Rémi Kokabi18 août 202617 min de lectureMis à jour: 28 sept. 2026

Account Scoring : comment prioriser vos meilleurs comptes B2B

La plupart des équipes commerciales B2B scorent des leads. Très peu scorent des comptes. Et cet écart coûte du pipeline, parce qu'un seul contact qui a téléchargé votre ebook ne vous dit quasiment rien si son entreprise compte 12 employés et aucun budget. L'enquête Gartner de mai 2025 auprès de 632 acheteurs B2B révèle que les groupes d'achat comptent désormais de 5 à 16 personnes, réparties sur jusqu'à quatre fonctions, selon les recherches de Gartner sur l'achat B2B. Scorer une de ces 16 personnes et appeler ça de la qualification, c'est un pile ou face avec des étapes en plus.

J'ai vu des commerciaux cramer un trimestre entier sur un compte parce qu'un responsable marketing enthousiaste n'arrêtait pas d'ouvrir leurs emails. L'entreprise n'a jamais eu de budget. Personne n'a vérifié.

L'account scoring est une méthode data-driven pour classer des entreprises cibles entières (pas des contacts individuels) selon leur probabilité d'achat. Dans ce guide, je vous montre comment construire un modèle de scoring de zéro, définir des seuils qui déclenchent l'action, mesurer si le modèle fonctionne vraiment, et connecter les scores à des workflows outbound qui génèrent du pipeline plutôt que des dashboards.

Qu'est-ce que l'account scoring

L'account scoring est une méthode data-driven que les équipes commerciales et marketing B2B utilisent pour classer des entreprises cibles entières selon leur probabilité d'achat. Au lieu de suivre des individus (ça, c'est le lead scoring), l'account scoring agrège les signaux de toute une organisation pour prioriser les comptes à forte valeur.

Le principe est simple. Vous attribuez une valeur numérique à chaque entreprise dans votre pipeline selon son adéquation avec votre client idéal, son intention d'achat active, et son niveau d'engagement avec vous. Les entreprises avec les scores les plus élevés captent votre attention en premier. Les autres attendent.

Pourquoi c'est important ? Parce que les groupes d'achat sont plus diversifiés que jamais, et chaque membre peut avoir des priorités et des avis différents. Le comportement d'un contact, c'est un data point. Le comportement du compte, c'est un verdict. L'account scoring vous force à prendre du recul et poser une meilleure question : est-ce que cette entreprise vaut vraiment le coup ?

La version moderne va bien au-delà d'un tableur statique de firmographics. Les données d'intention et l'enrichissement IA permettent à votre score de se mettre à jour le jour où une entreprise recrute pour le poste que votre produit adresse, ou la semaine où elle lève des fonds. J'y reviendrai, parce que c'est là que se concentre l'essentiel de la valeur.

Account scoring vs lead scoring

Le lead scoring évalue des contacts individuels. L'account scoring évalue des entreprises entières. La différence paraît mineure, et pourtant elle change votre façon de penser tout votre pipeline.

Avec le lead scoring, vous pourriez courir après un responsable marketing qui a ouvert cinq emails, en ignorant le fait que son entreprise ne correspond pas du tout à votre ICP. L'account scoring détecte ce décalage tôt, avant que vous ayez passé des heures en appels qui ne mènent nulle part.

Aspect

Lead scoring

Account scoring

Unité d'analyse

Contact individuel

Entreprise entière

Idéal pour

Cycles de vente simples

B2B complexe avec comités d'achat

Signaux suivis

Comportement d'une seule personne

Comportement agrégé de plusieurs contacts

Fit ICP

Adéquation individuelle

Firmographics au niveau de l'entreprise

Quand plusieurs parties prenantes participent à un achat, et selon l'enquête Gartner auprès de 632 acheteurs B2B c'est entre 5 et 16 personnes, l'account scoring vous donne une vision plus complète. Vous pouvez toujours scorer des leads individuels au sein d'un compte. Je le fais. Mais la vue au niveau du compte vous dit si l'entreprise elle-même vaut l'effort, et c'est cette décision qui sauve ou gâche votre trimestre.

