HubSpot AIリードスコアリングの仕組み｜予測スコアリングの精度向上とチューニング方法

「リードの優先順位づけが属人的で、営業チーム全体で統一できていない」

「手動のスコアリングルールを作っても、実態と乖離してしまう」

——リードスコアリングは、営業チームが最も成約可能性の高いリードに集中するための重要な仕組みです。しかし、手動でスコアリングルールを設計・運用するのは難しく、多くの企業がスコアリングの精度に課題を抱えています。

HubSpotのAIリードスコアリングは、CRMに蓄積されたデータをもとにAIが自動的にリードの成約可能性を予測し、スコアとして付与する機能です。手動ルールとAI予測の組み合わせにより、高精度なリード優先順位づけを実現します。

本記事では、HubSpotのAIリードスコアリングの仕組みから設定方法、精度向上のポイントまで解説します。

この記事でわかること:

• HubSpot AIリードスコアリングの仕組みと予測モデルの構造
• 手動スコアリングとAI予測スコアリングの違い
• スコアリング精度を高めるためのデータ整備ポイント
• ワークフローとの連携による営業プロセスの自動化

本記事はStartLinkの「HubSpot完全ガイド」関連記事です。

AIリードスコアリングとは

HubSpotのAIリードスコアリング（Predictive Lead Scoring）は、過去の成約データと各リードの属性・行動データを分析し、AIが「このリードが今後成約する可能性」を0〜100のスコアで予測する機能です。

Professional以上のプランで利用可能で、HubSpotのCRMに一定量のデータ（成約・失注の取引データ）が蓄積されると自動的にモデルが構築されます。

手動スコアリングとAI予測スコアリングの違い

手動スコアリングは「特定のページを閲覧したら+10点」「役職がCxOなら+20点」のように、管理者が明示的にルールを設定する方式です。分かりやすい反面、ルールの設計が属人的になりがちで、実態の変化に追従するのが困難です。

AI予測スコアリングは、成約に至ったリードと失注したリードのデータを比較分析し、「成約に貢献する要因」をAIが自動的に特定します。管理者がルールを設計する必要がなく、データが蓄積されるほど精度が向上します。

AIモデルが分析する要因

HubSpotのAI予測スコアリングは、以下のような多様な要因を総合的に分析します。

デモグラフィック要因（属性情報）

• 企業規模（従業員数・売上規模）
• 業種・業界
• 所在地（国・地域）
• 役職・部門
• 企業のテクノロジースタック

ビヘイビアル要因（行動情報）

• Webサイトの閲覧パターン（ページ数、滞在時間、閲覧頻度）
• メールのエンゲージメント（開封率、クリック率、返信率）
• フォーム送信の種類と回数
• チャットやミーティングの利用状況
• ダウンロードしたコンテンツの種類

エンゲージメント要因（関与の深さ）

• 最終接触からの経過日数
• コミュニケーション頻度の変化
• 複数チャネルでの接触有無
• 社内の複数担当者との接触

設定方法と運用ステップ

ステップ1: データの事前確認

AI予測スコアリングが有効に機能するためには、一定量の成約・失注データが必要です。HubSpotは具体的な必要件数を公開していませんが、一般的には過去6ヶ月で50件以上の成約データと50件以上の失注データがあると、信頼性の高い予測モデルが構築されます。

確認すべきデータの品質チェックリスト:

• 取引のステージが正しく更新されているか
• 成約・失注の記録が漏れなく入力されているか
• コンタクトと取引が正しくアソシエーションされているか
• コンタクトの属性情報（企業規模、業種、役職）が入力されているか

ステップ2: 予測スコアリングの有効化

設定 > プロパティ から「HubSpotスコア」のプロパティ設定画面を開きます。Professional以上のプランでは、「AI予測スコア」のセクションが表示されます。

予測スコアリングを有効化すると、HubSpotが自動的にAIモデルを構築し、既存のすべてのコンタクトにスコアを付与します。初回のモデル構築には数時間かかる場合があります。

