امتیاز تناسب در برابر امتیاز تعامل: کی هستند در برابر چه می‌کنند

امتیاز تناسب با امتیاز تعامل چه فرقی دارد؟

امتیاز تناسب (fit score) می‌گوید این شخص کیست — نقش، صنعت، اندازه شرکت، شهر. امتیاز تعامل (engagement score) می‌گوید چه می‌کند — باز کردن ایمیل، کلیک، بازدید صفحه، پر کردن فرم؛ معمولاً با decay زمانی. تیم‌های سالم هر دو را جدا نگه می‌دارند و قبل از handoff فروش از ماتریس ترکیب (مثل A1) استفاده می‌کنند، نه از یک عدد مخلوط.

یک‌خطی برای تیم eCRM: fit = گارد پروفایل؛ engagement = شمارنده ایونت با TTL. قاطی‌کردنشان صف فروش را خراب می‌کند.

در ایران خیلی تیم‌ها یک «امتیاز لید» می‌سازند که هم «مدیر خرید از تهران» است و هم «۱۰ بار ایمیل باز کرده». بعد فروش می‌گوید عدد بی‌معناست: کسی با کلیک زیاد ولی خارج از ICP وارد صف می‌شود، و کسی با ICP عالی ولی ساکت گم می‌شود. قاب درست همانی است که در سگمنت‌بندی مشتری در مارکتینگ می‌بینی: اول مخاطب درست، بعد شدت رفتار.

هر کدام چطور کار می‌کند؟

امتیاز تناسب (fit)

ورودی‌ها تقریباً ایستا هستند: عنوان شغلی، صنعت، اندازه سازمان، شهر/استان، نوع مشتری (B2B/B2C)، گاهی تگ ICP. امتیاز وقتی پروفایل عوض می‌شود تازه می‌شود؛ معمولاً decay ندارد چون «مدیر مالی بودن» دیروز و امروز یکی است.

امتیاز تعامل (engagement)

ورودی‌ها ایونت‌اند: email_opened، email_clicked، page_viewed، form_submitted، cart_updated. امتیاز با فعالیت بالا می‌رود و اگر decay روشن باشد بعد از ۳۰–۹۰ روز بی‌تحرکی پایین می‌آید. open خام در ۲۰۲۶ ضعیف است؛ کلیک، بازدید قیمت، درخواست دمو سنگین‌تر وزن بگیرند.

ماتریس ساده A1 تا C3

حرف = تناسب، عدد = تعامل:

قانون عملی: A1 را به فروش بده. C1 را هرگز به فروش نده فقط چون کلیک زیاد کرده. A3 را با محتوای خوب بیدار کن، نه با بلست حراج بی‌وقفه.

مثال ایران: فروش نرم‌افزار به فروشگاه‌های اینستاگرامی

فرض کن محصولت پنل پیامک + اتومیشن برای فروشنده‌های اینستاگرام است. ICP: فروشنده فعال با حداقل ۵۰ سفارش ماهانه در تهران/شیراز. fit بالا = نقش «صاحب فروشگاه»، شهر هدف، تگ «اینستا فروش». engagement بالا = بازدید صفحه قیمت، کلیک روی دمو، پر کردن فرم.

اگر فقط یک عدد داشته باشی، دانشجوی کنجکاو با ۲۰ کلیک ممکن است از صاحب فروشگاه ساکت جلو بزند. فروش وقت تلف می‌کند؛ صاحب واقعی گم می‌شود. با دو امتیاز: دانشجوی پرکلیک می‌شود C1 (محتوا، نه دمو فروش)، صاحب ساکت می‌شود A3 (سری welcome سبک، نه فشار فروش).

تشخیص

اصلاح عملی

1. دو پراپرتی جدا بساز: fit_score و engagement_score.
2. برای engagement decay ۹۰ روزه بگذار؛ open را کم‌وزن کن.
3. ماتریس A1–C3 را در سگمنت‌ها پیاده کن، نه فقط در اسلاید.
4. فروش فقط A1 (و شاید B1 با گارد دستی).
5. هر ماه آستانه را با نرخ تبدیل واقعی تنظیم کن، نه با بنچمارک وبلاگ.

برای لایه‌بندی رفتاری نزدیک RFM، ببین: سگمنت‌بندی RFM چیست؟.

چه وقت fit، چه وقت engagement؟

1. لیست سرد / خرید لید؟ → اول فیلتر fit، بعد nurture برای بالا بردن engagement.
2. inbound فرم دمو؟ → fit را چک کن، ولی صف را با engagement (بازدید قیمت، پاسخ ایمیل) اولویت بده.
3. فقط می‌خواهی ایمیل را شخصی‌سازی کنی؟ → معمولاً سگمنت + بلاک شرطی کافی است؛ امتیاز کامل لازم نیست. قاب مکمل: پرسونالایزیشن در برابر سگمنتیشن.
4. handoff فروش؟ → هر دو؛ هرگز فقط یکی.
5. آیا ایونت‌های سنگین در کاتالوگ Leadara ثبت شده‌اند؟

اتصال به Leadara: events، segments، journeys، ایمیل و پیامک

Leadara روی ایونت، سگمنت، جرنی، ایمیل و پیامک کار می‌کند. امتیاز را مثل «جادو» نخر؛ مثل گارد برنامه‌نویس سیم‌کشی کن:

1. ایونت‌ها: email_clicked، page_viewed، form_submitted، demo_requested — سوخت engagement.
2. پروفایل / تگ: نقش، شهر، صنعت، ICP — سوخت fit؛ می‌توانی به‌صورت امتیاز عددی یا سگمنت باینری (is_icp=true) نگه داری.
3. سگمنت: fit_high AND engagement_high برای ورود جرنی فروش؛ fit_low AND engagement_high برای suppress صف فروش.
4. جرنی: A3 را به welcome/nurture ببر؛ A1 را به مسیر handoff با پیامک فقط با رضایت.
5. Goal + guard: تبدیل (مثلاً deal_created یا order_completed) engagement را ریست یا مسیر را ببند تا امتیاز کهنه دوباره صف را شلوغ نکند.