Pourquoi l'account scoring compte pour les équipes commerciales B2B

Sans account scoring, les commerciaux se fient à l'instinct ou à la récence. Celui qui a répondu en dernier reçoit la relance. Celui qui a le titre le plus impressionnant décroche l'appel. C'est du pifomètre déguisé en priorisation.

L'account scoring crée une définition partagée de ce qui rend un compte intéressant. Le marketing et les Sales arrêtent de se disputer sur la qualité des leads parce qu'ils travaillent avec les mêmes critères. Quand un nouveau compte entre dans le funnel, tout le monde sait où il en est et ce qui se passe ensuite.

Quatre choses changent une fois le modèle en place :

  • Les commerciaux priorisent les comptes à score élevé au lieu de se disperser sur chaque lead inbound qui a l'air prometteur

  • Les scores se mettent à jour quand les signaux d'engagement ou d'intention changent, ce qui permet de capter les fenêtres d'achat en temps réel plutôt que trois semaines plus tard

  • La vue au niveau du compte révèle quand plusieurs parties prenantes sont actives, au lieu d'un seul contact isolé qui n'a peut-être aucun pouvoir de décision

  • Les prévisions deviennent moins fictives, parce que le pipeline est pondéré par un standard cohérent plutôt que par le commercial le plus optimiste un vendredi

Résultat : moins d'heures perdues sur des comptes qui n'allaient jamais closer. Et plus de temps sur ceux qui peuvent vraiment le faire.

Les trois piliers d'un modèle d'account scoring B2B

La plupart des modèles d'account scoring combinent fit, intention et engagement. Chaque pilier répond à une question différente sur le compte, et en sauter un seul produit un score auquel vous ne pouvez pas vous fier.

Fit du compte

Le fit mesure à quel point une entreprise correspond à votre profil client idéal (ICP). Cela inclut les données firmographiques comme le secteur, la taille de l'entreprise, le chiffre d'affaires et la localisation. Cela inclut aussi les données technographiques, c'est-à-dire les outils et la stack technique que l'entreprise utilise.

Le fit est surtout statique. Le nombre d'employés ou le secteur d'une entreprise ne change pas d'une semaine à l'autre. C'est quand même le socle de votre modèle. Si le fit est mauvais, une forte intention et un fort engagement ne sauveront pas le deal. Vous allez closer, célébrer, puis regarder le churn arriver au mois quatre. J'ai vu une équipe atteindre ses objectifs sur un trimestre de logos mal fités et passer les deux trimestres suivants à expliquer les chiffres de renouvellement.

Intention d'achat

L'intention suit les signaux en temps réel qui suggèrent qu'une entreprise est peut-être en phase d'achat maintenant. Dans lemlist, la fonctionnalité Signaux d'intention suit un ensemble précis d'événements à forte intention :

  • Visites de site web identifiées par correspondance IP

  • Changements de recrutement et nouvelles offres d'emploi

  • Levées de fonds

  • Changements de stack technique

  • Changements de poste parmi vos contacts cibles

  • Engagement LinkedIn

Ce qui rend ça vraiment utile, c'est la watchlist. Vous construisez une liste de comptes qui vous intéressent, et elle est scannée quotidiennement. Une annonce de levée de fonds ou une nouvelle offre de poste SDR atterrit dans votre workflow tant que c'est encore frais.

Les signaux d'intention peuvent être first-party (activité sur votre propre site) ou third-party (comportement de recherche externe suivi par des fournisseurs de données). Le timing, c'est tout l'enjeu. L'intention vous dit quand un compte est prêt à vous écouter, pas s'il a l'air bien sur le papier.

Engagement du compte

L'engagement agrège les interactions comportementales de plusieurs contacts au sein de la même entreprise. Ouvertures d'emails, réponses, interactions LinkedIn, téléchargements de contenus, demandes de démo.

