На аудитах CRM у застройщиков картина повторяется: заявок в день заметно больше, чем менеджер успевает обработать хорошо, и все они стоят в очереди по принципу «кто раньше упал в CRM». Горячий инвестор с деньгами наличными и человек, который «просто прицениться зашёл», получают звонок в одном и том же порядке — по времени поступления. Тот, кто реально готов покупать, может простоять в очереди третьим, пока менеджер дозванивается до первых двух.
Вот для этого и нужен скоринг лидов — ранжирование заявок по вероятности сделки, а не по времени прихода. И тут же вопрос, который мне задают чаще всего: «а как это вообще посчитать, у нас же не банк с кредитным скорингом». Разберём по порядку — что кладётся в модель, почему без порядка в CRM она не работает, и как скоринг не превратить в машину для слива теплых, но не самых горячих заявок.
Что такое скоринг лидов и зачем он застройщику
Скоринг — это присвоение каждой заявке числа (или категории: горячий / тёплый / холодный), которое показывает, насколько вероятна сделка. Модель обучается на исторических данных: какие заявки в итоге закрылись в ДДУ, а какие ушли в никуда, и что их отличало.
Дальше это число используется просто: менеджер сначала звонит по горячим, а на холодных настроена другая, менее ресурсоёмкая коммуникация. Не «отдел продаж занимается всеми лидами одинаково», а «отдел продаж занимается в первую очередь теми, у кого выше шанс купить».
Смысл не в том, чтобы отдел продаж делал меньше работы. Смысл в том, чтобы дорогое время менеджера (а звонок и консультация — это время, и оно стоит денег) шло туда, где отдача выше.
На каких данных строится модель
Скоринг — это не гадание, а статистика на истории. Модели нужны сигналы трёх типов.
Поведенческие. Что человек делал на сайте и в рекламе: сколько страниц планировок посмотрел, вернулся ли повторно, кликнул ли на ипотечный калькулятор, сколько времени провёл на странице с ценами. Возврат на сайт через два дня после первого визита — это обычно сильнее, чем один долгий визит с первого раза.
Анкетные. То, что человек сообщил сам или что видно по источнику заявки: бюджет, сроки покупки, способ оплаты (ипотека / наличные / рассрочка), для себя или инвестиция, канал (брендовый поиск против холодного перформанса).
Коммуникационные. Как прошёл первый разговор с менеджером: сколько вопросов задал клиент, спрашивал ли про конкретную квартиру или в целом «сколько у вас метр», насколько быстро согласился на встречу.
Дальше модель ищет корреляции: у людей, которые в итоге купили, комбинация признаков была вот такая. У тех, кто отвалился после третьего касания, — вот такая. Это не значит, что каждый с таким набором признаков купит — значит, что у него статистически выше шанс, и приоритет ему нужно отдавать раньше остальных.
Ориентир по объёму: в материале про AI в маркетинге застройщика мы уже называли цифру для качественного скоринга — от 3-6 месяцев статистики и несколько тысяч лидов. Меньше — модель переобучается на случайных совпадениях, а не на закономерностях.
Почему скоринг без CRM-дисциплины не работает
Вот здесь чаще всего и разваливается идея. Модель обучается на истории сделок — а если история грязная, модель учится на мусоре и выдаёт мусор. Garbage in, garbage out — тут без вариантов.
Что обычно ломает данные у застройщика:
- Статусы двигаются задним числом. Менеджер забыл поставить «квалифицирован» вовремя, вспомнил через неделю и проставил статус на текущую дату. Модель видит искажённый временной ряд.
- Причина отказа не фиксируется или фиксируется общей формулировкой. «Не дозвонились» стоит у заметной части отказов, хотя реальные причины — «дорого», «не устроила локация», «выбрал конкурента» — совершенно разные и должны учиться по-разному.
- Источник лида теряется. Заявка пришла из контекстной рекламы, но в CRM записана как «сайт», потому что UTM-метки не долетели или менеджер вбил вручную.
- Дубли. Один и тот же человек оставил заявку три раза с разных каналов — в CRM три разных карточки, три разных «сделки», модель видит трёх разных людей вместо одного тёплого лида.
Отсюда простое правило: прежде чем покупать AI-скоринг, наведи порядок в статусах, причинах отказа и источниках. Это не месяц работы, но это дисциплина, которую придётся держать постоянно — модель, обученная на трёх месяцах чистых данных, полезнее модели, обученной на двух годах грязных. Это, кстати, ровно то же самое, о чём мы писали про AI в маркетинге застройщика в целом: данные важнее алгоритмов, а не наоборот.
