Kort samengevat
De LinkedIn-responsratio's die de ronde doen, lopen tot een factor tien uiteen. Dat is niet omdat sommigen tien keer beter prospecteren dan anderen: ze tellen niet hetzelfde. Voor je je afvraagt of je ratio goed is, moet je beslissen hoe je hem berekent. Pas daarna wordt het cijfer een stuurinstrument.
Dit artikel geeft bewust geen enkel referentiecijfer. We kennen er geen dat stevig genoeg is om het te beweren, en er een overnemen zou het een betrouwbaarheid geven die het niet heeft.
Waarom gepubliceerde cijfers niet vergelijkbaar zijn
De noemer verschilt. Antwoorden gedeeld door verstuurde berichten, door aanvaarde connecties of door gecontacteerde mensen: hetzelfde aantal antwoorden geeft drie heel verschillende ratio's.
De definitie van een antwoord verschilt. Telt een beleefde weigering? Een automatisch afwezigheidsbericht? Afhankelijk van de keuze kan het resultaat verdubbelen.
De populatie verschilt. Een ratio gemeten bij aankoopdirecteurs van grote groepen heeft niets te maken met een ratio gemeten bij zaakvoerders van bedrijven met tien werknemers. Ze vergelijken is twee markten vergelijken.
Drie regels om eens en voor altijd vast te leggen
| Beslissing | De regel die standhoudt | |---|---| | Noemer | Gecontacteerde mensen, nooit verstuurde berichten | | Antwoord | Elk menselijk antwoord, weigeringen inbegrepen | | Stopdatum | Laatste verzending + 21 dagen |
De eerste regel is de grootste valkuil. Deel je door het aantal berichten, dan doet elk extra opvolgbericht de ratio dalen. Een volledige sequentie lijkt dan minder goed te presteren terwijl ze meer antwoorden oplevert. Je leest het omgekeerde van de werkelijkheid.
In een kmo waar twee of drie mensen prospecteren, moeten die regels gemeenschappelijk zijn. Anders vergelijkt het commerciële overleg op maandag rekenmethodes, geen resultaten.
Het gesloten cohort
Een ratio die je doorlopend berekent, is altijd fout: op elk moment is een deel van de berichten te recent om al een antwoord te hebben gekregen.
Het gesloten cohort lost dat op. Je legt een verzendperiode vast, je wacht tot de volledige sequentie is afgelopen, op dag 21, en dan tel je. Eén keer. De volgende periode vormt een nieuw cohort.
Noteer ook bij welk bericht elk antwoord binnenkwam: eerste bericht, opvolging op dag 3, dag 7 of dag 14. Neem een rekenvoorbeeld, op een fictief cohort van 80 gecontacteerde mensen:
| Bericht | Ontvangen antwoorden | Aandeel van de antwoorden | |---|---|---| | dag 0 | 6 | 50 % | | dag 3 | 2 | 17 % | | dag 7 | 3 | 25 % | | dag 14 | 1 | 8 % | | Totaal | 12 op 80 mensen | Ratio: 15 % |
In dit voorbeeld komt de helft van de antwoorden na het eerste bericht. De sequentie stoppen op dag 0 had een ratio van 7,5 % opgeleverd, en je ertoe gebracht een bericht te herschrijven dat werkte. Komt daarentegen bijna alles binnen op het eerste bericht, dan verdienen je opvolgberichten een herziening.
Wat de ratio doet bewegen, in volgorde van effect
1. De match met de doelgroep. Veruit de belangrijkste factor. Een uitstekend bericht aan de verkeerde persoon maakt niets goed; een gewoon bericht aan iemand voor wie het onderwerp echt speelt, krijgt een antwoord. Stagneert je ratio, kijk dan eerst naar de lijst en pas daarna naar de tekst, met behulp van een ICP in één zin.
2. De eerste regel. Die beslist of de rest gelezen wordt. Een precieze observatie over de persoon doet het beter dan een voorstelling van je bedrijf.
3. De grootte van de vraag. “Twintig minuten deze week?” en “Is dit bij jullie momenteel een onderwerp?” vragen niet hetzelfde engagement. Hoe zwaarder de vraag, hoe minder mensen erop antwoorden.
4. De lengte. Op een telefoon wordt een LinkedIn-bericht na enkele regels afgekapt. Wat daarna komt, wordt vaak nooit gelezen.
5. Het verzendmoment. Dat speelt mee, maar in de marge. Het verzenduur optimaliseren van een slecht gericht bericht verandert weinig.
Verander tussen twee cohorten maar één van die factoren. Twee gelijktijdige wijzigingen geven een resultaat dat niemand kan interpreteren.
Hoeveel contacten voor je conclusies trekt
Neem een rekenvoorbeeld. Je test twee eerste berichten, elk naar 30 mensen verstuurd. Het eerste krijgt 3 antwoorden (10 %), het tweede 5 (ongeveer 17 %). Het verschil lijkt duidelijk. Toch hangt het af van twee mensen, en twee mensen meer of minder kunnen antwoorden om redenen die niets met de tekst te maken hebben: een vakantie, een reorganisatie, een drukke dag.
Een dertigtal mensen per versie is dus een ondergrens, geen betrouwbaarheidsdrempel. Hoe lager de ratio's, hoe meer je er nodig hebt. Daaronder is de juiste lezing “nog geen resultaat”, niet “resultaat te bevestigen”.
Het cijfer dat echt telt
De responsratio is een tussentijdse indicator. Je kunt hem doen stijgen door vragen te stellen waarop iedereen “ja, interessant” antwoordt, en je agenda vullen met afspraken die tot niets leiden, zoals het artikel over lege LinkedIn-afspraken beschrijft.
Volg dus twee cijfers naast elkaar: de responsratio, die zegt of het bericht gelezen wordt, en de ratio gekwalificeerde afspraken, die zegt of het de juiste mensen aantrekt. Ze krijgen hun plaats in het vrijdagdashboard, samen met drie andere cijfers die je in een kwartier noteert.
In de methode van Trouve Tes Clients vormt deze meting de stap Sturen: zonder die stap verbeteren de vier voorgaande stappen niet van maand tot maand.