Un seul contact qui ouvre un email, c'est du bruit. Quatre contacts de la même entreprise qui assistent à un webinar et visitent votre page de tarifs, c'est un signal. Et c'est souvent le premier signe qu'un comité d'achat s'est formé. L'engagement reflète un intérêt actif du compte lui-même, au-delà du fit passif ou de l'intention théorique.

Comment construire un modèle d'account scoring

Construire un modèle de scoring ne nécessite pas une équipe data science. Il faut de la clarté sur ce qui compte et la volonté d'itérer au fil de l'apprentissage. Mon premier modèle tenait dans un tableur à sept colonnes et il battait déjà l'instinct.

1. Définissez votre profil client idéal

Partez de vos deals gagnés. Qu'est-ce que vos meilleurs clients ont en commun ? Secteur, taille d'entreprise, tranche de chiffre d'affaires, stack technique. Écrivez-le. C'est la base de vos critères de fit.

Sautez cette étape et votre modèle de scoring n'est que décoratif. Vous attribuez des points à des signaux sans savoir lesquels comptent pour votre business. Prenez vos 30 derniers comptes gagnés et vos 30 derniers comptes perdus, puis cherchez ce qui les différencie. La réponse est souvent inconfortable et très spécifique.

2. Choisissez vos signaux de fit, d'intention et d'engagement

Ensuite, sélectionnez des signaux spécifiques pour chaque pilier en fonction de votre motion commerciale. Tous les signaux n'ont pas le même poids pour chaque business.

Fit

  • Correspondance sectorielle

  • Tranche de chiffre d'affaires

  • Nombre d'employés

  • Technologies utilisées

Intention

  • Offres d'emploi

  • Annonces de levée de fonds

  • Visites du site web

  • Clics publicitaires

Engagement

  • Ouvertures et réponses aux emails

  • Messages LinkedIn

  • Téléchargements de contenus

  • Participation aux démos

Commencez avec cinq à dix signaux au total. Vous pourrez en ajouter plus tard quand vous verrez lesquels corrèlent avec les deals gagnés. Chaque signal ajouté, c'est une chose de plus à maintenir, et la dette de maintenance, c'est ce qui tue silencieusement les modèles de scoring.

3. Attribuez des poids à chaque signal

Une demande de démo vaut plus qu'une ouverture d'email. Une levée de fonds vaut plus qu'une offre d'emploi. Attribuez des valeurs en points qui reflètent la force de corrélation de chaque signal avec les deals gagnés.

Si vous n'avez pas encore de données historiques, commencez par des estimations éclairées et affinez au fur et à mesure. La première version de votre modèle sera fausse quelque part. C'est normal. L'objectif, c'est d'avoir quelque chose à itérer d'ici lundi prochain, pas un modèle parfait d'ici le trimestre prochain.

4. Définissez des seuils de score et des tiers de comptes

Définissez des seuils numériques qui placent les comptes dans des tiers. Les comptes Tier A reçoivent une prospection immédiate. Les comptes Tier B entrent dans des séquences de nurturing. Les comptes Tier C sont dépriorisés ou supprimés.

Les seuils dépendent de la taille de votre pipeline. Si vous avez 50 comptes, votre Tier A sera peut-être le top 10. Si vous en avez 5 000, ce sera peut-être le top 200. Les chiffres exacts comptent moins que le fait de les appliquer de façon cohérente dans toute l'équipe.

5. Automatisez le scoring dans votre CRM

Le scoring manuel ne passe pas à l'échelle. Au-delà de quelques dizaines de comptes, vous ne pouvez plus suivre, et dès qu'un modèle n'est plus à jour, les commerciaux arrêtent de lui faire confiance. Intégrez votre modèle de scoring dans votre CRM (HubSpot, Salesforce ou équivalent) pour que les scores se mettent à jour automatiquement à chaque nouveau signal.

lemlist se connecte avec HubSpot et Salesforce, ce qui vous permet de gérer votre prospection sans quitter votre CRM et de garder les fiches de comptes synchronisées avec ce qui se passe dans vos campagnes.

