Miért fontos a lead-minősítés?
Minden értékesítő "szűk keresztmetszet". Ha napi 30 megkeresés érkezik, és a 30-ból csak 5 valós érdeklődő, az 83% elpazarolt idő. Ez lassítja a forró leadek lekezelését, és csökkenti a konverziót.
A lead-minősítés az a folyamat, amikor mielőtt egy ember szóba állna velük, kiszűröd, hogy ki értékes, ki nem.
A klasszikus lead score (BANT)
A hagyományos modell négy kérdést tesz fel:
- Budget, van rá pénze?
- Authority, ő dönt vagy más?
- Need, tényleg kell neki?
- Timeline, mikor akar elindulni?
Ez ma is működik, csak régebben emberek kérdezték telefonon. Most az AI átveheti az első kört.
Hogyan csinálja az AI?
1. Az űrlap kitöltésekor
Gyűjts strukturált adatokat: cégnév, méret, költségkeret-tartomány, időzítés, üzenet. Az AI ezekből pontszámot ad.
2. Cég-kutatás automatikusan
A megadott cégnév alapján az AI megnézi:
- Vannak-e weboldaluk? Milyen állapotban?
- Hány alkalmazottuk van (LinkedIn)?
- Iparág, méret, helyszín
- Versenytársaik mit csinálnak?
3. Üzenet elemzése
A szabad szöveges üzenetből kiderül:
- Mennyire konkrét az igény?
- Van-e már döntéshozói pozícióban?
- Milyen szakkifejezéseket használ?
- Megemlít-e budget-et vagy határidőt?
4. Pontszám és kategorizálás
Az AI 0-100 közötti score-t ad, plusz kategóriát:
- Hot lead (80+), azonnali ember
- Warm lead (50-79), kapjon automata pre-email + 24 órán belül ember
- Cold lead (20-49), nurturing email-sorozat
- Junk (0-19), auto-válasz "köszi", emberi időt nem kap
Konkrét rendszer-architektúra
Weboldal űrlap
↓
Adatbázisba mentés ([Base44](/vistobi/resources/base44-review/) / HubSpot / saját)
↓
AI lead score (OpenAI / Claude / Gemini API)
↓
Döntés:
Hot → Slack értesítés + naptár-meghívó
Warm → 24 órás emberi follow-up flag
Cold → automata email-sorozat
Junk → polite auto-reply
Egész rendszer 2-4 hét alatt kiépíthető, ha vannak meglévő eszközök.
A 4 leggyakoribb hiba
1. Túl bonyolult űrlap
Ha 15 mező kell, hogy az AI eldöntse, senki nem fogja kitölteni. Maradj 5-7 mezőnél.
2. Az AI "keményen" minősít
Ha minden lead pontszámot kap és kőkemény átmenetet csinál, valós leadeket fogsz elveszíteni. Tartsd meg az emberi review-t a junk-zónán kívül mindenhol.
3. Nincs visszacsatolás
Az AI nem javul magától. Havonta minősítsd át a régi leadeket: az AI score-ja és a tényleges üzletkötés között mekkora a korreláció?
4. Bizalmas adatkezelés
Lead adatokat AI-ba küldés, figyelj a GDPR-ra. Vagy használj on-premise modellt, vagy szerződéses garanciát kérj.
Mérhető eredmények
Egy tipikus magyar KKV bevezetésnél:
- 40-60% csökkenés értékesítői időben (junk és cold leadek szűrésével)
- 2-3× gyorsabb response time a hot leadekre
- 15-25% növekedés a closing rate-ben (mert a focus jobb)
- Megtérülés: 3-6 hónap a tipikus beruházásnál
Mire figyelj az implementáció előtt?
- Először mérd: mennyi időt töltesz most leadek szűrésével?
- Definiáld: mi a valódi hot lead nálad?
- Tesztelj kis tételben: 2 hét párhuzamosan ember vs. AI
- Iterálj: az AI prompt-ot havonta finomítsd