Praktik · 7 november 2026 · 3 min läsning
Lead scoring i B2B: en enkel modell av webbplatssignaler
Lead scoring utan dyr programvara: en poängmodell av passning och beteende, med exempeltabell, tröskelvärden och månatlig kontroll.
Lead scoring besvarar en enkel fråga: Vem ringer säljavdelningen först? I stället för att avgöra efter magkänsla får varje företag eller varje kontakt ett poängvärde. Den som ligger över en tröskel bearbetas. Det låter som stor marknadsföringsprogramvara men fungerar redan med en tabell och några tydliga regler.
Två frågor, två axlar
En bra modell skiljer på två saker som ofta blandas ihop:
- Passning: Passar företaget till det du säljer? Bransch, storlek, region, använd teknik.
- Beteende: Visar företaget intresse just nu? Besök på webbplatsen, nedladdningar, anmälningar, svar på e-post.
Ett företag med perfekt passning som aldrig kommer till din webbplats är ett mål för marknadsföring, inte för ett samtal. Ett företag som läser varje dag men aldrig skulle köpa kostar bara tid. Intressant är snittet.
En exempelmodell
Poängen är ett förslag. Anpassa dem till din verksamhet.
| Kännetecken | Poäng |
|---|---|
| Passning | |
| Bransch ur din kärnmålgrupp | 20 |
| Storlek inom målområdet (till exempel 50 till 500 anställda) | 15 |
| Säte i ditt leveransområde | 10 |
| Beteende de senaste 30 dagarna | |
| Prissidan läst | 25 |
| Fallstudie eller referens läst | 15 |
| Kommit tillbaka på minst två dagar | 15 |
| Läst aktivt mer än tre minuter | 10 |
| Besökt bara karriärsidan | minus 30 |
| Befintlig kund | behandlas separat |
Avdragen är lika viktiga som poängen. Den som bara läser platsannonser är med stor sannolikhet en sökande och ingen köpare. Vilka sidvisningar som är särskilt talande står i Känn igen köpintresse: vilka sidvisningar räknas.
Fastställ trösklar
Dela in värdena i tre områden:
- Från 70 poäng: Säljavdelningen hör av sig inom två arbetsdagar, med hänvisning till det ämne som företaget har läst.
- 40 till 69 poäng: Marknadsföring tar hand om det, till exempel med passande innehåll, inbjudningar eller annonser.
- Under 40 poäng: bevaka, gör inget.
Viktigt är att båda teamen fastställer trösklarna tillsammans. Annars klagar säljavdelningen på dåliga leads och marknadsföringen på sådana som blivit liggande.
Låt poäng förfalla
Intresse är tidsbegränsat. Den som läste prissidan för tre månader sedan har kanske för länge sedan bestämt sig. Räkna därför beteendepoäng bara för de senaste 30 dagarna, eller dra av en del varje månad. Passningspoäng finns kvar så länge inget ändras hos företaget.
Kontrollera varje månad
En modell är ett antagande. Kontrollera den en gång i månaden med tre frågor:
- Hur många företag över tröskeln blev ett samtal? Om det nästan inga är, är tröskeln för låg eller poängen fel fördelade.
- Varifrån kom avsluten de senaste månaderna? Hade de företagen höga värden i förväg? Om inte saknas ett kännetecken i modellen.
- Vilka kännetecken återkommer hos bra leads? De får mer tyngd.
Varifrån uppgifterna kommer
- Passning: från ditt CRM, från offentliga företagsdata eller från företagets webbplats.
- Beteende på din webbplats: på företagsnivå från ett verktyg för besöksigenkänning, på nivån enskilda kontakter bara om någon har anmält sig eller fyllt i ett formulär.
- Beteende i e-post: från ditt nyhetsbrevsverktyg, förutsatt att mottagarna har samtyckt.
För värden på nivån enskilda personer gäller GDPR. En scoring som automatiskt avgör om människor är känsligare än en som sorterar företag. Håll dig i B2B så långt möjligt på företagsnivå. Grunderna står i Besöksigenkänning och GDPR: en nykter bedömning.
Vanliga frågor
Behöver jag ett verktyg för marknadsföringsautomation för detta? Inte till att börja med. En tabell med formler och en veckovis export räcker för att testa modellen. Ett verktyg lönar sig så snart reglerna står fast och mängderna växer.
Hur många kännetecken är lämpliga? Fem till tio. Fler gör modellen svårbegriplig. Ingen litar på ett värde som han inte kan förklara.
Vad är skillnaden mot intent data? Lead scoring är modellen. Intent data är en möjlig ingrediens, se Intent data i B2B: vad köpsignaler faktiskt visar.