6. Révisez et affinez le modèle chaque trimestre

Les modèles de scoring dérivent. Votre marché change, votre produit évolue, et des signaux qui comptaient il y a six mois ne comptent peut-être plus aujourd'hui.

Comparez les scores prédits aux résultats de conversion réels. Supprimez les signaux qui ne corrèlent pas. Ajoutez ceux qui corrèlent. Traitez ça comme un rituel trimestriel, au même titre que la revue de vos tarifs ou de votre découpage territorial.

Définir les seuils et tiers d'account scoring

Des scores bruts sans action, ça ne sert à rien. Les tiers traduisent les scores en motions commerciales différentes pour que les commerciaux sachent exactement quoi faire avec chaque compte, sans demander la permission à personne.

Comptes Tier A

Scores les plus élevés. Fort fit, intention active, engagement élevé. Ces comptes reçoivent une prospection multicanale immédiate et personnalisée : email, LinkedIn, appels. Les commerciaux priorisent le Tier A en premier, à chaque fois. Si la semaine d'un commercial ne commence pas par le Tier A, le système de tiers n'est pas réel.

Comptes Tier B

Bon fit mais intention ou engagement plus faible. Ces comptes entrent dans des campagnes de nurturing avec des touches plus légères. Surveillez-les pour détecter des pics d'intention qui les feraient passer en Tier A. Ils ne sont pas prêts aujourd'hui, mais beaucoup le seront d'ici un trimestre.

Comptes Tier C

Scores bas. Mauvais fit ou aucune intention actuelle. Dépriorisez ou retirez-les complètement de la prospection active. Revenez-y si les signaux changent, mais ne perdez pas de temps dessus maintenant. Supprimer des comptes de la vue d'un commercial, ça fait mal la première fois. Les taux de réponse disent généralement le contraire.

Comment transformer les scores de comptes en actions outbound

Un score qui dort dans un tableur ne sert à rien. La valeur vient de la connexion entre les scores et des workflows qui déclenchent la prospection automatiquement. C'est là que la plupart des projets de scoring calent, et c'est aussi là que vit tout le ROI.

1. Routez les comptes à score élevé vers des séquences multicanales

Les comptes Tier A entrent automatiquement dans des séquences coordonnées email, LinkedIn et téléphone. Dans lemlist, vous pouvez lancer des campagnes multicanales depuis un seul workflow, ce qui évite aux commerciaux de déplacer manuellement les leads entre les outils ou de se rappeler qui relancer au jour neuf.

2. Déclenchez la prospection sur des signaux d'intention en temps réel

Quand l'intention monte en flèche (levée de fonds, recrutement, changement de stack), déclenchez une prospection personnalisée immédiatement. Le timing compte plus que ce que la plupart des gens imaginent. Contacter un compte pendant une fenêtre d'achat active booste les taux de réponse d'une façon qu'aucun ajustement d'objet d'email n'égalera jamais.

Les signaux d'intention de lemlist détectent ces moments d'achat et ajoutent les leads aux campagnes automatiquement, avec un message personnalisé en fonction du signal spécifique qui a déclenché la prospection.

3. Personnalisez les messages avec le contexte du compte

Utilisez les données de fit et d'intention pour adapter vos messages. Référencez le signal exact qui a déclenché la prospection : « J'ai vu que vous venez de lever une Series A » ou « J'ai remarqué que vous recrutez trois SDR. »

Une prospection générique ignore le contexte que vous avez travaillé à collecter. C'est du gâchis de bonnes données, et les acheteurs voient dès la première ligne si vous avez fait vos devoirs ou non.

