Cara Skor Prioritas Leads Lama Pakai AI Sebelum Kamu Follow-Up Ulang

Cara skor prioritas leads lama pakai AI adalah memberi AI catatan tiap lead plus rubrik tiga dimensi: value asli, relevansi sekarang, dan suhu hubungan. Lalu kamu minta skor beserta alasannya, sehingga waktu follow-up yang terbatas dipakai untuk leads yang paling layak didekati ulang.

Bagian dari playbook: Playbook AI untuk Digital Marketing

Intinya:

• Skor yang berguna memisahkan tiga hal: seberapa berharga lead itu, seberapa relevan tawaranmu untuknya sekarang, dan seberapa hangat hubungan kalian.
• AI paling membantu saat membaca catatan chat yang berantakan dan merangkumnya jadi skor dengan alasan yang bisa kamu periksa.
• Skor hanya sebaik data dan rubrikmu, jadi cek sampel secara manual sebelum mempercayai urutannya.

Coba kamu bayangin dua cara menghabiskan Sabtu pagi yang sama

Misalnya kamu jual jasa desain kemasan di Solo. Di WhatsApp ada ratusan kontak dari pameran, iklan, dan rekomendasi teman. Sebagian besar sudah berbulan-bulan diam. Kamu punya dua jam di Sabtu pagi untuk follow-up.

Cara pertama: kamu scroll dari atas, sapa satu per satu. Yang paling atas biasanya kontak yang terakhir chat. Dua jam habis untuk belasan orang. Beberapa membalas ramah, tapi isinya cuma tanya harga satuan kecil.

Cara kedua: sehari sebelumnya, kamu ekspor catatan leads ke spreadsheet dan minta AI memberi skor. Di urutan atas muncul tiga nama yang tadinya tenggelam:

• Pemilik usaha keripik yang dulu tanya paket lengkap, lalu bilang “nunggu izin PIRT keluar dulu.”
• Brand kopi lokal yang pernah minta proposal, lalu hilang setelah proposal dikirim.
• Katering yang dulu bilang “nanti pas buka cabang baru kita ngobrol lagi.”

Dua jam yang sama, tapi kamu menghabiskannya untuk orang yang punya alasan nyata untuk ngobrol lagi. Nah, perbedaannya ada di urutan, dan urutan itulah yang dibantu AI.

Kenapa urutan follow-up biasa sering salah sasaran?

Daftar kontak di HP diurutkan berdasarkan abjad atau waktu chat terakhir. Kedua urutan itu tidak ada hubungannya dengan peluang closing.

Baca jugaAI untuk Produktivitas & OperasionalSebelum Percaya Jawaban AI buat Bisnis, Tes Dulu Pakai Pertanyaan yang Kamu Sudah Tahu Jawabannya

Ada tiga bias yang bikin follow-up manual meleset:

• Bias yang paling baru. Kontak yang terakhir chat terasa paling penting, padahal bisa saja dia cuma iseng tanya.
• Bias yang paling ramah. Orang yang cepat membalas dan sopan terasa “hangat”. Hangat belum tentu berarti butuh dan mampu membeli.
• Bias yang paling diingat. Lead besar yang pernah bikin kamu deg-degan tetap kamu kejar, walaupun kebutuhannya sudah dipenuhi vendor lain.

Makanya follow-up manual ke semua orang terasa melelahkan dan hasilnya acak. Masalahnya ada di cara memilih, belum tentu di kemampuanmu menulis pesan.

Apa itu skor prioritas leads, dan apa saja komponennya?

Skor prioritas leads adalah angka atau label yang mengurutkan leads berdasarkan seberapa layak mereka didekati ulang saat ini. Skor ini punya beberapa atribut penting:

• Dinilai per dimensi, sehingga kamu tahu kenapa sebuah lead naik atau turun.
• Punya alasan tertulis yang merujuk ke data asli.
• Bergantung pada waktu, karena kondisi lead berubah.
• Bisa dikalibrasi ulang setelah kamu melihat respons nyata.

Konsep ini sudah lama dipakai di software CRM. Di alat lead scoring HubSpot, misalnya, fit score menilai kecocokan lead dengan profil pelanggan ideal. Engagement score menilai aktivitas dan ketertarikan lead. Skor kombinasinya memakai huruf A sampai C untuk fit dan angka 1 sampai 3 untuk engagement. Jadi lead yang sangat aktif tapi kurang cocok terlihat sebagai C1.

Pelajarannya sederhana: kecocokan dan keaktifan adalah dua hal berbeda. Kalau digabung jadi satu rasa “kayaknya potensial”, kamu kehilangan informasi.

Untuk leads lama, saya sarankan tiga dimensi berikut.

Value asli: seberapa berharga lead ini kalau jadi

Value asli adalah perkiraan nilai bisnis sebuah lead jika ia membeli. Ini mencakup produk yang diminati, kecocokan dengan klien ideal, dan kemungkinan repeat order. Lead yang menanyakan paket utama berbeda bobotnya dengan lead yang cuma tanya produk paling murah.

