🎯 Fit Score per Servizio - Intelligenza AI per l'Assegnazione Campagne
Scopri come l'Outreach Machine utilizza l'intelligenza artificiale per valutare automaticamente la compatibilità tra i tuoi lead e i servizi offerti.
❓ Cos'è il Fit Score?
Il Fit Score è un punteggio da 0 a 100 che rappresenta quanto bene un lead è "compatibile" con uno dei tuoi servizi.
- 70-100: Altissima corrispondenza → Lead ideale per questo servizio
- 50-69: Buona corrispondenza → Lead interessante, vale la pena contattare
- 30-49: Corrispondenza moderata → Potrebbe essere interessato, ma non è il focus
- 0-29: Bassa corrispondenza → Probabilmente non adatto per questo servizio
Ogni fit score include anche un Confidence Level (0-100) che indica quanto "sicuro" è il sistema nel valutare il lead.
🔄 Il Workflow Completo
Passo 1: Enrichment dei Lead
Prima che il sistema possa calcolare un fit score accurato, il lead deve essere arricchito con informazioni:
Lead inserito
↓
Sistema analizza:
• Settore/Industria
• Ruolo
• Dimensione azienda
• Esigenze dichiarate
↓
Lead enriched ✅
Lead sottoenricchito? Il sistema ti avviserà "Lead sottoenricchito - consigliamo di enrichire". In questo caso, aggiungi più dettagli al lead prima di assegnarlo a una campagna.
Passo 2: Assegnazione a Campagna
Quando assegni un lead a una campagna che ha un servizio associato:
Lead assegnato a campagna con servizio_id
↓
Sistema triggera automaticamente:
• Calcolo fit_score vs il servizio
• Analisi con Claude AI
↓
Fit Score calcolato automaticamente ✅
Non devi fare nulla – il sistema calcola il fit score da solo!
Passo 3: Visualizzazione e Suggerimenti
Dopo l'assegnazione, puoi: - 👁️ Visualizzare il fit score del lead nel dettaglio - 💡 Ricevere suggerimenti sul miglior servizio per il lead - 🔀 Riassegnare il lead a una campagna più appropriata se consigliato
📊 Cosa Misura il Fit Score?
Il sistema analizza il lead su multiple dimensioni:
Fattori Analizzati
| Fattore | Cosa Valuta | Importanza |
|---|---|---|
| Settore | L'industria del lead corrisponde al target del servizio? | 🔴 Alta |
| Ruolo | La posizione del lead è in target per questo servizio? | 🔴 Alta |
| Dimensione Azienda | Startup vs SMB vs Enterprise - il servizio è adatto? | 🟡 Media |
| Pain Points | I problemi del lead sono risolti dal servizio? | 🔴 Alta |
| Budget | Il lead ha capacità di spesa per questo servizio? | 🟡 Media |
| Timeline | Il lead è pronto a una decisione adesso o dopo? | 🟢 Bassa |
💡 Come Usare i Suggerimenti Automatici
Quando un lead viene arricchito e il sistema analizza i servizi, puoi ricevere suggerimenti automatici:
Scenario 1: Miglior Fit
Lead: "Mario Rossi - CTO @ TechStartup (10 persone)"
Servizi nel workspace:
1. "Cloud Migration" → Fit Score 85%
2. "Cybersecurity" → Fit Score 45%
3. "Team Augmentation" → Fit Score 30%
📌 Sistema consiglia: Cloud Migration (85%)
Scenario 2: Fit Moderato
Lead: "Lucia Ferrari - HR Manager @ Agenzia Pubblicitaria"
Servizi nel workspace:
1. "Recruitment" → Fit Score 62%
2. "Training" → Fit Score 45%
3. "Consulting" → Fit Score 25%
📌 Sistema consiglia: Recruitment (62%)
Alternativa: Training (45%)
Scenario 3: Nessun Fit Ideale
Lead: "Giovanni Bianchi - CFO @ Banca"
Servizi nel workspace:
1. "Cloud Migration" → Fit Score 35%
2. "Cybersecurity" → Fit Score 40%
3. "Team Augmentation" → Fit Score 15%
⚠️ Nessun servizio ha alta compatibilità
💡 Puoi comunque contattare per esplorare soluzioni custom
📋 Breakdown del Fit Score
Ogni fit score viene scomposto in componenti per capire perché il lead è una buona o cattiva corrispondenza:
{
"fit_score": 78,
"confidence": 85,
"breakdown": {
"settore": "Match perfetto (Tech)",
"ruolo": "CTO - target ideale per questo servizio",
"dimensione": "10-50 persone - fascia ideale",
"pain_points": "Migrazione cloud non coperta",
"budget": "Azienda in crescita, capacità media-alta"
}
}
Come leggerlo: - Ogni campo spiega il contributo al punteggio finale - I campi con "Match" sono i punti di forza - I campi con "non" o "insufficiente" sono aree deboli
⚙️ Flusso Tecnico (per Chi Vuole Sapere Di Più)
1️⃣ Quando Assegni un Lead a Campagna
POST /api/campaigns/{campaign_id}/assign-lead
{
"lead_ids": ["lead_123", "lead_456"]
}
Cosa succede:
- Lead viene assegnato alla campagna
- Se la campagna ha un service_id, il sistema triggera il calcolo fit_score
- Sistema legge il lead (settore, ruolo, azienda, ecc.)