4. Laissez les agents IA construire vos signaux automatiquement

La version manuelle de tout ça, c'est une taxe de recherche que personne ne veut payer. C'est là que lemAgent change la donne : guidage par objectifs, recherche d'ICP en langage naturel, création de séquences multicanales avec logique de branchement et analyse continue des campagnes, le tout dans un seul workflow. Vous décrivez les comptes que vous ciblez, l'agent se charge de la recherche et de la structure de séquence.

Combinez-le avec l'enrichissement agentique et la couche d'enrichissement qui alimente votre score cesse d'être une corvée CSV trimestrielle. Les agents collectent les données firmographiques et les signaux, votre modèle les consomme, et vos tiers restent à jour sans ticket RevOps.

Un bémol, parce que l'IA n'a rien de magique ici. Un agent appliqué à un ICP vague produit des comptes vagues, juste plus vite. Définissez vos critères d'abord, puis laissez les agents passer à l'échelle.

Bonnes pratiques de scoring de comptes

Quelques habitudes séparent les modèles qui fonctionnent de ceux qu'on ignore en silence dans un onglet CRM que personne n'ouvre.

Alignez Sales et Marketing sur un seul modèle

Les deux équipes doivent s'accorder sur les critères de scoring avant le lancement. Un désalignement mène à des accusations croisées et des scores ignorés. Si le marketing considère qu'un score de 80 est qualifié et que les Sales pensent que c'est 120, vous n'avez pas un modèle, vous avez deux opinions avec un chiffre collé dessus.

Équilibrez fit, intention et engagement

Un compte au fit parfait sans intention n'est pas prêt à acheter. Un compte avec une forte intention mais un mauvais fit risque de churner trois mois après la signature. Pondérez les trois piliers plutôt que celui qui se mesure le plus facilement.

Gardez vos données de comptes propres et enrichies

Des données pourries produisent des scores pourris. Enrichissez vos comptes avec des firmographies, technographies et coordonnées vérifiées. lemlist enrichit les leads depuis une base de 600M+ contacts ou via import CRM et CSV, pour ne pas scorer sur un intitulé de poste que quelqu'un occupait en 2023.

Gardez le modèle simple à maintenir

Chaque signal ajouté coûte de la maintenance. Un modèle à 30 signaux fait bonne figure dans un slide et devient inexplicable au bout de trois mois, moment où les commerciaux le contournent. Si vous ne pouvez pas expliquer à un nouveau commercial en deux minutes pourquoi un compte a scoré 140, le modèle est trop complexe. Moins de signaux, clairement pondérés, battent une boîte noire impossible à auditer.

Formez vos commerciaux à traduire les scores en actions

Les scores ne changent pas les comportements tout seuls. Vos commerciaux doivent savoir ce qu'un score Tier A leur impose de faire, à quelle vitesse et sur quels canaux. Organisez une courte session d'enablement au lancement, documentez le playbook par tier, et passez en revue des exemples en réunion de pipeline. Le modèle le mieux conçu au monde ne vaut rien si la moitié de l'équipe continue à traiter sa inbox de haut en bas.

Retestez le modèle chaque trimestre

Comparez les scores prédits aux résultats réels. Ajustez les pondérations. Supprimez les signaux qui ne corrèlent pas. Un modèle qui fonctionnait il y a six mois score peut-être pour un marché qui n'existe plus.

Comment savoir si votre modèle de scoring de comptes fonctionne

Voici la question que je poserais à toute équipe qui fait tourner un modèle de scoring : est-ce qu'un compte Tier A close vraiment plus souvent qu'un Tier B ? Si vous ne pouvez pas répondre avec un chiffre, vous n'avez pas un modèle, vous avez un classement que personne n'a validé. Quatre métriques tranchent.

Taux de conversion par tier de score

Segmentez vos deals gagnés et perdus selon le tier du compte au moment de la première prise de contact. Le Tier A doit convertir à un taux nettement supérieur au Tier B, et le Tier B supérieur au Tier C. Si la courbe est plate, vos signaux ne sont pas prédictifs et vos pondérations doivent être retravaillées. Si le Tier C surperforme le Tier A, c'est votre définition d'ICP le problème, pas la logique de scoring.

