Lead scoring: Komplett guide til beste praksis
I norske B2B-salgsorganisasjoner avgjør lead scoring om salgsteamet tar de riktige samtalene – eller kaster bort timer på kontakter som aldri vil kjøpe. Likevel har de fleste små og mellomstore bedrifter ingen dokumentert scoringsmodell. Prioritering skjer på magefølelse, Excel-ark eller en utdatert «score» i CRM-systemet.
Denne guiden viser deg hvordan du bygger en lead scoring-modell som fungerer i HubSpot, Pipedrive eller Salesforce, er i samsvar med Personopplysningsloven og faktisk aksepteres av salgsteamet.
Hva oppnår lead scoring
Scoring er ikke et magisk tall. Det er en vektet poengsum (typisk 0–100) som kombinerer tre datanivåer:
- Demografiske data: Bransje, selskapsstørrelse, kontaktpersonens stilling, region.
- Atferdsdata: Nettsidebesøk, åpnede e-poster, klikkede lenker, nedlastede dokumenter.
- Intensjonsdata (Intent Data): Eksterne signaler – G2-sammenligninger, Bombora-temaer, LinkedIn-engasjement.
En god score sorterer automatisk innkommende leads i «Kontakt umiddelbart» (>= 75), «Pleiing-sekvens» (40–74) og «Diskvalifisert» (< 40). På den måten vinner salgsteamet ditt 15–25 % mer produktive timer per uke.
Grunnleggende struktur: 50-30-20-regelen
Fra over 80 implementeringer i norske og nordiske B2B-selskaper viser følgende fordeling seg som robust:
- 50 % demografisk: Hvem passer strukturelt til den ideelle kundeprofilen (ICP)? Bransje, antall ansatte, omsetning, region.
- 30 % atferdsbasert: Hvem engasjerer seg aktivt med innholdet? Gjentatte besøk, visning av prissiden, åpning av nyhetsbrev.
- 20 % intensjon (intent): Eksterne kjøpssignaler fra G2, LinkedIn eller Bombora.
Denne fordelingen forhindrer kunstig oppblåsing av «observatørleds» – folk med mange klikk, men uten samsvar med ICP. I det nordiske markedet konsumerer konkurrenter, studenter og jobbsøkere uforholdsmessig mye innhold.
Demografisk scoring: ICP-vinduet
Definer en tydelig Ideell Kundeprofil (ICP) og tildel poeng for hvert samsvar:
- Antall ansatte i målområdet (f.eks. 20–200): +15
- Bransje i målsegmentet: +10
- Norge, Sverige eller Norden: +8
- C-nivå eller Head of-stilling: +12
- Negative signaler (student, konkurrent, rekrutterer): -30
Negative poeng er kritisk viktige: uten dem er noen få velplasserte klikk nok til å sende en jobbsøknads-e-post inn i salgspipelinen.
Atferdsbasert scoring: Hvilke handlinger betyr noe?
Ikke alle klikk er like. Et besøk på prissiden signaliserer langt mer kjøpsintensjon enn 30 sekunder med lesing av en bloggpost. Anbefalt vekting:
- Besøk på prissiden (siste 14 dager): +15
- Påbegynt, men ikke sendt demo-skjema: +12
- Nedlastet dokument (midtfunnel): +8
- Gjentatt besøk på sammenlignende prisside: +10
- E-postsekvens: klikk på handlingsoppfordring: +6
- Abonnement på nyhetsbrev: +3
Viktig: Atferdsscore bør forfalle over tid. Et lead som besøkte prissiden for 90 dager siden, er ikke like «varmt» som et lead som klikket i dag. Implementer en forfallsfaktor på 50 % etter 30 dager, 80 % etter 60 dager.
Intensjonsdata: Samsvar med Personopplysningsloven
Intensjonsdata er det kraftigste, men også mest delikate verktøyet. Leverandører som Bombora, G2 eller Cognism leverer signaler på kontonivå (hvilke selskaper som undersøker tema X). Intensjoner på kontonivå reiser ingen personvernproblemer, ettersom ingen personopplysninger behandles.
Intensjoner på personnivå (f.eks. «Fru Hansen fra Selskap Y har sett på dokument Z») faller inn under Personopplysningsloven, håndhevet av Datatilsynet, og krever et rettslig grunnlag – vanligvis berettiget interesse med dokumentert interesseavveining.
Implementering i HubSpot, Pipedrive og Salesforce
Bruk et white label crm eller standardverktøy tilpasset din arbeidsflyt:
- HubSpot: Innebygd «Score»-egenskap + Workflows for automatisering. Anbefaling: Score Property + Custom Properties for intensjonsdata via Webhook.
- Pipedrive: Ingen innebygd score, men «Custom Field» som tall + Workflow features">Automation er tilstrekkelig for middels kompleksitet.
- Salesforce: Lead Score og Account Score som standardfelter. Einstein Lead Scoring (Premium) for prediktiv modell. For mellomstore selskaper er standard logikk pluss Custom Triggers tilstrekkelig.
Vanlige feil i norske B2B-selskaper
- «Alt teller»-scoring: 50 scoringsregler, ingen i salg forstår noen av dem. Maks 15 regler, tydelig dokumentert.
- Uten forfall over tid: Scoren øker monotont, gamle leads ser alltid «varme» ut.
- Salg ikke involvert: Hvis salgsteamet ikke forstår eller stoler på scoren, vil de ignorere den.
- Statisk modell: Scoringsreglene må gjennomgås kvartalsvis basert på data fra vunne/tapte avtaler.
Hvor ofte bør du tilpasse modellen?
Anbefaling: Hvert kvartal – en 90-minutters gjennomgang med salgsleder, marketing og operasjoner. Tre kontrollpunkter:
- Konverteringsrate per scoringsegment: Er leads med score 75–100 faktisk bedre enn 40–74?
- Aksept fra salg: Hvor mange «varme leads» er merket som ukvalifiserte av salg?
- Kildeskjevhet: Får en bestemt kanal (f.eks. organisk søk) systematisk for mange poeng?
Neste steg
Start med en minimumsmodell: 5 demografiske regler, 5 atferdsregler, 1–2 intensjonssignaler. La den kjøre i 6 uker, samle data, deretter foredl den. Komplekse modeller mislykkes nesten alltid på grunn av manglende aksept fra salgsteamet.
Hvis du vil tilby lead scoring som en tjeneste til sluttkundene dine, se vår guide til white label leadgenerering eller hybride prisstrategier for leadgenereringstjenester.