Moteur d’enrichissement et de routage de leads
Les clients venaient me voir parce que les suivis étaient lents ou que les représentants trouvaient les leads mauvais. Chaque fois, les nouveaux leads attendaient dans une file jusqu’à ce que quelqu’un les trie à la main.
- Rôle
- Architecture, développement, démo en direct
- Outils
- Python, Apollo, Claude, Slack, API CRM
- Livré comme
- Dépôt exécutable, simulation par défaut
- Résultat
- Du lead au représentant en moins de 60 secondes
Comment le problème est décrit
Il arrive généralement sous l’une de ces formes :
- « Nos suivis sont trop lents. »
- « Les représentants disent que les leads sont mauvais. »
- « On paie pour Apollo et je ne saurais pas dire ce que ça nous rapporte. »
Remontez n’importe laquelle des trois et vous arrivez à la même file d’attente :
- Un formulaire rempli atterrit dans une boîte courriel, une liste du CRM ou un onglet de tableur.
- Quelqu’un cherche l’entreprise à la main pour décider si elle vaut la peine.
- La personne qui consulte la file ensuite prend ce qui est en haut, urgent ou non.
- Un vice-président qui demande un prix se retrouve dans la même liste qu’un étudiant qui fait un travail de session.
- Le CRM et l’outil où travaille votre équipe ne communiquent jamais.
Un lead arrivé un vendredi à 16 h et ouvert le lundi a passé la fin de semaine à parler avec le premier qui lui a répondu. C’est ça, le coût, et il n’apparaît dans aucun tableau de bord.
Ce que j’ai construit
Quatre étapes qui se déclenchent dès l’arrivée d’un lead et se terminent avec la fiche dans le CRM et la bonne personne avertie.
Enrichissement
La taille de l’entreprise, le secteur et une valeur estimée de la vente viennent d’Apollo, pour que le score ne repose pas seulement sur ce que le lead a bien voulu écrire. Les gens se décrivent trop sommairement, tout le temps. L’enrichissement empêche qu’un vrai acheteur soit jugé sur un titre de deux mots.
Un score qui explique pourquoi
Un système de points modifiable qui tient compte de la taille de l’entreprise, de la valeur de la vente, du vocabulaire d’urgence dans le message et du niveau hiérarchique. Ce qui l’a fait adopter : Claude écrit une justification d’une ligne, en langage clair, à côté du chiffre. Le représentant qui ouvre la fiche voit le raisonnement plutôt qu’un nombre auquel il n’a aucune raison de se fier.
Un routage dans un fichier
Les règles d’attribution sont dans routing_rules.json. On peut déplacer un seuil, ajouter un représentant ou un palier sans redéploiement ni demande à l’équipe technique. C’est aussi la chose la plus facile à démontrer : on ouvre le fichier, on change un chiffre, on relance, et c’est un autre représentant qui reçoit le lead.
Le point qu’on aurait raison de contester
Si vous avez une équipe de science des données, elle vous dira que ce scoring est rudimentaire. Elle aura raison. Un modèle de propension entraîné obtiendrait de meilleurs résultats sur des données historiques. Il serait aussi impossible à expliquer pour le représentant qui l’utilise et impossible à modifier pour la personne des opérations qui l’entretient, et j’ai vu cette combinaison tuer l’adoption plus d’une fois.
- Le modèle ne touche jamais au chiffre. Il rédige l’explication; les règles produisent le score. Même lead, même score, à chaque fois. Ça compte dès que quelqu’un demande pourquoi une vente a été acheminée de telle façon.
- La simulation est le mode par défaut. Avec
DRY_RUN=true, chaque étape affiche ce qu’elle ferait, sans frais d’API ni écriture réelle dans le CRM ou Slack. Ça a compté davantage pour décrocher le mandat que n’importe quelle fonctionnalité, parce que je peux faire tourner le système en direct devant vous.
Ce qu’il fait
- Du formulaire à un lead enrichi, noté et attribué dans la bonne file
- < 60sDu formulaire à un lead enrichi, noté et attribué dans la bonne file
Ce que je n’ai pas résolu : le score s’appuie sur le vocabulaire d’urgence, et les gens qui écrivent « je regarde un peu » alors qu’ils ont un budget signé obtiennent un score bas à chaque fois. Je n’ai pas encore de solution propre. Si vous avez vu ce problème bien réglé quelque part, j’aimerais savoir comment.