En säljare öppnar CRM:et på måndag morgon och möts av 80 leads med hög poäng. Hälften har laddat ner en guide, några har besökt karriärsidan fem gånger och andra är befintliga kunder som råkat klicka i ett nyhetsbrev. Det är inte prioritering. Det är brus med en siffra på.
Lead scoring HubSpot ska hjälpa sälj att välja rätt nästa aktivitet, vid rätt tidpunkt, för rätt konto. Om modellen inte gör det är den inte ett tillväxtverktyg. Då är den bara ytterligare en automation som någon byggde för att den fanns tillgänglig i systemet.
För B2B-bolag med långa säljcykler är problemet sällan att det saknas data. Problemet är att data inte har översatts till en gemensam uppfattning om köpintresse, affärspotential och ansvar mellan marknad och sälj. En fungerande scoringmodell gör just det. Men den kräver mer affärsförståelse än teknisk konfiguration.
Lead scoring används för att rangordna kontakter och, i vissa fall, företag utifrån hur väl de passar er idealkund och vilka signaler de ger i köpresan. HubSpot kan tilldela poäng automatiskt baserat på egenskaper, webbaktivitet, formulärsvar, e-postengagemang och andra händelser.
Det är den enkla delen. Den svåra delen är att avgöra vilka signaler som faktiskt korrelerar med en kvalificerad affär.
Ett bolag som säljer en komplex plattform till enterprise-kunder bör till exempel inte ge samma vikt åt en enskild innehållsnedladdning som åt att flera personer från samma konto återkommer till prissättning, integrationsdokumentation och en demo. En person kan vara nyfiken. Ett konto där flera relevanta beslutsfattare visar beteende nära ett köpbeslut är något helt annat.
Målet är därför inte att hitta flest möjliga MQL:er. Målet är att hjälpa säljarna att identifiera de möjligheter som förtjänar snabb och relevant uppföljning. Det innebär ofta färre leads till sälj, men betydligt bättre träffsäkerhet.
Den vanligaste feltolkningen är att ett högt poängtal automatiskt betyder hög kvalitet. Det stämmer bara om poängen bygger på relevanta kriterier och om kriterierna har rätt viktning.
En student kan läsa tio artiklar. En konkurrent kan delta i ett webinar. En befintlig kund kan använda samma e-postadress för support, produktutskick och marknadsföring. Om modellen enbart premierar aktivitet kommer den att belöna fel beteenden.
Kvalitet består i praktiken av två saker: matchning och intention. Matchning handlar om huruvida kontakten och bolaget passar er kommersiella strategi. Intention handlar om huruvida de visar tecken på att vilja lösa ett problem nu eller inom en rimlig tidshorisont. En bra modell kräver båda.
Börja inte med frågan vilka datapunkter HubSpot kan läsa. Börja med era senaste vunna och förlorade affärer. Vilka konton blev kunder? Vilka roller var involverade? Vilka signaler syntes innan en seriös dialog startade? Och vilka leads såg lovande ut i rapporterna men gick aldrig att konvertera?
Det arbetet brukar snabbt visa om er nuvarande definition av ett kvalificerat lead är för bred, för kanalstyrd eller helt frikopplad från hur köpare faktiskt fattar beslut.
Matchningspoäng bör utgå från vem ni vill vinna, inte från vem som råkar fylla i ett formulär. För ett nordiskt B2B-bolag på väg mot USA kan det handla om bolagsstorlek, bransch, marknad, teknikmiljö, geografisk närvaro och om det finns en tydlig use case där ni har bevisad styrka.
Även rollen spelar roll, men med försiktighet. Titlar är oprecisa, särskilt på internationella marknader. En VP, Head of eller Director kan ha helt olika mandat beroende på bolagets storlek och organisation. Använd roll som en signal, inte som hela sanningen.
I HubSpot bör ni också avgöra vad som ska diskvalificera ett lead. Privat e-postadress, fel segment, student, rekryteringsärende eller befintlig kund kan behöva ge negativa poäng eller hanteras i en separat process. Negativ scoring är inte pessimistisk. Den skyddar säljtiden.
Alla aktiviteter är inte lika mycket värda. Att besöka startsidan är en svag signal. Att återvända till en sida om implementation, integrationskrav eller prissättning kan vara starkare. Att boka ett möte, svara på ett kvalificerande mejl eller bjuda in en kollega till dialog är normalt ännu starkare.
Viktningen måste spegla er egen säljcykel. Om en demo hos er ofta är ett tidigt orienteringssteg ska den inte automatiskt flytta kontakten till sälj. Om en kontakt däremot återkommer till material som används när inköpsprocessen är igång, och tillhör rätt konto, bör signalen prioriteras högre.
