リードスコアリングモデルの構築方法｜営業が追うべきリードを自動判定する

リードスコアリングとは、見込み客に属性情報と行動データに基づいてスコアを付与し、営業が優先的に追うべきリードを自動判定する仕組みだ。マーケティングが獲得したリードの全件に営業がアプローチするのは非効率であり、スコアリングによって「今、追うべきリード」を客観的に可視化することが営業生産性向上の鍵になる。本記事では、スコアリングモデルの設計方法からHubSpot/Salesforceでの実装手順、運用のベストプラクティスまでを解説する。

リードスコアリングとは

リードスコアリングとは、リード（見込み客）に対してポイントを付与し、受注確度の高い順にランク付けする手法である。

多くのBtoB企業では、マーケティング施策で月に数十〜数百件のリードを獲得している。しかし、その全てが「今すぐ商談化できるリード」ではない。資料をダウンロードしただけの情報収集段階のリードと、価格ページを繰り返し閲覧している検討段階のリードでは、営業のアプローチ優先度がまったく異なる。

スコアリングがない組織では何が起きるか。営業は「リードが来た順」か「なんとなく気になった順」でアプローチする。結果、受注確度の低いリードに時間を使い、本来追うべきホットリードが冷めてしまう。あるいは、マーケティングと営業の間で「渡したリードの質が低い」「営業がフォローしない」という不毛な対立が生まれる。

リードスコアリングは、この問題を構造的に解決する。属性（企業規模、業界、役職）と行動（ページ閲覧、資料DL、セミナー参加）の2軸でスコアを付与し、一定の閾値を超えたリードだけを営業に引き渡す。これにより、マーケティングと営業の間に客観的な基準が生まれ、営業は確度の高いリードに集中できるようになる。

スコアリングモデルの設計

スコアリングモデルは「属性スコア」と「行動スコア」の2軸で設計する。

属性スコア（フィットスコア）

属性スコアは、そのリードが自社のターゲット顧客像にどれだけ合致しているかを数値化するものだ。過去の受注データを分析し、受注企業に共通する属性を洗い出すことから始める。

典型的な属性スコアの配点例を示す。

• 企業規模: 従業員1,000人以上 → +20点、100-999人 → +15点、100人未満 → +5点
• 業界: ターゲット業界（SaaS、製造業等） → +15点、準ターゲット → +10点、対象外 → 0点
• 役職: 決裁者（部長以上） → +20点、推進者（課長・マネージャー） → +15点、担当者 → +5点
• 部門: 営業部門・経営企画 → +15点、情報システム → +10点、その他 → +5点

ポイントは「自社の受注実績に基づく配点」にすることだ。業界の一般論ではなく、自社のCRMデータから「受注した企業の共通項」を抽出し、配点に反映させる。CRMにデータが蓄積されていない場合は、営業メンバーへのヒアリングで仮説を立て、後からデータで検証する方法もある。CRMデータ設計の基本原則で解説した通り、この分析のためにも日頃のデータ品質が重要になる。

行動スコア（エンゲージメントスコア）

行動スコアは、リードの購買意欲の高さを行動データから数値化する。

• 価格ページの閲覧 → +20点（検討段階のシグナル）
• 事例ページの閲覧 → +15点
• 資料ダウンロード → +15点
• セミナー/ウェビナー参加 → +20点
• 問い合わせフォーム到達（未送信） → +10点
• メール開封 → +3点
• メール内リンククリック → +5点
• 30日間アクション無し → -15点（減点）

行動スコアで見落とされがちなのが**減点（ネガティブスコアリング）**である。3ヶ月前に資料をダウンロードしたが、その後一切のアクションがないリードは、スコアが高いまま残ってしまう。時間経過による減点を組み込むことで、スコアの鮮度を保てる。

閾値とステージの設定

属性スコアと行動スコアを合算し、リードを以下のようなステージに分類する。

• MQL（Marketing Qualified Lead）: 合計60点以上 → マーケティングが認定した有望リード
• SQL（Sales Qualified Lead）: 合計80点以上 → 営業がアプローチすべきリード
• Hot Lead: 合計100点以上 → 即座に営業が対応すべきリード

この閾値は仮設定で構わない。運用しながら「SQLとして営業に渡したリードのうち、実際に商談化した割合」を検証し、閾値を調整していく。

HubSpot/Salesforceでの実装手順

HubSpotでの実装

HubSpotではProfessionalプラン以上で「スコア」プロパティを利用できます。設定手順は以下の通りです。

1. 設定 → プロパティ → HubSpotスコアを開く
2. 「正のスコア条件」に属性・行動の条件を追加する（例: 「職種が経営層・役員」→ +20）
3. 「負のスコア条件」に減点条件を追加する（例: 「最後のアクティビティから30日以上経過」→ -15）
4. ワークフローで、スコアが閾値を超えたら営業担当者に通知 or 取引を自動作成するオートメーションを設定する
5. リストのセグメンテーションで、MQL/SQL/Hotのスマートリストを作成する

