Deal Scoring là gì? Cách chấm điểm cơ hội bán hàng đang mở

Deal Scoring là gì? Deal Scoring (chấm điểm cơ hội) là cách gán cho mỗi cơ hội bán hàng đang mở một mức điểm hoặc mức xếp hạng phản ánh khả năng thương vụ đó thắng — dựa trên những gì đã thực sự xảy ra trong quá trình bán. Mục đích là giúp sales và quản lý biết nên dồn thời gian vào thương vụ nào, và thương vụ nào đang có nguy cơ trượt dù trông vẫn ổn.

Deal Scoring khác Lead Scoring thế nào

Hai loại điểm dùng dữ liệu khác nhau và trả lời câu hỏi khác nhau. Đem bảng Lead Scoring áp cho cơ hội đang mở là sai lầm phổ biến: một khách đã vào bước đàm phán không còn cần “xem trang giá” để chứng minh quan tâm.

Tiến triển thật và hoạt động bề mặt

Điểm cốt lõi của Deal Scoring là phân biệt việc khách đã cam kết làm với việc hai bên chỉ trao đổi nhiều. Số email, số cuộc gọi, số lần mở báo giá đo nỗ lực của sales hoặc sự lịch sự của khách, không đo quyết tâm mua.

Cột bên phải không vô dụng — nó cho biết thương vụ còn sống. Nhưng chúng nên có trọng số thấp hoặc chỉ dùng để phát hiện “im lặng bất thường”. Cột trái gắn chặt với việc khách bỏ công sức và với cấu trúc nhóm ra quyết định, nên phản ánh tiến triển tốt hơn.

Bắt đầu bằng bảng quy tắc minh bạch

Trước khi nghĩ tới mô hình học máy, dựng một bảng điểm bằng quy tắc. Bảng này có ba vai trò: dùng được ngay, ai cũng hiểu, và là baseline để so sánh nếu sau này thử mô hình — mô hình không thắng được baseline thì không đáng triển khai.

Chuyển điểm thành 3–4 mức dễ đọc (cao, trung bình, thấp, rủi ro) thay vì để con số lẻ. Một thương vụ 63 điểm và 58 điểm không khác nhau đáng kể; điều sales cần biết là nó thuộc nhóm nào và vì sao.

Luôn hiển thị lý do bên cạnh điểm

Một điểm số không kèm lý do sẽ bị bỏ qua hoặc bị cãi. Mỗi thương vụ nên hiện 2–3 lý do chính kèm điểm, ví dụ: “Mức thấp — chưa gặp người quyết định; ngày chốt đã dời 3 lần”. Lý do biến điểm thành việc cần làm tiếp: xin buổi gặp với giám đốc, hỏi champion vì sao dời ngày.

Lý do cũng giúp phát hiện lỗi dữ liệu. Nếu một thương vụ bị chấm thấp vì “chưa gặp người quyết định” trong khi sales biết đã gặp, vấn đề là ghi chép chứ không phải thương vụ.

Khi nào nên chuyển sang mô hình học máy

• Đủ thương vụ đã đóng: vài trăm cơ hội có kết quả thắng thua rõ, không phải vài chục.
• Dữ liệu được ghi đều theo cùng định nghĩa ít nhất 12 tháng.
• Tránh rò rỉ dữ liệu (data leakage): chỉ dùng thông tin có tại thời điểm chấm. Trường “lý do thua” chỉ có sau khi thua — đưa vào mô hình sẽ cho độ chính xác ảo.
• Kiểm tra trên dữ liệu ngoài mẫu: mô hình phải đánh giá tốt trên các thương vụ nó chưa thấy, và tốt hơn bảng quy tắc.
• Vẫn giải thích được từng điểm bằng các yếu tố chính.

Cách thiết kế nhãn, baseline và đánh giá ngoài mẫu được trình bày kỹ ở bài Predictive Analytics.

Kiểm tra điểm số có đúng không

Sau mỗi quý, chia các thương vụ đã đóng theo mức điểm lúc còn mở và so tỉ lệ thắng. Ví dụ giả định: nhóm cao thắng 55%, trung bình 30%, thấp 10% — điểm đang phân tách tốt. Nếu ba nhóm có tỉ lệ thắng gần như nhau, bảng quy tắc không dự báo được gì và cần xem lại tín hiệu.

Đọc thêm các thương vụ điểm cao mà thua và điểm thấp mà thắng. Đó là nơi học được nhiều nhất, và nên đối chiếu với kết quả phỏng vấn Win-Loss Analysis để biết tín hiệu nào đang bị đánh giá sai. Điểm deal cũng là đầu vào tốt để điều chỉnh dự báo doanh số cho từng thương vụ.

Sai lầm thường gặp

• Đếm hoạt động thay vì tiến triển, khiến sales tăng điểm bằng cách gửi thêm email.
• Dùng điểm để đánh giá sales — người ta sẽ học cách làm đẹp dữ liệu.
• Điểm không lý do, sales không biết phải làm gì khác.
• Không trừ điểm theo thời gian, thương vụ im lặng hai tháng vẫn giữ điểm cao.
• Chuyển sang mô hình quá sớm khi chỉ có vài chục thương vụ đã đóng.

Câu hỏi thường gặp