Masukkan juga faktor kemudahan. Klien besar yang revisinya tanpa ujung belum tentu lebih berharga daripada klien sedang yang jelas briefnya.

Relevansi sekarang: apakah ada alasan untuk ngobrol hari ini

Relevansi sekarang adalah ada atau tidaknya pemicu yang membuat tawaranmu masuk akal di waktu ini. Contohnya rencana buka cabang, izin yang sedang diurus, musim ramai, atau masalah yang dulu disebut dan kemungkinan masih ada.

Dimensi ini paling sering dilupakan. Padahal di leads lama, timing sering jadi alasan utama orang dulu belum membeli. Catatan kecil seperti “nanti habis Lebaran” adalah emas, asal kamu menuliskannya.

Suhu hubungan: seberapa hangat percakapan terakhir

Suhu hubungan adalah kualitas dan kebaruan interaksi terakhir. Percakapan yang berakhir dengan “boleh kirim proposal” lebih hangat daripada pesan yang centang biru tanpa balasan.

Untuk membaca sinyal ini lebih tajam, kamu bisa pakai cara membaca buying signal di chat sebagai panduan memberi skor suhu.

Kenapa suhu hubungan perlu “meluruh” seiring waktu?

Score decay adalah pengurangan skor secara bertahap berdasarkan berapa lama interaksi itu terjadi. HubSpot, misalnya, mendukung decay untuk skor engagement dengan interval 1, 3, 6, atau 12 bulan.

Logikanya masuk akal. Klik atau balasan antusias enam bulan lalu tidak sama nilainya dengan yang terjadi minggu lalu. Kalau kamu menilai manual atau pakai AI, cukup sertakan tanggal interaksi terakhir di data. Lalu tulis di rubrik bahwa interaksi lama menurunkan skor suhu.

Kenapa AI membantu di sini, dan di mana batasnya?

Rumus spreadsheet bagus untuk data rapi, seperti tanggal dan kategori produk. Masalahnya, informasi paling berharga tentang leads lama ada di catatan bebas. Kalimat seperti “katanya mau rebranding tapi nunggu investor” tidak bisa dibaca oleh rumus.

AI kuat di bagian itu. AI bisa membaca ratusan baris catatan yang gaya tulisnya campur aduk, lalu menerjemahkannya ke rubrik yang sama. Konsistensinya jauh lebih terjaga dibanding kamu menilai sambil capek di baris keseratus.

Batasnya juga jelas:

• AI tidak tahu apa yang tidak tertulis. Kalau catatanmu kosong, AI cenderung menebak dari nama usaha, kota, atau jenis industri. Tebakan seperti ini terdengar meyakinkan tapi bisa jadi stereotip.
• AI bisa terdengar yakin saat salah. Karena itu, minta AI mengutip potongan catatan yang jadi dasar skor. Kalau tidak ada kutipan, skornya patut dicurigai.
• AI tidak menggantikan penilaianmu. Skor adalah usulan urutan. Kamu tetap yang memutuskan siapa dihubungi dan bagaimana caranya.

Prinsip yang sama berlaku untuk semua output AI, dan sudah saya bahas di tulisan tentang kenapa hasil AI perlu dicek ulang sebelum dipakai.

Satu hal lagi yang sering terlewat: pisahkan proses memberi skor dan menulis pesan. Kalau AI diminta melakukan keduanya sekaligus, ia cenderung menaikkan skor lead yang “enak ditulis pesannya”. Skor dulu, pesan belakangan.

Kenapa ini penting buat solopreneur dengan tim tipis?

Di bisnis kecil, waktu follow-up adalah sumber daya paling langka. Tidak ada tim sales yang bisa disuruh menghubungi semua orang. Biasanya follow-up dikerjakan pemilik bisnis di sela produksi, admin, dan urusan rumah.

Dengan skor prioritas, ada tiga hal yang berubah:

1. Energi personal masuk ke kelompok teratas. Pesan yang ditulis dengan perhatian penuh diberikan ke leads yang memang punya alasan untuk ngobrol.
2. Kelompok tengah tetap tersentuh dengan cara lebih ringan. Misalnya lewat broadcast yang relevan atau konten edukasi, tanpa harus chat satu-satu.
3. Pesanmu jadi lebih spesifik. Alasan skor dari AI sudah memuat konteks tiap lead, jadi kamu tidak mulai dari nol saat menulis sapaan.

Setelah urutannya jelas, bagian menyapanya bisa kamu susun dengan pola di artikel cara nyapa ulang list lama yang sudah lama diam.

Kapan cara ini tidak berlaku, dan jebakan yang sering muncul

Scoring dengan AI punya biaya: waktu menyiapkan data, menulis rubrik, dan mengecek hasil. Ada situasi ketika biaya itu tidak sepadan.