- Sistema chiama Claude AI con la Buyer Persona del servizio
- Risultato viene salvato nel database
Risposta:
{
"success": true,
"assigned": 2,
"fit_score_triggered": true,
"fit_score_result": {
"success": true,
"updated": 2,
"errors": null
}
}
2️⃣ Quando Richiedi Suggerimenti
POST /api/leads/{lead_id}/suggest-campaign
Cosa succede: - Sistema legge il lead - Calcola fit_score vs OGNI servizio nel workspace - Restituisce i 3 migliori candidati - Include il servizio attuale se già assegnato
Risposta:
{
"success": true,
"suggestion": {
"campaign_id": "camp_123",
"campaign_name": "Cloud Migration Q2",
"service_id": "svc_456",
"service_name": "Cloud Migration",
"fit_score": 85,
"confidence": 92,
"reason": "Altissima corrispondenza",
"breakdown": { ... }
},
"alternatives": [
{
"campaign_id": "camp_789",
"service_name": "Cybersecurity",
"fit_score": 45
}
]
}
✅ Best Practices
✅ FAI
- Arricchisci i lead il più possibile prima di assegnarli
- Monitora il Confidence Level - se è basso (<50%), il lead potrebbe aver bisogno di più informazioni
- Usa i suggerimenti come guida per la riassegnazione
- Testa il fit_score su piccoli batch prima di scalare
- Rivedi periodicamente i lead con fit_score basso per capire perché
❌ NON FARE
- Ignorare fit_score bassi - potrebbero indicare lead non adatti
- Assegnare troppe volte lo stesso lead a campagne diverse
- Contattare lead con confidence molto bassa (<30%) senza arricchimento aggiuntivo
- Ignorare i "breakdown" che mostrano quali fattori contribuiscono al punteggio
🎯 Strategie di Utilizzo
Strategia 1: Qualification Automatica
1. Importa lead in bulk
2. Arricchisci con dati pubblici (LinkedIn, web scraping, ecc.)
3. Sistema calcola fit_score automaticamente
4. Contatta solo i lead con fit_score > 70
5. Segui i lead 50-70 con messaging diverso
Vantaggio: Massimizza il ROI contattando i migliori lead prima
Strategia 2: A/B Testing Campagne
Campagna A: Lead con Fit Score 70+
Campagna B: Lead con Fit Score 50-70
Misura:
- Open Rate
- Reply Rate
- Conversion Rate
→ Scopri quale fit_score range converte meglio per il tuo servizio
Strategia 3: Riassegnazione Intelligente
1. Lead assegnato a Campagna X, ma fit_score è basso
2. Richiedi suggerimenti → Sistema propone Campagna Y
3. Riassegna il lead a Campagna Y
4. Monitora miglioramenti in metriche di risposta
📊 Metriche da Monitorare
Per ogni campagna, traccia la relazione tra fit_score e performance:
| Metrica | Formula | Target |
|---|---|---|
| Avg Fit Score | Media fit_score lead in campagna | >60 |
| Fit Score Distribution | % lead per range (0-30, 30-50, 50-70, 70+) | 60%+ in 70+ |
| Reply Rate by Fit | Reply rate per range di fit_score | Aumenta con fit_score |
| Conversion by Fit | Clienti acquisiti per range di fit_score | >80% da 70+ |
❓ FAQ - Fit Score
D: Perché il fit_score di un lead è cambato?
A: Il fit_score si aggiorna quando:
- Aggiungi nuove informazioni al lead
- Modifichi la Buyer Persona del servizio
- Aggiorni la descrizione del servizio
D: Posso forzare il ricalcolo del fit_score?
A: Sì - quando assegni un lead a una campagna con servizio, il fit_score viene ricalcolato automaticamente. Se vuoi un ricalcolo manuale, contatta l'admin.
D: Cosa significa "Lead sottoenricchito"?
A: Il sistema non ha abbastanza informazioni per fare una valutazione affidabile (Confidence < 50%). Aggiungi dettagli: settore, ruolo, azienda, problemi specifici.
D: Il Confidence Level è basso - cosa faccio?
A: Arricchisci il lead:
- Visita il sito aziendale del lead
- Cerca il profilo LinkedIn
- Aggiungi note su settore, ruolo, esigenze
- Riassegna → Confidence aumenterà
D: Quale fit_score è "buono"?
A: Dipende dal tuo settore, ma:
- 70+: Contatta prima questi
- 50-69: Segui con messaging meno aggressivo
- <50: O arricchisci o scarta
D: Posso vedere il fit_score per TUTTI i servizi, non solo quello della campagna?
A: Sì! Usa la feature "Suggerisci Campagna" per vedere il fit_score vs tutti i servizi contemporaneamente.
🆘 Troubleshooting - Fit Score
Problema: Fit Score non è stato calcolato dopo l'assegnazione
Possibili cause: - Campagna non ha un servizio associato - Lead non è arricchito abbastanza - Errore di sistema (contatta admin)
Soluzione: 1. Verifica che la campagna abbia un servizio 2. Arricchisci il lead con più dati 3. Riassegna il lead alla campagna 4. Attendi alcuni secondi per il ricalcolo
Problema: Confidence Level è molto basso
Cause: - Lead senza informazioni sul settore - Lead senza informazioni sul ruolo - Lead senza dati aziendali
Soluzione: - Completa tutti i campi disponibili del lead - Aggiungi note descrittive nelle note del lead - Riassegna → Confidence aumenterà
Problema: Suggerimenti non sembrano accurati
Possibili motivi: - Buyer Persona non ben definita per il servizio - Lead non abbastanza arricchito - Servizio target non ben configurato
Soluzione: 1. Rivedi la Buyer Persona del servizio 2. Migliora la descrizione del servizio 3. Arricchisci il lead con informazioni aggiuntive 4. Contatta admin per aiuto sulla Buyer Persona