Собесов

Doctolib — оценка качества модели скоринга проспектов и её использования продажниками

Кейсы и метрикиSales analytics / scoringСложнаяMiddle

Условие

Doctolib продаёт SaaS-подписку врачам за 129€/мес. На конец 2016 — 300 000 проспектов, база не пополнялась год. Data-команда сделала скор от 0 (низкий) до 100 (высокий), на основе бизнес-правил, заданных Sales Manager интуитивно по каждому критерию. Скор не обновлялся.

Sales имеет доступ к проспектам и скорам и может приоритизировать звонки.

Определения:

  • Prospect — кого может звонить Sales.
  • Client — проспект с подписанным контрактом (signature_date).
  • Bucket — диапазон скоров.
  • Meeting Rate (MR) = #Prospects with meeting / #Prospects.
  • Transformation Rate (TR) = #Clients / #Prospects with meeting.
  • Signature delay = days(signature - meeting_start).

В январе 2018 Head of Sales спрашивает, как идёт инициатива.

Вопросы:

  1. Работает ли скор? (а) Эффективность модели в предсказании конверсии. (б) Глубокий анализ по medical_specialty, age, location.
  2. Реально ли его используют продажники? (а) Используют ли скор? Меняется ли использование во времени? (б) Корреляция индивидуальной перформанс продажника с использованием скора. (в) Любые другие insights.
  3. Потенциальный impact от увеличения использования скора: методология + численная оценка + 1 слайд аргументов.

Таблицы: business_dev, prospects, scores, meetings, contract_signature_dates.

Хочешь увидеть разбор?

Зарегистрируйся бесплатно — откроется развёрнутое решение этой задачи и ещё 4 на выбор.

Зарегистрироваться и увидеть разбор
Уже есть аккаунт? Войти