اشتباهات رایج

• ساختن یک «امتیاز لید» که ICP و کلیک را میانگین می‌گیرد
• وزن زیاد به open در ۲۰۲۶
• نبود decay روی engagement
• دادن C1 به فروش چون «فعال به نظر می‌رسد»
• فراموش کردن که fit بدون داده پروفایل تمیز فقط حدس است
• عوض نکردن آستانه بعد از فصل فروش

سوالات پرتکرار

فرق fit score و engagement score چیست؟

Fit می‌گوید مخاطب چقدر شبیه ICP است؛ engagement می‌گوید الان چقدر فعال است. اولی پروفایل است، دومی رفتار.

آیا یک امتیاز ترکیبی کافی است؟

برای داشبورد گاهی بله؛ برای تصمیم صف فروش خیر. حداقل دو پراپرتی جدا نگه دار حتی اگر یک «درجه» A1 هم بسازی.

Decay را روی fit هم بگذارم؟

معمولاً نه. نقش و صنعت به‌ندرت «منقضی» می‌شوند مگر داده غلط باشد. Decay برای رفتار است.

open هنوز امتیاز بگیرد؟

خیلی کم یا صفر. کلیک، فرم، بازدید قیمت، پاسخ انسانی وزن اصلی باشند.

چطور با RFM قاطی نشود؟

RFM روی خرید و پول است؛ fit/engagement اغلب قبل از خرید یا در B2B است. می‌توانند کنار هم باشند، جایگزین هم نیستند.

در Leadara امتیاز داخلی جدا هست؟

منطق را با ایونت، سگمنت و شرط جرنی می‌سازی؛ مهم جدا نگه داشتن گارد پروفایل از شمارنده رفتار است.

آستانه A1 را از کجا بیاورم؟

از نرخ تبدیل واقعی ۳۰–۶۰ روز اخیر، نه از عدد وبلاگ انگلیسی.

جمع‌بندی و قدم بعدی

Fit = کی؛ engagement = چه. این هفته یک امتیاز مخلوط را دو پراپرتی کن، ماتریس A1 را به سگمنت تبدیل کن، و فروش را فقط به A1 وصل کن — بعد با نرخ تبدیل دست بده، نه با «چند لید داغ داشتیم».

الگوی تست ۱۴ روزه

روز ۱–۲: فیلدهای ICP و ایونت‌های سنگین را قفل کن.
روز ۳–۵: دو امتیاز + decay روی engagement.
روز ۶–۱۰: سگمنت A1/A3/C1 و suppress فروش برای C1.
روز ۱۱–۱۴: نرخ پاسخ فروش و نرخ تبدیل A1 را با صف قدیمی مقایسه کن.

اگر B زمان تا اولین تماس مفید را کم و لید بی‌ربط را کم کرد، همان را استاندارد کن.

زبان تیم: کی یا چه؟

در استنداپ اگر کسی گفت «لید داغ»، بپرس: fit بالا، engagement بالا، یا هر دو؟ اگر فقط کلیک بود، C را چک کن قبل از دمو.

چک‌لیست go-live

1. دو پراپرتی جدا تعریف شده؟
2. Decay روی engagement؟
3. وزن open کم شده؟
4. سگمنت ماتریس ساخته شده؟
5. صف فروش فقط A1؟
6. داشبورد: ورود A1، نرخ تبدیل، درصد C1 فیلترشده؟

بدون بند ۶، «اسکورینگ آوردیم» فقط اسلاید استنداپ است.

مرز با سگمنت و پرسونالایز

امتیاز ابزار اولویت‌بندی است، نه جایگزین سگمنت پیام. برای اینکه داخل ایمیل چه بلاکی دیده شود، معمولاً سگمنت یا شرط محتوا کافی است؛ امتیاز را برای «کی وارد جرنی فروش شود» نگه دار.

تیم‌هایی که هر تگ را «امتیاز» می‌نامند بعداً در گزارش گیر می‌کنند: نمی‌دانند عدد از پروفایل آمده یا از رفتار.

نشانه‌های سالم بودن تفکیک fit/engagement

تمرین تخته سفید ۳۰ دقیقه‌ای

روی تخته دو ستون بکش: کی هستند / چه می‌کنند. هر معیار اسکور فعلی را در یکی بینداز. اگر بیش از نصف معیارها در هر دو ستون قاطی بود، همین اسپرینت را صرف جداسازی کن. آستانه فروش را عمداً سخت نگه دار تا وسوسهٔ «همه را داغ کنیم» پیش نیاید.

مطالب مرتبط

• سگمنت‌بندی مشتری در مارکتینگ
• سگمنت‌بندی RFM چیست؟
• پرسونالایزیشن در برابر سگمنتیشن