Det finns också en tidsdimension. En kontakt som visade intresse för nio månader sedan är inte lika varm som någon som gjort samma sak denna vecka. Låt poäng minska över tid för beteenden som inte följs av ny aktivitet. Annars fylls topplistan av gamla spår som redan kallnat.
Komplex B2B-försäljning avgörs sällan av en enskild person. Ett inköp kan involvera en operativ användare, en chef med budgetansvar, IT, säkerhet, inköp och ibland ledning. Därför blir kontaktbaserad scoring ofta för trubbig.
Använd företagsegenskaper och associationer för att skapa en kontobild. När flera kontakter från samma målbolag engagerar sig bör det påverka prioriteringen. Samtidigt behöver ni undvika att ett stort konto blir "hett" bara för att många anställda får samma marknadsutskick. Det är kombinationen av rätt personer, rätt beteenden och rätt tidpunkt som betyder något.
För bolag med account-based arbetssätt är det ofta bättre att låta scoring styra vilka konton som ska få samordnade insatser från sälj och marknad, snarare än att bara skapa en kö för individuella leads.
En score på 50, 70 eller 100 saknar betydelse om ingen vet vad som ska hända när tröskeln passeras. Här faller många HubSpot-upplägg. Marknad ser ett automatiskt livscykelsteg som en leverans. Sälj ser samma kontakt som ett dåligt prospekt. Förtroendet för modellen försvinner efter några veckor.
Sätt därför en konkret definition av vad sälj ska få. Den bör innehålla krav på matchning, tydliga köpsignaler och vilken information som måste finnas för att säljaren ska kunna agera relevant. En kontakt som blir sales qualified bör inte bara få en etikett. Säljaren ska förstå varför personen prioriteras, vilket konto det gäller, vilka sidor eller ämnen som signalerat intresse och vad nästa rimliga steg är.
Definiera också återkopplingen. När sälj avvisar ett lead ska orsaken fångas strukturerat: fel segment, ingen budget, ingen timing, befintlig leverantör, ej kontaktbar eller något annat. Om allt hamnar i en fri text blir datan snabbt oanvändbar. Om orsakerna är konsekventa kan marknad och RevOps se mönster och justera modellen.
Ett rimligt arbetssätt är att följa upp minst fyra mått varje månad: andelen scoreade leads som accepteras av sälj, tiden till första uppföljning, andelen accepterade leads som blir affärsmöjligheter och vunnet värde per källa eller segment. Det visar om scoringmodellen driver intäkt, inte bara aktivitet.
Det första misstaget är att bygga för många regler från start. En modell med 40 små poänghändelser blir svår att förklara, svår att felsöka och nästan omöjlig att förbättra. Börja hellre med ett begränsat antal starka kriterier som sälj känner igen från verkliga affärer.
Det andra är att behandla formulärkonvertering som ett bevis på köpavsikt. Vissa formulär är en bra signal, andra är bara ett sätt att få tillgång till innehåll. Koppla poängen till erbjudandet och sammanhanget, inte bara till att formuläret skickades in.
Det tredje är att aldrig kalibrera modellen. Marknad förändras, målsegment ändras, nya produkter lanseras och säljteamet får nya arbetssätt. En scoringmodell är inte ett projekt som blir klart. Den är en del av er intäktsmotor och måste granskas mot utfall.
Det fjärde är att automatisera innan processen är tydlig. HubSpot kan skapa uppgifter, notifieringar och arbetsflöden, men automation förstärker även dåliga beslut. Om sälj inte vet vad ett kvalificerat lead innebär kommer snabbare notifieringar bara ge snabbare irritation.
AI och prediktiva modeller kan vara värdefulla när ni har tillräcklig historik, konsekvent CRM-data och en betydande mängd vunna och förlorade affärer att lära av. Men för många B2B-bolag är grunden fortfarande trasig: livscykelsteg används olika, affärsutfall registreras inte konsekvent och viktiga kontodata saknas.
I det läget är en transparent, regelbaserad modell ofta bättre. Den går att diskutera med sälj, justera snabbt och koppla direkt till er GTM-strategi. När datakvaliteten och processen har mognat kan ni lägga till mer avancerad analys. Tekniken ska följa affären, inte tvärtom.
Det verkliga testet kommer inte när modellen publiceras i HubSpot. Det kommer när en erfaren säljare ser nästa prioriterade konto, förstår varför det ligger överst och väljer att agera på det. Bygg scoring för att förtjäna det förtroendet - och justera den varje gång utfallet visar att ni hade fel.