リードスコアリングとは？設計方法と失敗しない運用のコツ

「マーケティングから営業に引き渡すリードの質にばらつきがある」「どのリードを優先してフォローすべきか、営業担当の勘に頼っている」――こうした課題は、リードスコアリングの仕組みがないことに起因しています。スコアリングなしにリードを管理すると、ホットリードの見逃しとコールドリードへの無駄なアプローチが同時に発生します。

リードスコアリングとは、リード（見込み顧客）に対して属性や行動に基づくスコア（点数）を付与し、購買意欲の高さを定量的に評価する手法です。適切に設計・運用すれば、営業チームの商談化率を大幅に向上させ、マーケティングROIの改善に直結します。

本記事では、リードスコアリングの基本概念から、属性スコア×行動スコアの設計方法、すぐに使えるテンプレート、運用でありがちな失敗と対策、そしてHubSpotでの具体的な設定方法までを解説します。

この記事でわかること

• リードスコアリングの定義と目的
• 属性スコアと行動スコアの設計方法
• スコアリングモデルのテンプレート
• MQL閾値の決め方
• 運用でよくある5つの失敗と対策
• HubSpotでのスコアリング設定手順
• AIを活用した予測スコアリングの最新動向

リードスコアリングの基本

リードスコアリングとは

リードスコアリングとは、見込み顧客（リード）の属性情報と行動データに基づいてスコア（点数）を付与し、購買意欲の高さや自社ターゲットとの合致度を定量的に評価する手法です。

スコアリングには2つの軸があります。

属性スコアが高くても行動スコアが低いリードは「ターゲットだが関心が低い」状態であり、逆に行動スコアが高くても属性スコアが低いリードは「関心はあるがターゲット外」の状態です。両方の軸で一定基準を超えたリードのみをMQL（Marketing Qualified Lead）として営業に引き渡すことで、営業効率が最大化されます。

スコアリングの効果

属性スコアの設計方法

属性スコアは、リードが自社のICP（Ideal Customer Profile：理想的な顧客像）にどれだけ合致するかを評価します。

設計のステップ

1. 過去の受注顧客データを分析する: 受注した顧客の業種・規模・役職・地域を集計し、共通パターンを特定
2. ICPを定義する: 最も受注しやすい顧客像を言語化
3. 属性項目ごとにスコアを配点する: ICP合致度に応じて加点・減点を設定

属性スコアテンプレート

行動スコアの設計方法

行動スコアは、リードのオンライン・オフラインでの行動から、購買意欲の高さを評価します。

行動カテゴリ別のスコアテンプレート

時間減衰（デケイ）の設定

行動スコアは時間とともに減衰させるべきです。半年前にホワイトペーパーをダウンロードしただけのリードと、今週ダウンロードしたリードでは、購買意欲に大きな差があります。

MQL閾値の決め方

属性×行動のマトリクス

MQLの判定は、属性スコアと行動スコアの両方が一定基準を超えたリードに限定します。

閾値の調整方法

初回の閾値は仮設定でかまいません。運用データが蓄積されたら、以下の方法で調整します。

1. MQL→商談化率が低い場合: 閾値を引き上げる（質を重視）
2. MQL数が少なすぎる場合: 閾値を引き下げる（量を確保）
3. 特定の行動が商談化と強く相関する場合: その行動のスコアを引き上げる

運用でよくある5つの失敗と対策

HubSpotでのスコアリング設定方法

HubSpotでは「HubSpotスコア」プロパティを使ってリードスコアリングを設定できます。

設定手順

ステップ1: スコアリングプロパティの確認

設定 → プロパティ → 「HubSpotスコア」を検索。このプロパティはデフォルトで用意されています。

ステップ2: 正の属性（加点ルール）の追加

• 「正の属性を追加」をクリック
• 条件を設定（例: 「会社の業種」が「IT」の場合 → +20点）
• 複数の条件を追加

ステップ3: 負の属性（減点ルール）の追加

• 「負の属性を追加」をクリック
• 条件を設定（例: 「最終アクティビティ日」が30日以上前 → -10点）

ステップ4: MQL閾値のワークフロー設定

ワークフロー機能で以下のトリガーを設定します。

• トリガー: 「HubSpotスコア」が○点以上になった場合
• アクション1: ライフサイクルステージを「MQL」に変更
• アクション2: 営業担当にタスクを自動作成
• アクション3: Slack/メールで営業に通知

AIを活用した予測スコアリング

HubSpotのProfessional以上のプランでは、AIによる予測スコアリング機能が利用できます。過去の受注データをAIが学習し、コンバージョンする可能性が高いリードを自動で判定します。

手動スコアリングで運用を開始し、データが蓄積されたらAI予測スコアリングと併用するのが推奨されるアプローチです。

関連記事

• MQLとは？定義・SQLとの違い・創出方法をBtoB実務で解説
• リードナーチャリングとは？BtoBで成果を出す7ステップ実践ガイド
• リードスコアリングの設計方法｜MQL定義からスコアリングモデル構築まで実践ガイド
• マーケティングオートメーション（MA）とは？仕組み・メリット・導入手順を解説

まとめ

リードスコアリングは、マーケティングと営業の連携を強化し、商談化率を向上させるための重要な仕組みです。属性スコアと行動スコアの2軸で設計し、定期的に見直すことで、精度の高いリード評価が可能になります。

次のアクションとして推奨するステップ:

• 過去の受注データからICPを定義する
• 本記事のテンプレートをベースに属性スコアと行動スコアを設計する
• MQL閾値を仮設定し、まずは運用を開始する
• 月次でMQL→商談化率をレビューし、スコアと閾値を調整する

リードスコアリングの設計・運用にお悩みの方は、StartLinkにご相談ください。HubSpotを活用したスコアリングモデルの設計からワークフローの構築、営業連携の最適化まで一貫して支援いたします。