Durée du cycle de vente par tier

Les comptes bien scorés devraient avancer plus vite, parce que le fit réduit les frictions et l'intention signifie que le processus d'achat a déjà commencé sans vous. Suivez le nombre médian de jours entre le premier contact et le closing par tier. Un cycle qui raccourcit en Tier A est l'une des preuves les plus nettes que vos signaux d'intention sont bien timés.

Contribution au pipeline et ACV par tier

Mesurez la part du pipeline total et du revenu closé provenant de chaque tier, plus la valeur moyenne des contrats par tier. L'objectif est la concentration : une petite portion de comptes qui génère une grosse portion du revenu. Surveillez aussi l'ACV, car un modèle optimisé uniquement pour la conversion peut pousser vos commerciaux vers des petits deals faciles qui ne font jamais bouger le chiffre.

Taux d'adoption par les commerciaux

La métrique que les équipes zappent. Mesurez le pourcentage d'activité outbound réellement dirigée vers les comptes Tier A. Si vos commerciaux enregistrent 60 % de leurs appels sur des Tier B et C, ils ne font pas confiance aux scores, et aucun raffinement du modèle ne résout un problème de confiance. Demandez-leur pourquoi lors de votre prochaine revue de pipeline. En général, la réponse est la qualité des données ou un playbook flou, et les deux se corrigent en une semaine.

Passez ces quatre métriques en revue ensemble, une fois par trimestre, en même temps que les ajustements de pondération. Un modèle qui améliore le taux de conversion mais fait chuter l'ACV ne se corrige pas de la même façon qu'un modèle que personne n'utilise.

Erreurs de scoring de comptes à éviter

  • Trop de signaux pondérés rendent le modèle difficile à maintenir et à interpréter. Commencez simple et gagnez la complexité au fil du temps.

  • Un engagement d'il y a six mois ne devrait pas compter autant qu'un engagement de la semaine dernière. Intégrez une pondération par récence, sinon vos scores gonflent avec le temps.

  • Sans profil client idéal défini, les scores de fit ne veulent rien dire. Vous attribuez des points au hasard et vous appelez ça de la priorisation.

  • Un score qui ne déclenche aucune action est un chiffre dans un tableur. Connectez-le à la prospection dès le jour 1.

  • Scorer des comptes que vous ne pouvez pas joindre est un moyen lent de gaspiller un trimestre. Vérifiez la couverture de contacts et la qualité des données avant de scorer.

Outils et logiciels de scoring de comptes

Plusieurs catégories d'outils peuvent vous aider à mettre en place le scoring de comptes, selon votre budget, votre stack et le niveau d'automatisation souhaité. Voici le panorama honnête, y compris les options que lemlist ne vend pas.

Catégorie

Exemples

Point fort

Limite

Plateformes ABM

Demandbase, 6sense

Scoring de comptes complet avec intent tiers et suivi de l'engagement

Conçues pour les entreprises avec des budgets ABM dédiés et une équipe pour piloter la plateforme

Scoring natif CRM

HubSpot, Salesforce

Le scoring vit là où votre pipeline existe déjà, sans vendor supplémentaire

Configuration manuelle, et les données d'intention ne sont généralement pas incluses

Fournisseurs de données d'intention

Bombora, ZoomInfo

Signaux d'intention tiers solides pour alimenter n'importe quel modèle

Ils fournissent la donnée, ils ne gèrent pas la prospection

Plateformes outbound avec signaux de scoring

lemlist

Intent Signals, enrichissement depuis une base de 600M+ contacts et exécution multicanale au même endroit

Moins adaptée aux équipes qui ont besoin d'une orchestration ABM entreprise sur le paid media

Les plateformes outbound avec des capacités de scoring (comme lemlist) combinent signaux de scoring et automatisation de la prospection. Intent Signals détecte les moments d'achat, l'enrichissement de données complète les firmographies, et les séquences multicanales exécutent. L'écart entre scorer et agir disparaît parce que tout vit dans un seul workflow au lieu de trois outils et une chaîne Zapier.