Есть ещё одна вещь, которую я вижу постоянно: скоринг вводят, а квалификацию на входе — нет. Модель предсказывает вероятность сделки по тем данным, что есть, но если менеджер на первом звонке не выясняет бюджет и сроки, этих данных просто нет и скоринг работает вслепую на одних только поведенческих сигналах. А это уже не серьёзная точность, а в лучшем случае направление ветра.
Что делать с холодными лидами
Соблазн после внедрения скоринга — просто перестать звонить холодным. Это ошибка, и вот почему.
Холодный сегодня не значит мёртвый навсегда. Часть холодных лидов — это люди на ранней стадии решения: присматриваются, сравнивают, деньги пока не собраны, ипотека не одобрена. Их температура сегодня низкая не потому что они не купят, а потому что момент ещё не настал.
Что с ними работает вместо звонка живого менеджера:
→ Автоматическая цепочка касаний — email или мессенджер с полезным контентом (не «купи скорее», а «как считать ипотеку», «что будет со ставкой», сравнение планировок) → Ретаргетинг с более лёгким предложением, чем прямой звонок — вебинар, гайд, калькулятор → Периодическая переоценка скоринга: если холодный лид вернулся на сайт через месяц и посмотрел десять планировок — модель должна поднять его температуру и вернуть в очередь на живой звонок
Смысл в том, чтобы холодные лиды не выпадали из системы, а обслуживались дешёвым каналом, пока не дозреют. Дорогой ресурс (время менеджера) — горячим. Дешёвый (автоматика) — холодным. Не «игнорировать», а «обслуживать по-разному».
Как не убить латентный спрос агрессивной отсечкой
Вот здесь начинается самая тонкая часть, и её обычно упускают. Скоринг обучен на людях, которые уже дошли до заявки. Но заявка — это уже финал долгого пути, а не его начало. Мы подробно разбирали это в тексте про латентный спрос в недвижимости: к моменту, когда человек открыл агрегатор и оставил заявку, у него в голове уже есть шорт-лист из двух-трёх названий.
Скоринг работает только с теми, кто уже перешагнул этот порог и попал в CRM. Он ничего не знает про тех, кто ещё формирует шорт-лист, листает соцсети и ничего не оставлял. И если по итогам внедрения скоринга маркетинг делает логичный, но опасный вывод — «раз модель показывает, что конверсия выше у горячих лидов с брендовых запросов, давайте весь бюджет туда» — это медленное убийство воронки на несколько месяцев вперёд.
Урезание охватов и медийки в пользу performance-каналов с быстрой окупаемостью — классическая ошибка, только теперь она подкреплена красивой моделью и цифрами в дашборде. Модель права локально (эти лиды конвертируются лучше), но неправа глобально (через полгода лидов с брендовых запросов станет меньше, потому что бренд перестал пополняться).
Практический вывод: скоринг — это инструмент приоритизации внутри уже собранной воронки, а не аргумент для урезания того, что эту воронку наполняет. Метрики скоринга нужно смотреть отдельно от метрик узнаваемости, а не одной табличкой, где выигрывает тот канал, у которого цикл короче.
Как это связано с воронкой продаж застройщика в целом
Скоринг — это надстройка над воронкой, а не замена ей. Если воронка продаж застройщика устроена криво — нет чётких этапов, менеджеры двигают статусы как попало, — скоринг не выправит воронку, он просто быстрее покажет, что она кривая. Сначала порядок в этапах и данных, потом приоритизация поверх них.
Три вещи, которые я вынес
Первое. Скоринг не заменяет квалификацию на входе — он её использует. Без вопросов о бюджете и сроках на первом звонке модель работает на огрызках данных.
Второе. Холодный не значит потерянный. Дорогой ресурс — горячим лидам, дешёвая автоматика — холодным, с регулярной переоценкой.
Третье. Модель видит только тех, кто уже дошёл до заявки. Она не аргумент против охватов и узнаваемости — она инструмент для того, что уже попало в воронку.
Кажется, главная ловушка скоринга не техническая, а управленческая: цифры в дашборде выглядят настолько убедительно, что их начинают использовать не по назначению.
p.s. Если в CRM статусы двигаются как попало — начни с этого, а не с покупки модели. Модель поверх бардака просто быстрее и дороже подтвердит, что бардак есть.