• List-mu masih kecil. Kalau leadsnya cuma segelintir dan kamu ingat semuanya, langsung follow-up saja.
• Catatanmu hampir kosong. Kalau isinya hanya nama dan nomor, AI tidak punya bahan untuk dinilai. Perbaiki kebiasaan mencatat dulu untuk leads berikutnya.
• Produkmu dibeli secara impulsif. Untuk produk murah yang keputusan belinya cepat, kebaruan interaksi biasanya lebih menentukan daripada analisis mendalam.

Jebakan yang perlu diwaspadai:

• Skor rendah dianggap vonis. Lead dengan skor rendah cukup dipindah ke ritme yang lebih jarang. Kondisinya bisa berubah kapan saja.
• Orang yang minta tidak dihubungi ikut dinilai. Keluarkan mereka dari data sebelum scoring. Menghormati permintaan itu lebih penting daripada skor apa pun.
• Data pribadi ditempel mentah ke AI. Indonesia punya UU Nomor 27 Tahun 2022 tentang Pelindungan Data Pribadi yang berlaku sejak 17 Oktober 2022. Ganti nama dan nomor HP dengan kode, lalu cek pengaturan data di alat AI yang kamu pakai.
• Rubrik terlalu menguntungkan klien besar. Kalau value asli hanya diukur dari ukuran perusahaan, kamu akan terus mengejar lead yang sulit dan melewatkan yang paling cocok.

Langkah minggu ini: cara skor prioritas leads lama pakai AI

Kamu bisa mencoba alur ini dengan spreadsheet biasa dan AI assistant yang sudah kamu pakai.

1. Kumpulkan data ke satu sheet. Kolom minimal: kode lead, sumber lead, produk yang ditanyakan, tanggal interaksi terakhir, dan catatan percakapan.
2. Bersihkan data pribadi. Ganti nama dengan kode seperti L-001. Hapus nomor HP dan alamat. Simpan kunci kodenya di file terpisah.
3. Tulis rubrik dengan definisinya. Skor 1 sampai 3 untuk tiap dimensi, lengkap dengan contoh konkret dari bisnismu.
4. Jalankan prompt scoring. Contoh prompt ada di bawah.
5. Kalibrasi dengan sampel. Pilih sepuluh baris, nilai sendiri tanpa melihat skor AI, lalu bandingkan. Kalau banyak yang beda, perjelas rubriknya.
6. Follow-up kelompok teratas, lalu catat responsnya. Respons ini jadi bahan untuk memperbaiki rubrik di putaran berikutnya.

Contoh prompt yang bisa kamu sesuaikan:

Kamu membantu saya menentukan urutan follow-up leads lama.
Nilai setiap baris dengan rubrik ini, skor 1 sampai 3 per dimensi:

- Value asli: 3 = minat ke paket utama dan cocok dengan klien ideal saya; 2 = cocok sebagian; 1 = minat kecil atau di luar target.
- Relevansi sekarang: 3 = ada pemicu atau rencana yang waktunya dekat; 2 = masalahnya kemungkinan masih ada; 1 = kebutuhan sudah terpenuhi.
- Suhu hubungan: 3 = percakapan terakhir positif dan belum lama; 2 = netral atau sudah cukup lama; 1 = lama tidak dibalas atau berakhir negatif.

Aturan:
1. Pakai hanya informasi di data. Jangan menebak dari nama usaha, kota, atau jenis industri.
2. Untuk setiap skor, kutip potongan catatan yang menjadi dasarnya.
3. Kalau informasi untuk satu dimensi tidak ada, tulis "data kurang" dan jangan beri skor.
4. Kelompokkan hasil: "hubungi personal minggu ini", "sapa lewat broadcast", dan "perlu dicek manual".
5. Untuk tiap lead, tulis kode, tiga skor, alasan satu kalimat, dan satu hal yang perlu saya pastikan sebelum menghubungi.

Jangan menulis pesan follow-up dulu.

Data:
[tempel tabel yang sudah dibersihkan]

Kalau hasilnya terasa generik, biasanya rubrikmu yang terlalu longgar. Prinsip prompt yang bertanya dulu sebelum memberi solusi juga bisa dipakai di sini. Minta AI menanyakan definisi klien idealmu sebelum mulai menilai.

Leads lama jarang benar-benar habis

Yang sering terjadi, kita mendekati mereka dengan urutan yang keliru, lalu menyimpulkan list itu sudah mati. Skor prioritas memberi kamu urutan yang bisa dipertanggungjawabkan. Kamu tetap pegang keputusan, AI membantu membaca tumpukan catatan yang tidak sempat kamu baca ulang.

Mulai dari satu sheet, satu rubrik, dan sepuluh baris kalibrasi minggu ini. Kalau kamu ingin cara kerja seperti ini menjadi bagian dari sistem operasional bisnis yang lebih ramping, pendekatannya saya bahas di AI Lean Company.