# Lead scoring i B2B: en simpel model ud fra hjemmesidesignaler

> Lead scoring uden dyr software: en pointmodel ud fra tilpasning og adfærd, med eksempeltabel, tærskelværdier og månedlig kontrol.

Quelle: https://whovisit.app/da/blog/lead-scoring-b2b-simpel-model
Veröffentlicht: 2026-11-07
Herausgeber: Whovisit (ARAVILO, Innsbruck)

Lead scoring besvarer et enkelt spørgsmål: Hvem ringer salget først til? I stedet for at beslutte efter mavefornemmelse får hver virksomhed eller hver kontakt en pointværdi. Den, der ligger over en tærskel, bliver bearbejdet. Det lyder som stor marketingsoftware, men fungerer allerede med en tabel og nogle få klare regler.

## To spørgsmål, to akser

En god model skiller to ting, som ofte blandes sammen:

- **Tilpasning:** Passer virksomheden til det, du sælger? Branche, størrelse, region, anvendt teknik.
- **Adfærd:** Viser virksomheden lige nu interesse? Besøg på hjemmesiden, downloads, tilmeldinger, svar på mails.

En virksomhed med perfekt tilpasning, der aldrig kommer på din hjemmeside, er et mål for marketing, ikke for et opkald. En virksomhed, der læser hver dag, men aldrig ville købe, koster kun tid. Interessant er fællesmængden.

## En eksempelmodel

Pointene er et forslag. Tilpas dem til din forretning.

| Kendetegn | Point |
|---|---|
| **Tilpasning** | |
| Branche fra din kernemålgruppe | 20 |
| Størrelse i målområdet (for eksempel 50 til 500 ansatte) | 15 |
| Sæde i dit leveringsområde | 10 |
| **Adfærd inden for de seneste 30 dage** | |
| Prisside læst | 25 |
| Casestudie eller reference læst | 15 |
| Kommet igen på mindst to dage | 15 |
| Læst aktivt i mere end tre minutter | 10 |
| Kun besøgt karrieresiden | minus 30 |
| Eksisterende kunde | behandles særskilt |

Fradragene er lige så vigtige som pointene. Den, der kun læser stillingsopslag, er med høj sandsynlighed en ansøger og ikke en køber. Hvilke sidevisninger der er særligt sigende, står i [Genkend købsinteresse: hvilke sidevisninger der tæller](https://whovisit.app/blog/kaufinteresse-erkennen-seitenaufrufe).

## Fastlæg tærskler

Del værdierne i tre områder:

- **Fra 70 point:** Salget melder sig inden for to hverdage, med henvisning til det emne, virksomheden har læst.
- **40 til 69 point:** Marketing tager sig af det, for eksempel med passende indhold, invitationer eller annoncer.
- **Under 40 point:** observér, gør intet.

Vigtigt er, at begge teams fastlægger tærsklerne sammen. Ellers beklager salget sig over dårlige leads og marketing over leads, der blev liggende.

## Lad point forfalde

Interesse er tidsbegrænset. Den, der for tre måneder siden læste prissiden, har måske for længst besluttet sig. Regn derfor adfærdspoint kun for de seneste 30 dage, eller træk hver måned en del fra. Tilpasningspoint bliver, så længe der intet ændrer sig ved virksomheden.

## Tjek hver måned

En model er en antagelse. Tjek den én gang om måneden med tre spørgsmål:

1. **Hvor mange virksomheder over tærsklen blev til en samtale?** Hvis det næsten ingen er, er tærsklen for lav, eller pointene er forkert fordelt.
2. **Hvor kom afslutningerne de seneste måneder fra?** Havde disse virksomheder høje værdier tidligere? Hvis ikke, mangler et kendetegn i modellen.
3. **Hvilke kendetegn dukker op igen og igen hos gode leads?** De får mere vægt.

## Hvor dataene kommer fra

- **Tilpasning:** fra dit CRM, fra offentlige firmadata eller fra virksomhedens hjemmeside.
- **Adfærd på din hjemmeside:** på virksomhedsniveau fra et værktøj til besøgergenkendelse, på niveau af enkelte kontakter kun, hvis nogen har tilmeldt sig eller udfyldt en formular.
- **Adfærd i mails:** fra dit nyhedsbrevsværktøj, for så vidt modtagerne har givet samtykke.

Ved værdier på niveau af enkeltpersoner gælder GDPR. En scoring, der automatisk afgør noget om mennesker, er mere følsom end en, der sorterer virksomheder. Bliv i B2B om muligt på virksomhedsniveau. Grundlaget står i [Besøgergenkendelse og GDPR: en nøgtern indplacering](https://whovisit.app/blog/besuchererkennung-dsgvo).

## Ofte stillede spørgsmål

**Har jeg brug for et marketing-automation-værktøj dertil?** Ikke til at begynde med. En tabel med formler og en ugentlig eksport rækker til at teste modellen. Et værktøj kan betale sig, så snart reglerne står fast, og mængderne vokser.

**Hvor mange kendetegn er fornuftige?** Fem til ti. Flere gør modellen svær at forstå. Ingen stoler på en værdi, vedkommende ikke kan forklare.

**Hvad er forskellen til intent data?** Lead scoring er modellen. Intent data er en mulig ingrediens, se [Intent data i B2B: hvad købssignaler virkelig viser](https://whovisit.app/blog/intent-data-b2b).