Проще говоря, каждому лиду присваивается оценка. Баллы могут зависеть от должности контакта, размера компании, отрасли, бюджета, срока покупки, источника заявки, поведения на сайте, ответа в переписке, заполненных полей CRM и совпадения с ICP — профилем идеального клиента.
В классическом lead scoring правила задают вручную: например, директор получает больше баллов, чем случайный студент; компания из целевой отрасли получает плюс; заявка без бюджета — минус. В AI-сценариях модель может дополнительно анализировать текст заявки, письмо, звонок или чат и объяснять, почему лид выглядит сильным или слабым.
Lead scoring не должен заменять здравый смысл менеджера. Его задача — помочь расставить приоритеты, ускорить квалификацию и не терять горячие заявки. Для надежной работы scoring нужно регулярно проверять по фактическим продажам: какие лиды получили высокий балл, сколько из них дошло до сделки и где правила ошиблись.
Примеры
- Лид из целевой отрасли, с бюджетом и сроком “в этом месяце” получает высокий score и сразу уходит менеджеру.
- Заявка от студента без компании получает низкий score и попадает в автоматический прогрев.
- AI анализирует переписку и повышает score, если клиент явно описал проблему, бюджет и лицо принятия решения.
- CRM снижает score, если в заявке нет телефона, email не корпоративный и компания не похожа на ICP.
- После звонка AI-агент добавляет к лиду причины оценки: “есть боль, нет бюджета, решение через 3 месяца”.
Где используется
- Приоритизация входящих заявок для отдела продаж
- Квалификация лидов по ICP, бюджету, срокам и роли контакта
- Маршрутизация горячих лидов на сильных менеджеров
- Автоматический прогрев слабых или неготовых заявок
- Анализ рекламных каналов по качеству лидов, а не только по CPL
- AI-разбор звонков, писем и чатов для уточнения score
- Контроль pipeline hygiene и фокуса менеджеров на лучших возможностях
Связанные термины
Attribution window
Buyer persona
CPA
CRM
CRM AI-агент
Outbound Sales
Pipeline Coverage
Pipeline Hygiene
Частые вопросы
Чем lead scoring отличается от lead qualification?
Lead scoring ставит числовую или категорийную оценку лиду. Lead qualification шире: это процесс проверки, подходит ли лид компании, есть ли потребность, бюджет, сроки и лицо принятия решения.
Какие признаки учитывать в lead scoring?
Обычно учитывают ICP, отрасль, размер компании, должность, бюджет, срок покупки, источник лида, активность на сайте, ответы в переписке, историю касаний и сигналы намерения.
Как AI помогает в lead scoring?
AI может читать текст заявки, письмо, чат или расшифровку звонка и находить сигналы: боль клиента, срочность, бюджет, возражения, роль контакта и вероятность следующего шага.
Какая главная ошибка в scoring лидов?
Считать score истиной. Скоринг нужно проверять по продажам и регулярно обновлять: рынок, каналы, продукт и портрет клиента меняются.
