Praksis · 7. november 2026 · 4 min lesing
Lead scoring i B2B: en enkel modell av nettsidesignaler
Lead scoring uten dyr programvare: en poengmodell av passform og atferd, med eksempeltabell, terskelverdier og månedlig kontroll.
Lead scoring besvarer et enkelt spørsmål: Hvem ringer salget først? I stedet for å avgjøre etter magefølelse får hver bedrift eller hver kontakt en poengverdi. Den som ligger over en terskel, blir fulgt opp. Det høres ut som stor markedsføringsprogramvare, men fungerer allerede med en tabell og noen få klare regler.
To spørsmål, to akser
En god modell skiller to ting som ofte blandes:
- Passform: Passer bedriften til det du selger? Bransje, størrelse, region, teknikk i bruk.
- Atferd: Viser bedriften interesse akkurat nå? Besøk på nettsiden, nedlastinger, påmeldinger, svar på e-post.
En bedrift med perfekt passform som aldri kommer til nettsiden din, er et mål for markedsføring, ikke for en telefon. En bedrift som leser hver dag, men aldri ville kjøpt, koster bare tid. Interessant er snittmengden.
En eksempelmodell
Poengene er et forslag. Tilpass dem til virksomheten din.
| Kjennetegn | Poeng |
|---|---|
| Passform | |
| Bransje fra kjernemålgruppen din | 20 |
| Størrelse i målområdet (for eksempel 50 til 500 ansatte) | 15 |
| Sete i leveringsområdet ditt | 10 |
| Atferd de siste 30 dagene | |
| Prisside lest | 25 |
| Case eller referanse lest | 15 |
| Kommet tilbake på minst to dager | 15 |
| Aktivt lest i mer enn tre minutter | 10 |
| Besøkt bare karrieresiden | minus 30 |
| Eksisterende kunde | behandles separat |
Fradragene er like viktige som poengene. Den som bare leser stillingsannonser, er med høy sannsynlighet en søker og ikke en kjøper. Hvilke sidevisninger som er særlig utsagnskraftige, står i Gjenkjenne kjøpsinteresse: hvilke sidevisninger som teller.
Fastsett terskler
Del verdiene i tre områder:
- Fra 70 poeng: Salget tar kontakt innen to virkedager, med henvisning til temaet bedriften har lest.
- 40 til 69 poeng: Markedsføring tar seg av det, for eksempel med passende innhold, invitasjoner eller annonser.
- Under 40 poeng: følge med, ikke gjøre noe.
Viktig er at begge team fastsetter tersklene sammen. Ellers klager salget over dårlige leads og markedsføring over liggende leads.
La poeng forfalle
Interesse er tidsbegrenset. Den som leste prissiden for tre måneder siden, har kanskje for lengst bestemt seg. Regn derfor atferdspoeng bare for de siste 30 dagene, eller trekk fra en del hver måned. Passformpoeng blir stående så lenge ingenting endrer seg ved bedriften.
Kontroller hver måned
En modell er en antagelse. Kontroller den én gang i måneden med tre spørsmål:
- Hvor mange bedrifter over terskelen ble til en samtale? Hvis det nesten ikke er noen, er terskelen for lav eller poengene feil fordelt.
- Hvor kom avslutningene de siste månedene fra? Hadde disse bedriftene høye verdier på forhånd? Hvis ikke, mangler et kjennetegn i modellen.
- Hvilke kjennetegn dukker stadig opp hos gode leads? Disse får mer vekt.
Hvor dataene kommer fra
- Passform: fra CRM-et ditt, fra offentlige bedriftsdata eller fra bedriftens nettside.
- Atferd på nettsiden din: på bedriftsnivå fra et verktøy for besøkergjenkjenning, på nivå av enkeltkontakter bare hvis noen har meldt seg på eller fylt ut et skjema.
- Atferd i e-post: fra nyhetsbrevverktøyet ditt, forutsatt at mottakerne har samtykket.
For verdier på nivå av enkeltpersoner gjelder GDPR. En scoring som automatisk avgjør om mennesker, er mer betenkelig enn en som sorterer bedrifter. Hold deg i B2B helst på bedriftsnivå. Grunnlagene står i Besøkergjenkjenning og GDPR: en nøktern vurdering.
Ofte stilte spørsmål
Trenger jeg et marketing automation-verktøy til dette? Ikke til å begynne med. En tabell med formler og en ukentlig eksport rekker for å teste modellen. Et verktøy lønner seg så snart reglene står og mengdene vokser.
Hvor mange kjennetegn er fornuftig? Fem til ti. Flere gjør modellen vanskelig å forstå. Ingen stoler på en verdi han ikke kan forklare.
Hva er forskjellen fra intent data? Lead scoring er modellen. Intent data er en mulig ingrediens, se Intent data i B2B: hva kjøpssignaler virkelig viser.