ステップ3: スコアの確認と検証

AIスコアが付与されたら、まず過去の成約・失注データと照合して精度を確認します。

• スコア上位20%のリードの成約率はどの程度か
• スコア下位20%のリードに成約案件が含まれていないか
• 営業チームの直感的な評価とスコアが一致しているか

この検証プロセスを経て、AIスコアの信頼性をチーム全体で共有することが重要です。

ステップ4: ワークフローとの連携

検証後、AIスコアをワークフローのトリガーとして設定します。

ワークフロー例として、スコアが80以上に達したコンタクトに対して、自動的にインサイドセールス担当にタスクを作成し、Slack通知を送信する設定が効果的です。

スコアリング精度を高めるポイント

データ品質の改善

AIスコアリングの精度はデータの品質に直結します。以下の取り組みがスコアリング精度の向上に効果的です。

• プロパティ入力の標準化: 業種や企業規模のプロパティをドロップダウン形式にし、表記ゆれを防止する
• 取引ステージの適切な運用: 取引を適時にクローズし、成約・失注の理由を記録する
• コンタクト情報のエンリッチメント: Breeze Intelligenceやサードパーティツールで企業情報を補完する
• アソシエーションの整備: コンタクト-企業-取引の紐付けを正確に保つ

手動スコアリングとの併用

AI予測スコアリングと手動スコアリングは併用が可能です。たとえば、AI予測スコアで全体的な優先順位を決定しつつ、特定の行動（料金ページの閲覧、デモ請求フォームの送信）には手動で追加スコアを付与する運用が効果的です。

定期的なモデル検証

HubSpotのAIモデルは自動更新されますが、ビジネス環境の変化（新製品の投入、ターゲット市場の変更など）に対応するため、四半期に1回程度のモデル精度検証を行うことをおすすめします。

Salesforce社の調査によると、AI予測スコアリングを導入した企業の営業チームは、リードの優先順位づけにかかる時間を平均30%削減し、成約率を15〜20%向上させたと報告されています。HubSpotでも同様の効果が期待でき、特に営業リソースが限られる中小企業にとって大きなインパクトがあります。

よくある質問（FAQ）

Q1: AI予測スコアリングの利用に追加費用はかかりますか？

Professional以上のプランに含まれており、追加費用は不要です。ただし、Breeze Intelligenceによるデータエンリッチメント（企業情報の自動補完）を併用する場合は、クレジットの消費が発生します。スコアリング自体はCRM内の既存データのみで動作します。

Q2: データが少ない状態でもAIスコアリングは機能しますか？

データ量が少ない場合、AIモデルの精度は低くなります。一般的に、成約・失注の取引データが合計100件以上あると安定した予測が得られます。データが不足している初期段階では、手動スコアリングでルールを設定し、データが蓄積されてからAI予測スコアリングに移行するアプローチがおすすめです。

Q3: AIスコアの算出根拠を確認できますか？

はい、各コンタクトのAIスコア詳細画面で、スコアに影響を与えている上位の要因（ポジティブ/ネガティブ）を確認できます。例えば「役職がマネージャー以上（+15ポイント相当）」「直近30日間のWebサイト訪問回数が平均以上（+10ポイント相当）」のように、どの要因がスコアに寄与しているかが表示されます。ブラックボックスではなく、説明可能なAIモデルになっています。

Q4: 競合のスコアリング機能と比較してHubSpotの強みは何ですか？

HubSpotのAIスコアリングの最大の強みは、マーケティングデータと営業データの両方を統合したスコアリングが可能な点です。Marketo（Adobe）やPardot（Salesforce）のスコアリングは主にマーケティングエンゲージメントに基づいていますが、HubSpotは統合プラットフォームのため、メール開封からミーティング参加、取引のステージ進捗まで一貫したデータでスコアリングを行えます。

カテゴリ: HubSpot AI・Breeze | HubSpot