结果至关重要，并且必须满足以下几个条件。

1. 数据 数据量：基于 50 个历史交易构建的预测模型是不可靠的。要使识别出的模式具有统计显著性，必须拥有足够大的历史数据集，包括已转化和未转化的联系人。刚开始使用 CRM 的企业应该先构建数据基础，然后再启用预测分析。
2. 数据 质量：属性定义错误、重复项未解决、行为未跟踪……这些都是模型中的缺陷，会影响预测结果。定期审核 HubSpot 数据库对于维护评分的可靠性至关重要。市场营销和销售部门需要就评分解读达成一致：高预测分数并不意味着联系人会在 48 小时内签约。实际上，他们的个人资料与在类似时间段内签约的客户相匹配。了解这一细微差别的销售人员会将分数用作优先级信号，而不是转化保证。

如果您的当前系统仍然依赖于手动跟进和基于直觉构建的自动化规则，那么您绝对必须开设一个免费帐户。

我们的预测自动化常见问题解答

实施预测自动化需要成为数据科学家吗？

当然不需要！即使您不具备数据科学技能，也可以使用 HubSpot 等平台内置的预测评分功能。设置过程通过可视化界面完成。

最重要的是源数据的质量和目标的准确性。

手动线索评分和预测线索评分有什么区别？

手动评分根据您自己定义的规则分配分数。这些规则基于您的假设。预测评分依赖于您联系人的真实历史数据，自动识别促成转化的组合。

预测自动化适合小型团队吗？

是的，但前提是您要从简单的入手。小型团队可以从 HubSpot 中的基本行为评分开始，逐步完善评分标准，并随着数据库的增长激活预测功能。错误的做法是，在没有足够数据来训练模型的情况下，试图从一开始就配置所有内容。

如何避免预测模型中的误报？

您需要交叉参考多个信号，而不是依赖单一标准。

只访问过一次定价页面的联系人可能是竞争对手，也可能只是出于好奇。结合多种条件可以有效降低误报率。

预测模型应该多久重新校准一次？

至少每年两次，并且每次产品或目标受众发生重大变化时都需要重新校准。基于去年数据构建的模型无法反映最新的变化。定期按分数段查看转化率，可以帮助您快速发现模型准确性下降的情况，从而更轻松地进行调整。