Prediktiv leadscoring for byråer: En komplett norsk guide
Tradisjonell leadscoring handler om å telle: åpnet e-post = 5 poeng, besøkte nettside = 3 poeng, fylte ut skjema = 10 poeng. Problemet er at disse reglene er laget av mennesker med antakelser, ikke av data med fakta. Prediktiv leadscoring gjør det motsatte – den lærer av historiske closed-won og closed-lost data og forteller deg hvilke signaler som faktisk predikerer konvertering.
For norske leadgen-byråer som håndterer prospekter i Bergen, Stavanger og Oslo, er dette forskjellen mellom å forfølge alle leads likt og å fokusere ressursene på de 20 % som gir 80 % av inntekten.
Hva er prediktiv leadscoring og hvordan skiller den seg fra tradisjonell?
- Tradisjonell leadscoring: Regelbasert. «Hvis personen er CEO og har besøkt prissiden, gi 20 poeng». Bygd på antakelser, krever manuell vedlikehold.
- Prediktiv leadscoring: Maskinlæringsbasert. Modellen analyserer alle historiske deals – vunne og tapte – og identifiserer hvilke kombinasjoner av egenskaper og atferd som predikerer konvertering.
Prediktive modeller oppdateres automatisk etter hvert som nye won/lost-data akkumuleres. En tradisjonell modell stivner og blir utdatert.
Datakrav for en god prediktiv modell
Kvaliteten på den prediktive modellen er direkte proporsjonal med datakvaliteten. Minimumskravet for et norsk byrå:
- 500+ historiske deals med tydelig won/lost-markering i CRM
- 18+ måneder med data for å fange sesongmønstre
- Konsistent datafylling: Felt som bransje, selskapsstørrelse og kontaktstilling må være utfylt på minimum 80 % av dealene
Har du under 300 historiske deals, er regelbasert scoring fortsatt bedre enn en dårlig trent prediktiv modell. Forbedre datakvaliteten parallelt.
Viktige scoringsignaler for norsk B2B
Analyser av norske B2B-deals viser at disse faktorene typisk har høy prediktiv verdi:
- Selskapsstørrelse: 20–200 ansatte konverterer raskere enn under 10 eller over 500
- Stilling: Salgsdirektør og markedssjef konverterer bedre enn CEO for leadgentjenester
- Geografisk sone: Oslo og Stavanger har kortere salgssyklus enn distriktskommuner
- Trigger: Jobbskifte innen siste 90 dager øker konverteringsrate med 2–3×
Implementering i HubSpot og Salesforce
De fleste norske byråer bruker HubSpot eller Salesforce som CRM-kjerne. Prediktiv leadscoring implementeres ulikt i de to:
- HubSpot: Prediktiv leadscoring er tilgjengelig fra Marketing Hub Professional (fra ca. 50 000 NOK/år). Modellen trenes automatisk basert på eksisterende HubSpot-data uten manuell konfigurasjon.
- Salesforce Einstein Lead Scoring: Mer konfigurerbar, men krever Einstein-tillegg (typisk 150–250 NOK/bruker/mnd). Gir mer innsyn i modellens feature importance.
Scoringmodell for byråer med multiple klienter
Et leadgen-byrå som genererer leads for fem forskjellige klienter, bør ha separate scoringmodeller per klient – ikke én universell modell. ICP og kjøpssignaler er svært forskjellige for f.eks. et SaaS-selskap vs. en industriaktør.
- Segmenter CRM per klient (separate pipelines eller properties)
- Tren separate modeller per klientkategori
- Sammenlign scorefordelinger kvartalsvis og kalibrere der modellen divergerer fra faktiske resultater
Les mer om KI-basert omsetningsprognose for å se hvordan leadscoring-data kan brukes til å styrke prognosemodellen.
Mål hvem og når på basis av score
Prediktiv score er ikke et tall du ser på – det er et handlingssignal:
- Score over 80: Prioritert manuell oppfølging fra senior SDR innen 24 timer
- Score 50–80: Automatisk nurturing-sekvens med månedlig manuell sjekk
- Score under 50: Automatisk e-postnurturing, ingen manuell SDR-innsats
Denne tredelingen frigjør SDR-kapasiteten til å fokusere 70–80 % av manuell tid på de høyest-scorede prospektene. For byråer som tilbyr dette som en white-label-tjeneste, gir en slik modell synlig verdiskaping. Se white-label-plattformen vår for integrasjonsdetaljer.
Konklusjon: Score er handling, ikke observasjon
Prediktiv leadscoring er kun verdifull dersom scoringsdataene utløser konkrete handlinger i CRM-systemet. Byråer som implementerer tydelige handlingsregler per score-segment, ser konsistent 30–50 % bedre ressursutnyttelse av SDR-teamet og merkbart høyere konverteringsrate på topp-prospektene.