HubSpotのProfessionalプラン以上では「予測リードスコアリング」も利用可能だ。これはHubSpotのAIが過去の受注データを学習し、自動でスコアリングを行う機能で、手動設定と併用することで精度を高められる。

Salesforceでの実装

SalesforceではPardot（Account Engagement）のスコアリング機能、またはSalesforce標準のリードスコアを利用する。

1. Pardot → 設定 → スコアリングルールでカスタムスコアリングモデルを作成する
2. 各アクション（ページ閲覧、フォーム送信、メールクリック等）にスコアを設定する
3. グレーディング（属性ベース）とスコアリング（行動ベース）を分離して管理する
4. Engagement Studioでスコアベースのナーチャリングシナリオを構築する
5. スコアが閾値を超えたらSalesforce側のリードに自動同期し、営業に通知する

SalesforceのEinstein Lead Scoringを使えば、AIベースのスコアリングも可能です。ただし、精度を出すには数百件以上のコンバージョンデータが必要になるため、立ち上げ初期は手動ルールから始めることを推奨する。

スコアリングモデルの運用とチューニング

スコアリングモデルは「作って終わり」ではない。むしろ、運用開始後のチューニングこそが精度を左右する。

フィードバックループの構築

最も重要なのは、営業からのフィードバックを仕組みとして組み込むことである。具体的には以下のサイクルを月次で回す。

1. SQLとして営業に渡したリード一覧を抽出する
2. 各リードの結果（商談化 / 不成立 / 対応中）を営業にヒアリングする
3. 「スコアは高かったが商談化しなかったリード」の共通項を分析する
4. 逆に「スコアは低かったが受注したリード」があれば、見落としている属性・行動を特定する
5. 分析結果をもとにスコアの配点と閾値を調整する

営業企画とはで述べた通り、営業企画の仕事はデータと現場の橋渡しだ。スコアリングの運用もまさにその実践である。

チューニングの具体的な指標

以下の指標をモニタリングし、モデルの精度を測定する。

• SQL→商談化率: 目標50%以上。低い場合はスコア閾値が低すぎるか、属性スコアの配点が実態と乖離している
• MQL→SQL転換率: 目標30%以上。低い場合はナーチャリングの質か、MQL基準の見直しが必要
• リードの平均滞留日数: MQLからSQLへの平均日数を追跡し、短縮を目指す
• 営業の主観評価: 「渡されたリードの質は向上しているか」を四半期ごとにサーベイする

数字だけでは見えない部分もある。営業の肌感覚とデータの両方を使ってモデルを改善していくことが、スコアリング運用の本質だ。

AI予測スコアリングの可能性

近年、HubSpotのPredictive Lead Scoring、SalesforceのEinstein Lead Scoring、6senseやMadKuduなどの専用ツールによって、AIベースのスコアリングが普及し始めている。

従来のルールベース（手動で配点を設定する方法）と比較した場合のAI予測スコアリングのメリットは以下の通りだ。

• 人間が気づかない相関の発見: 「特定のブログ記事を3回以上読んだリードは受注率が高い」といったパターンをAIが自動検出する
• 自動チューニング: 受注・失注データが蓄積されるたびにモデルが自動更新される
• バイアスの排除: 営業の「この業界は受注しやすい」という思い込みに依存しない

一方で注意点もある。AI予測スコアリングが精度を発揮するには、最低でも数百件のコンバージョンデータが必要です。データ量が少ない段階でAIに頼ると、偏ったモデルになるリスクがある。

推奨するアプローチは「ハイブリッド」だ。まずルールベースで基本モデルを構築し、データが蓄積されてからAI予測を併用する。GTMエンジニアとはで解説した通り、GTMエンジニアの仕事は「まずシンプルに実装し、データで改善する」サイクルを回すことにある。スコアリングも例外ではない。

まとめ

リードスコアリングは、マーケティングと営業をつなぐ「共通言語」だ。属性と行動の2軸でスコアを設計し、閾値でリードを自動分類する仕組みを作ることで、営業は受注確度の高いリードに集中できるようになる。

最初のモデルは完璧である必要はない。むしろ、シンプルに始めて営業のフィードバックで改善していくプロセスこそが、スコアリングの精度を決める。大切なのは「作って終わり」にせず、月次でチューニングするサイクルを組織に組み込むことだ。

スコアリングモデルの設計から実装、運用改善までを一気通貫で回せる人材——それがGTMエンジニアの価値であり、営業組織の生産性を構造的に変えるアプローチだ。