BtoBリードスコアリングの設計と改善|Fit・行動・購買意欲を混同しない

ホワイトペーパーを何度も読んだ人、料金ページにアクセスした人、ウェビナーに参加した人。MA(マーケティングオートメーション)でこうした行動を点数にできます。しかし、スコアが高いことと「今すぐ買いたい」という本人の意思は同じではありません。 情報収集、社内説明、既存製品の利用確認など、似た行動でも目的が違う可能性があるからです。

この記事では、BtoBリードスコアリングを「購買心理を見抜く技術」ではなく、営業とマーケティングが次に何を確かめるかを考える補助情報として整理します。FitとEngagementの分離、最初のルール設計、CRM記録、営業への引き継ぎ、検証、AIや行動録画の注意点を扱います。

1. スコアは何を測り、何を測らないのか

リードスコアは、属性や行動に対して事前に定義したルール、あるいは過去データから構築したモデルが出す評価です。点数は「本人が購買意欲を80点と申告した」ことを意味しません。高得点を何のために使うのか、営業へ渡す条件なのか、後日の育成を検討するためなのかを最初に決めます。

HubSpotの公式リードスコアリング解説は、企業や担当者の属性によるFit(適合度)、行動によるEngagement(関与度)、両者を組み合わせたスコアを区別しています。属性・イベントへの加点や減点、スコア減衰などの仕組みもあり、利用可能な機能は契約条件によって異なります。

Salesforceの公式Trailheadの学習資料も、エンゲージメント行動に基づくスコアと、過去のリード転換履歴から算出するEinsteinリードスコアを区別しています。同じ「スコア」という表示でも予測対象や入力データは異なります。

2. Fit、Engagement、Timingを一つの点数へ押し込まない

Fit:商材・市場との適合度

Fitは、提供できる業界・地域、企業規模、必要な機能や条件などとの適合を整理します。対象外の業種でサービスが提供できない場合、何度閲覧しても即時の営業対応が適切とは限りません。ただし、属性が未入力だから「不適合」と決めつけず、未確認という状態を残します。

Engagement:接点や関心が観察されているか

資料の閲覧、料金ページ、イベントへの参加などは関心や接点を示す手掛かりになり得ます。ただし、既存顧客、競合、学生、社内の関係者などの行動もあり得ます。回数だけでなく、どのページに、いつ、誰がアクセスしたと判断できるかを確認します。個人の意図を直接観測したと考えないことが重要です。

Timing:今どの段階の判断をしているか

「来月の稟議に向けて候補を比べている」という本人の説明は、Webの閲覧より具体的な手掛かりです。ただし顧客の予定も変わります。営業が確認できた発言、こちらの仮説、未確認事項を分けて記録します。一人の担当者が熱心でも、組織全体の合意が成立しているとは限りません。顧客理解・購買プロセスではこの違いを掘り下げています。

3. 「料金ページ=購入」「ヘルプ=不満」とは限らない

旧記事では、導入事例や料金の閲覧をポジティブ、ヘルプや解約ページの閲覧をネガティブと分類していました。しかし、ヘルプは導入前の技術確認かもしれず、料金ページは既存顧客の契約見直しかもしれません。観察できた行動と、本人の心理状態の推定は別です。

  • 料金ページ:比較検討、予算申請、更新条件の確認、競合調査など複数の目的があり得る。
  • 導入事例:社内説明、選定準備、学習や競合調査かもしれない。
  • ヘルプ・サポート:既存利用者の問題だけでなく導入前の要件確認もあり得る。
  • 解約条件:離反の兆候の場合もあれば、購入前に契約条件を確認している場合もある。
  • 頻繁な訪問:関心のほか、探した情報が見つからない、複数人の閲覧、重複計測などの可能性もある。

このため「ヘルプは必ず減点」「料金ページを見たら架電」といった一律のルールは採用前に検証が必要です。対象が既存顧客なら、スコアを下げるよりサポートやカスタマーサクセスの文脈で状況を確認する方がよいこともあります。

4. 最小のスコアリング設計:5つのステップ

① 先に「成果」を定義する

「70点以上をMQLにする」と閾値から考えるのではなく、営業が有効な会話を持てる対象を見つけたいのか、手渡しの漏れを減らしたいのかを決めます。結果としての営業受理、商談化、失注・受注まで何を確認するかもそろえます。

② FitとEngagementを別に見られるようにする

合計点が同じでも、企業の条件に合うが接点が少ない人と、よく閲覧するが提供対象外の人は異なります。属性と行動を別の指標にすると、なぜ営業対応が必要かという議論が可能になります。

③ 対象外・データ欠損・時間経過を考慮する

社員の試験アクセス、既存顧客、重複した顧客レコードを新規リードへ混ぜないようにします。半年以上前の閲覧と昨日の相談を同じ重みで集計すべきかも検討します。HubSpotにはスコアの上限やイベントに対する減衰設定もありますが、その設定値が自社で適切かは検証が必要です。

④ 引き継ぐ条件を営業と合意する

得点だけで自動架電せず、対象企業との適合、明示された相談内容、既存顧客かどうか、連絡の適切性を見ます。営業とマーケティングの連携で扱う6項目――対象、きっかけ、必要情報、担当と期限、差し戻し、結果共有――を使って受け渡しのルールを整えます。

⑤ 引き渡した後の結果で見直す

営業から「対象外だった」「時期尚早だった」「実際に商談化した」などの結果を受け取ります。元の基準と結果が合っていたかを検証し、必要なら業種や商材、流入経路ごとに分けてルールを見直します。スコアは一度設定したら正解になるものではありません。