Côté confiance : lemlist est noté 4,6/5 sur G2 avec plus de 2 000 avis.

À vous de jouer

Le scoring de comptes classe les entreprises par fit, intention et engagement pour que vos commerciaux passent leur semaine sur les comptes les plus susceptibles d'acheter. Le modèle n'a pas besoin d'être complexe pour fonctionner. Définissez votre ICP à partir de vos données de deals gagnés, choisissez cinq à dix signaux, assignez des pondérations que vous pouvez expliquer, et définissez des tiers qui dictent une action commerciale précise.

Ensuite, connectez les scores à l'action et mesurez si les tiers tiennent la route. Taux de conversion par tier, durée du cycle par tier, concentration du pipeline, adoption par les commerciaux. Ces quatre chiffres vous disent en un trimestre si votre modèle mérite sa place.

Un score qui déclenche de la prospection vaut quelque chose. Un score qui reste dans un dashboard est un passe-temps.

Démarrez l'essai gratuit de 14 jours pour voir comment les Intent Signals et l'enrichissement de données de lemlist peuvent alimenter votre modèle de scoring et envoyer vos comptes à haut score directement en prospection multicanale.

Transformez vos leads en pipeline

Trouvez des prospects, automatisez vos relances et générez plus d'opportunités commerciales.

Questions fréquentes

Incluez des données firmographiques (secteur, taille de l'entreprise, chiffre d'affaires), technographiques (outils et stack technique), des signaux d'intention (visites sur le site, recrutements, levées de fonds) et des données d'engagement (ouvertures d'emails, réponses, demandes de rendez-vous).

Il n'y a pas de chiffre universel, parce qu'un score n'a de sens que par rapport à votre propre échelle. Un bon score se situe au-dessus du seuil que vous avez défini pour le Tier A, et ce seuil doit être validé par les résultats : si vos comptes Tier A convertissent nettement mieux que les Tier B, votre seuil fonctionne. Commencez par placer environ les 10 à 20 % de comptes les mieux classés en Tier A, puis ajustez après un trimestre de données sur le taux de conversion.

Les scores eux-mêmes doivent se mettre à jour en continu à mesure que de nouveaux signaux arrivent. C'est d'ailleurs tout l'intérêt d'automatiser le scoring dans votre CRM plutôt que de le gérer dans un tableur. Le modèle derrière les scores (vos signaux et pondérations) mérite une revue complète chaque trimestre, en comparant les scores prédits aux résultats réels de conversion.

Entre cinq et dix pour commencer. N'ajoutez un signal que si vous pouvez prouver qu'il corrèle avec des deals gagnés. Les modèles trop gros paraissent complets, mais deviennent vite impossibles à maintenir. Résultat : les commerciaux ne font plus confiance aux résultats.

En général, c'est le Revenue Ops ou le Marketing Ops qui gère le modèle. Les équipes Sales et Marketing s'alignent sur les critères avant le lancement et revoient ensemble les performances chaque trimestre.

Oui. Vous pouvez construire un modèle fonctionnel avec les champs de votre CRM et de la saisie manuelle. Les outils d'automatisation accélèrent l'enrichissement des données et la mise à jour des scores quand les signaux changent, ce qui compte dès que vous dépassez quelques dizaines de comptes.

Le scoring de comptes prédictif utilise le machine learning pour analyser l'historique des deals gagnés et perdus, et identifier les signaux les plus corrélés avec le closing. Ça réduit les approximations manuelles. Il faut suffisamment de données historiques pour que le modèle apprenne, c'est pourquoi la plupart des équipes commencent par un modèle basé sur des règles avant de passer au prédictif.
Rémi Kokabi

Rémi Kokabi

Co-founder @GTM Club

Partager l'article