Lead scoring
Prioriter de leads, salg skal ringe til først, uden spild af tid.
Indhold
Lead scoring er et pointsystem, der giver hvert lead en score efter hvor sandsynligt det er, at leadet bliver kunde. Scores kan være regelbaserede, for eksempel +5 point for åbnet mail eller +20 for download af en produktbrochure, eller prædiktive, hvor en AI-model lærer mønstrene fra tidligere vundne og tabte kunder og giver et samlet sandsynlighedsestimat. Formålet er enkelt: salg skal bruge tiden på de leads, der faktisk kan blive kunder.
Sådan virker Lead scoring i praksis
Tænk på lead scoring som en erfaren receptionist, der rækker telefonen videre til den rigtige sælger. I en regelbaseret tilgang laver du en liste med regler: jobtitel, branche, engagement i mails, besøg på prissiden. Hver regel får point, og når en kontakt når et loft, får salg besked. I prædiktiv scoring analyserer AI alle tilgængelige felter og adfærdsmønstre i CRM-historikken og vægter dem automatisk; du får en sandsynlighed i stedet for en håndbygget liste af regler. Begge metoder kan sameksistere: regler fanger compliance-krav og simple kriterier, AI fanger komplekse mønstre.
Hvorfor Lead scoring er relevant for små B2B-salgsteams
Hvis I har mange leads og få sælgere, handler det om tid og fokus. Lead scoring reducerer tiden, hvor salg ringer tilfældigt, og øger chancen for at det rigtige opkald kommer tidligt i processen. HubSpot, Salesforce og Pipedrive tilbyder både simple regelmotorer og prædiktive muligheder, så I kan starte lavpraktisk og skrue op, når dataene er gode nok. Men man skal være opmærksom på, at prædiktiv scoring kræver historik: vindte og tabte salg, tidspunkter, aktiviteter og firmadata. Uden det lærer modellen intet væsentligt.
Eksempel: Lead scoring hos en e-handelschef
En e-handelschef i en grossistvirksomhed modtager cirka 200 leads om måneden fra kontaktformularer og messelister. I begyndelsen fulgte salg listen kronologisk, og flere gode leads blev ringet til for sent. Tre uger før en stor branchemesse besluttede chefen at sætte et regelbaseret system op i Pipedrive: +10 point for branchekode, +15 for anmodning om tilbud, +5 for åbning af velkomstmail. Efter to måneder tilførte de prædiktiv scoring baseret på to års CRM-historik med 1.200 afsluttede sager. Først var der støj: manglende eller forkerte jobtitler og en stor mængde duplicate-kontakter krævede en datarensning på én uge. Modellen pegede senere på en aktivitetstype, de ikke havde prioriteret, download af en teknisk PDF, som vigtig. Implementeringen tog i alt tre uger, inklusive datarens, og krævede en time om ugen fra e-handelschefen de første seks uger.
Lead scoring er ikke det samme som marketing automation eller kundesegmentering med AI
Lead scoring siger noget om hvor sandsynligt et lead køber, ikke om hvilke marketingflows de skal i. Marketing automation sender mails og opretter opgaver ud fra score eller adfærd. Kundesegmentering med AI grupperer kontakter efter lighed, men giver ikke en enkelt købs-sandsynlighed pr. lead. AI-chatbot til hjemmesiden kan generere leads og indsætte aktiviteter i CRM, men den scorer ikke nødvendigvis automatisk uden et scoring-setup.
Sådan kommer du i gang med lead scoring
- Ryd CRM-data: fjern dubletter, standardiser jobtitler og sørg for vind/tab-historik.
- Start med simple regler: giv point for branche, jobtitel og konkrete handlinger som tilbudsforespørgsel.
- Mål og saml data i 3 til 6 måneder, så I får nok vind/tab-eksempler.
- Overvej prædiktiv scoring når I har historik: test modellen på et hold-out-datasæt og sammenlign med jeres regler.
- Sæt klare handlingsregler: hvilken score udløser en opgave til salg, og hvem følger op på lave scorer.
Skal flere end én i huset kunne noget med lead scoring, så se, hvordan en AI-workshop er skruet sammen. Vil I have et bud på, om lead scoring overhovedet er jeres næste skridt, så er det dét, AI-rådgivning er til for.
Ofte stillede spørgsmål om Lead scoring
Er AI lead scoring det samme som regelbaseret scoring?
Nej. Regelbaseret scoring bruger faste point for konkrete handlinger og felter, mens AI lead scoring lærer mønstre fra historiske vindte og tabte kunder og giver et sandsynlighedsestimat. Begge kan kombineres.
Koster lead scoring noget?
Basis-score via regler koster primært tid i opsætning og vedligehold. Prædiktiv scoring kan koste ekstra i abonnement hos CRM-platformen eller for en AI-funktion, og kræver tid til datarens og test.
Hvordan kommer vi i gang uden udviklere?
Start med regelbaseret scoring i jeres CRM; det kan ofte sættes op uden kode. Ryd data, definer få klare regler, og mål effekten. Når I har historik, kan I aktivere prædiktiv scoring i mange CRM-værktøjer uden egen udvikling.
Virker lead scoring i HubSpot, Salesforce eller Pipedrive?
Ja. De fleste større CRM-systemer tilbyder både regelbaserede scores og prædiktive moduler eller integrationer. Valget afhænger af hvor gode jeres data er, og hvor meget I ønsker at automatisere.
AI-rådgiver og underviser, grundlægger af AI Hero i Herning. Har bygget digitalt i over 20 år og hjælper danske virksomheder med at få AI i drift. Læs mere om Brian.