5. FitとEngagementの2軸で、次の対応を考える

以下は編集上の実務例です。高・低の基準値は企業や商材ごとに異なるため、万能の点数や接触期限を示しているわけではありません。

  • Fit高 × Engagement高:顧客の課題・検討状況を確認し、必要なら営業フォローを優先する。
  • Fit高 × Engagement低:今すぐの接触が適切か確認し、必要な情報提供や継続的な関係づくりを考える。
  • Fit低 × Engagement高:対応可能な対象か確かめ、対象外なら別の案内方法も検討する。
  • Fit低 × Engagement低:営業への即時引き継ぎを優先しないことも考える。情報欠損を低評価と同一視しない。

ただし例外があります。低得点でも顧客から明示的な問い合わせや障害報告があれば、内容に応じて対応します。高得点でも接触を望まないことがあります。スコアは顧客の権利や必要なサポートを後回しにする根拠ではありません。

6. CRM記録に残すべき情報と架空例

  • 対象・属性:業種、地域、製品適合など。未確認の項目は「未確認」とする。
  • 行動と日時:何をいつ観測したか。計測の信頼性や利用できる範囲も確認。
  • 評価の内訳:Fit、Engagement、ルールのバージョンと更新日。
  • 顧客の説明:本人が述べた課題、時期、必要条件。推測と区別する。
  • 対応判断:営業・マーケティング・サポートなど、誰が何を確認するか。
  • 実際の結果:接触の可否、有効な会話、商談化、時期尚早などと理由。

架空の例:製造業の担当者が料金ページと導入事例を複数回閲覧し、高スコアになりました。しかし、営業が適切に確認したところ「来年度の情報収集中で、今は発注予定がない」と分かりました。観測された行動は正しくても「今すぐ買いたい」という推定は外れています。本人の説明に合わせ、必要な情報と次の接点を考えます。

この例は実在する企業の事例やスコアリング効果の検証結果ではありません。顧客の言葉を聞く際の注意点は顧客インタビューの聞き方でも整理しています。

7. 予測精度は「スコアの高さ」だけで評価しない

高スコアの案件だけに営業が優先対応すると、その結果が多く集まり、低スコア側では商談化の可能性を観測しにくくなることがあります。スコアが商談化に有効かを考える際は、採点時期、対象集団、営業が実際に連絡した条件、どこまで追跡したかを記録します。

  • スコア分布:高・中・低の件数、対象外や未確認の割合。
  • 引き継ぎの結果:営業の受理、差し戻し、初動、顧客との有効な会話。
  • 商談・受注:同じ時期に流入した顧客群を追い、まだ結果が出ていない案件は分ける。
  • 見落とし:低スコアで商談化した例、高スコアで検討していなかった例。
  • 比較条件:業種、商材、流入元、営業対応、観測期間の違い。

SalesforceのEinsteinリードスコアの公式説明では、過去にリードが転換したデータから予測モデルを作る仕組みが説明されています。ただし過去の営業選別やCRM入力の偏りが分析結果に影響する可能性もあります。個々の点数は心理状態の証明ではなく、過去の定義や記録条件に基づく推定です。

指標の分母・観測期間についてはBtoBのKPI設計へ。商談化した後になぜ失注したかはBtoB失注分析と接続して確認します。

8. AIや行動録画は意図を「診断」しない

生成AIでWeb行動を分類しても、その人の不安や怒り、購入意思を特定できたと考えてはいけません。マウスの動きや画面の往復も操作上の問題を調べる手掛かりにはなりますが、感情の直接的な証拠ではありません。

Microsoft Clarityの公式FAQは、セッション録画で扱う操作データ、マスキング、同意の考え方を説明しています。技術的に取得できる情報と、適切に利用できる情報は別です。アクセス権限、取得目的、必要な同意、個人情報や契約上の制約を確認します。録画やCRM情報を許可なく外部AIサービスへ送信しないようにします。

9. 小さく始める:30分の合同レビュー例

最初から複雑な機械学習モデルを作る必要はありません。以下は、本サイトが実務向けに整理した会議の一例です。30分で必ず成果が出ると実証された方法ではありません。

  1. 最初の5分:スコアで何を優先するのか、対象と除外条件を確認する。
  2. 次の10分:高スコアなのに商談化しなかった例と、低スコアでも有効だった例を比べる。
  3. 次の10分:行動、本人の説明、営業の対応の違いから原因仮説を整理する。
  4. 最後の5分:変更するルール、担当者、次の検証日を決める。

改善会議は営業担当の責任追及ではなく、顧客の条件と自社の運用を確かめる場です。スコアに合わない案件も学習材料として残し、スコアと現場の観察が異なる理由を調べます。

まとめ:スコアを顧客の意思と混同しない

リードスコアリングを全面否定する必要はありません。大切なのは、高得点を購買意欲の証明とみなさず、Fit、Engagement、顧客本人の説明、営業結果を分けて使うことです。

明日から取り組むなら、直近の高スコアリードを数件選び、「観測できたこと」「こちらの推測」「確認できた事実」「次に確かめること」を整理してみてください。その記録を営業との引き継ぎへ戻すことで、スコアが使える判断材料になっていきます。

出典・確認した範囲

本文の2軸による対応例、CRMの記録項目、30分レビューは、公式機能説明を参考に本サイトが整理した編集上の提案です。各ベンダーがその成果を保証したものではありません。

ほかの記事を探す

記事の訂正・出典情報は、お問い合わせから該当記事のURLと根拠資料をお知らせください。