%20(%E8%83%8C%E6%99%AF%E3%81%82%E3%82%8A).png?width=130&height=39&name=%E6%9C%80%E7%B5%82Start%20Link%20(500%20x%20150%20px)%20(%E8%83%8C%E6%99%AF%E3%81%82%E3%82%8A).png "StartLink"){kind=logo}
「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。
| スコアの種類 | 評価対象 | 意味 |
|---|---|---|
| 属性スコア（Fit Score） | 企業規模、業種、役職、地域など | 自社のターゲット像にどれだけ合致するか |
| 行動スコア（Engagement Score） | Web閲覧、メール反応、資料DL、イベント参加など | どれだけ自社に関心を持っているか |
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
| 指標 | スコアリング未導入 | スコアリング導入後 |
|---|---|---|
| MQL→商談化率 | 5〜10% | 15〜30% |
| 営業のフォロー優先判断 | 勘・経験に依存 | スコアに基づく客観的判断 |
| マーケ→営業の引き渡し精度 | リードの質にばらつき | 一定基準をクリアしたリードのみ |
| 営業のリード対応時間 | 低品質リードに時間を浪費 | 高スコアリードに集中 |
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
- 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
- ICPを定義する: 最も受注しやすい顧客像を言語化
- 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
| 属性項目 | 条件 | スコア |
|---|---|---|
| 業種 | ターゲット業種（IT、製造、金融等） | +20 |
| 準ターゲット業種 | +10 | |
| 非ターゲット業種 | 0 | |
| 企業規模 | 従業員500名以上 | +20 |
| 従業員100〜499名 | +15 | |
| 従業員50〜99名 | +10 | |
| 従業員50名未満 | +5 | |
| 役職 | 経営層（CEO、CxO） | +25 |
| 部長・マネージャー | +20 | |
| 課長・リーダー | +15 | |
| 担当者 | +10 | |
| 不明 | +5 | |
| 地域 | 主要対応エリア | +10 |
| その他のエリア | +5 | |
| メールドメイン | 企業ドメイン | 0（減点なし） |
| フリーメール（gmail等） | -15 | |
| 競合企業 | 競合企業のドメイン | -50 |
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
| 行動カテゴリ | 具体的な行動 | スコア |
|---|---|---|
| メール | メール開封 | +1 |
| メール内リンククリック | +3 | |
| メール返信 | +10 | |
| Web閲覧 | ブログ記事閲覧 | +2 |
| 事例ページ閲覧 | +8 | |
| 料金ページ閲覧 | +15 | |
| 製品ページを3ページ以上閲覧 | +10 | |
| コンテンツDL | ホワイトペーパーDL | +10 |
| 導入事例集DL | +12 | |
| 料金表DL | +20 | |
| イベント | ウェビナー登録 | +8 |
| ウェビナー参加（実視聴） | +15 | |
| 展示会でのブース訪問 | +12 | |
| 自社セミナー参加 | +18 | |
| 問い合わせ | お問い合わせフォーム送信 | +30 |
| デモ・トライアル申請 | +40 | |
| 見積もり依頼 | +50 | |
| 減点行動 | 30日間アクションなし | -10 |
| 60日間アクションなし | -20 | |
| メール配信停止 | -30 |
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。
| 経過期間 | スコア減衰率 |
|---|---|
| 30日以内 | 100%（減衰なし） |
| 31〜60日 | 75% |
| 61〜90日 | 50% |
| 91日以上 | 25% |
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。
| 行動スコア低（〜29） | 行動スコア中（30〜59） | 行動スコア高（60〜） | |
|---|---|---|---|
| 属性スコア高（50〜） | 育成対象 | MQL候補 | MQL（即引き渡し） |
| 属性スコア中（25〜49） | 育成対象 | 育成対象 | MQL候補 |
| 属性スコア低（〜24） | 対象外 | 育成対象 | 要個別判断 |
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。
- MQL→商談化率が低い場合: 閾値を引き上げる（質を重視）
- MQL数が少なすぎる場合: 閾値を引き下げる（量を確保）
- 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
| 失敗パターン | 根本原因 | 対策 |
|---|---|---|
| スコアが際限なく上がり続ける | 時間減衰を設定していない | 30〜90日で段階的にスコアを減衰させる |
| 全員が高スコアになる | 加点ばかりで減点がない | 非ターゲット属性や無反応期間に減点を設定する |
| 営業がスコアを信用しない | スコアと実際の商談化率が乖離 | 四半期ごとにスコアと成果の相関を検証・調整する |
| 設定したまま放置される | 見直しのルーチンがない | 月次でMQL転換率をレビューし、四半期で閾値を調整する |
| 属性情報が不足している | フォーム項目が少なすぎる | プログレッシブ・プロファイリングで段階的に情報取得 |
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 | 予測スコアリング（AI） |
|---|---|
| 人間がルールを設定 | AIがデータから自動学習 |
| 経験と仮説に基づく | 実績データに基づく |
| 定期的な見直しが必要 | 継続的に自動調整 |
| 導入初期から運用可能 | 一定量のデータが必要 |
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。
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。
HubSpot導入のご相談
StartLinkでは、150社以上の支援実績をもとに、HubSpotの導入設計から運用定着まで一貫してサポートしています。CRM・SFA・MAの活用にお悩みの方は、お気軽に無料相談をご利用ください。
株式会社StartLinkは、事業を推進するためのHubSpot導入、また生成AIの社内業務への反映などのHubSpot×AI活用のご相談を受け付けております。 最近では、HubSpotを外部から操作するAIエージェント活用や、HubSpot内で使えるAI機能などのご相談をいただくことも増えてきており、サービスのプランについてご相談/お見積もり依頼があればお気軽にお問い合わせくださいませ。 無料のお問い合わせページより、お気軽にご連絡いただけます。
その他、HubSpot の設計の考え方や構築方法などをご紹介した YouTube チャンネルも運営しておりますので、社内の HubSpot 研修や HubSpot をこれから導入され、導入を検討されている企業様は、ぜひ一度ご確認いただいて、イメージをつかんでいただければなと思います。 すべて無料で公開しておりますので、こちらのYoutubeチャンネルを、ぜひチェックしてみてください！
著者情報
