Il lead scoring è un sistema che assegna un punteggio a ogni contatto nel CRM, combinando dati anagrafici e comportamenti digitali, per capire chi è davvero pronto a comprare e chi ha bisogno ancora di tempo.
Esistono due approcci: il modello manuale, in cui sei tu a definire le regole, e quello predittivo basato su AI, che impara dai tuoi dati storici di chiusura.HubSpot integra entrambi nativamente. Usare il lead scoring non significa avere più lead: significa far lavorare il team commerciale su quelli giusti.
Ogni mese il team marketing produce contatti. Alcuni compilano un form per scaricare un contenuto, altri visitano tre volte la pagina dei prodotti, altri ancora aprono ogni email ma non rispondono mai. Il team commerciale li riceve tutti insieme, senza una mappa. Il risultato: si chiama per primo chi ha lasciato per ultimo il numero di telefono, non chi ha mostrato l'interesse più concreto.
Il lead scoring è il sistema che risolve esattamente questo problema.
Perché qualificare i lead è più difficile di quanto sembra
La maggior parte delle aziende B2B ha un problema che fatica a vedere subito: il collo di bottiglia non è nella generazione di lead, ma nella qualificazione. Secondo un'analisi su team B2B, solo il 27% dei lead inviati al commerciale è effettivamente qualificato. E il 79% dei contatti generati dal marketing non converte mai, principalmente per mancanza di follow-up mirato o di un processo di nurturing strutturato.
Aggiungere più lead a un funnel mal qualificato non risolve il problema. Lo sposta semplicemente più avanti, sul tavolo del team commerciale.
Che cos'è il lead scoring?
Il lead scoring è un metodo per assegnare un punteggio numerico a ogni contatto nel CRM, in modo da ordinare i lead per priorità e concentrare l'attenzione commerciale su chi ha maggiore probabilità di convertirsi in cliente.
Il punteggio si costruisce combinando due tipi di informazioni:
- Fit (adattamento): quanto il lead corrisponde al profilo cliente ideale, in termini di settore, dimensione aziendale, ruolo, area geografica.
- Engagement (coinvolgimento): quanto il lead ha interagito con i tuoi contenuti, pagine web e comunicazioni email.
Un lead con alto fit e alto engagement è, in linea di massima, pronto per un contatto commerciale diretto. Un lead con buon fit ma engagement basso ha bisogno di ulteriore nurturing. Un lead con alto engagement ma fit debole va deprioritizzato: anche se legge tutto quello che pubblichi, difficilmente diventerà un cliente coerente con il tuo mercato.
Vuoi capire se la tua struttura CRM è predisposta per implementare un modello di scoring efficace? Scopri il servizio di marketing automation di Eclettica Akura.
I parametri su cui costruire il modello di scoring
Non esiste un modello di lead scoring universale. Ogni azienda deve costruire il proprio in base al mercato di riferimento, al ciclo di vendita e ai dati che ha a disposizione. I parametri più comuni si dividono in quattro categorie.
Dati demografici e firmografici
Nel B2B, la firmografia conta spesso più della demografia. Settore di appartenenza, dimensione dell'azienda, fatturato stimato, ruolo del contatto: questi dati definiscono se un lead corrisponde o meno al profilo del cliente ideale. Un responsabile acquisti in un'azienda manifatturiera con 50+ dipendenti vale, per certi prodotti, molto più di un junior marketing manager in una startup di 5 persone.
La definizione di questo profilo parte dal lavoro sulle buyer personas.
Comportamenti sul sito
Visite alla pagina dei prezzi, download di materiali tecnici, tempo trascorso sulle pagine prodotto, accesso a aree riservate: ogni azione lascia una traccia nel CRM. Non tutte le azioni valgono allo stesso modo. Tre visite alla pagina dei piani tariffari nella stessa settimana dicono qualcosa di molto diverso rispetto a una visita alla pagina "Chi siamo".
Interazioni email
Aperture sistematiche, click su contenuti specifici, risposte dirette, disiscrizioni: anche il comportamento email è un segnale qualitativo. Un lead che clicca ogni volta su contenuti relativi a un prodotto specifico ha una priorità diversa rispetto a chi apre le email senza mai interagire.
Engagement su contenuti e form
Compilare un form per richiedere una demo vale più della compilazione di un form per scaricare un ebook gratuito. Partecipare attivamente a un webinar vale più di una semplice iscrizione alla newsletter. Differenziare il peso delle azioni è una parte essenziale del modello.
Come si costruisce il punteggio
Criteri positivi e soglie operative
Il modello più diffuso assegna punti da 0 a 100, con soglie che definiscono lo stato del lead nel funnel. Il valore assoluto conta meno della coerenza interna del sistema: l'importante è che i criteri siano condivisi tra marketing e vendite prima di attivare il modello.
Un esempio pratico per un'azienda B2B:
| Azione o caratteristica | Punteggio |
| Ha visitato la pagina dei prezzi almeno 2 volte | +15 |
| Ha scaricato un case study | +10 |
| Ha aperto almeno 3 email negli ultimi 30 giorni | +5 |
| Il ruolo corrisponde al profilo decisore | +20 |
| L'azienda ha più di 20 dipendenti | +10 |
| Ha richiesto una demo | +25 |
| Si è disiscritto dalla newsletter | -10 |
| Nessuna interazione negli ultimi 60 giorni | -15 |
| Il settore non è in target | -20 |
Soglia MQL (Marketing Qualified Lead): 50 punti, il lead viene inserito in un percorso di nurturing avanzato.
Soglia SQL (Sales Qualified Lead): 75 punti, il lead viene trasferito al team commerciale per un contatto diretto.
Il negative scoring: sottrarre punti funziona
Il negative scoring è una best practice spesso trascurata, ma particolarmente efficace per mantenere il funnel pulito. Assegnare punteggi negativi per segnali di disinteresse o di mismatch evita che lead non qualificati consumino tempo del team commerciale.
I segnali negativi più utili da monitorare: disiscrizione dalla newsletter, assenza di interazioni per un periodo prolungato, ruolo non riconducibile a un profilo decisore, settore fuori target.
Un lead che raggiunge 80 punti grazie a criteri demografici ma ha azzerato il punteggio comportamentale con 60 giorni di silenzio assoluto non è SQL: è un contatto che ha perso interesse e va reintrodotto in un percorso di riattivazione, non in uno di chiusura.
Perché il lead scoring è così importante?
Il lead scoring può essere usato per creare degli elenchi, ovvero dei segmenti di contatti diversificati che, nella fattispecie, serviranno per creare i flussi che comprenderanno il nostro pubblico ideale.
Il punteggio lead è utile per incrementare le entrate individuando i segmenti di pubblico maggiormente qualificati, che non hanno ancora acquistato, convertendoli.
Lead scoring manuale o predittivo: quale scegliere?
Esistono due approcci al lead scoring, con logiche e requisiti molto diversi.
Il modello manuale funziona con regole che definisci tu: assegni un peso a ogni criterio, stabilisci le soglie e il CRM calcola i punteggi automaticamente. È il punto di partenza più accessibile. Richiede un buon set di dati e collaborazione tra marketing e vendite, ma non necessita di grandi volumi storici. Per molte PMI italiane, un modello manuale ben strutturato è già un salto qualitativo significativo rispetto alla qualificazione per impressione.
Il modello predittivo usa algoritmi di machine learning che analizzano i tuoi dati storici di chiusura e identificano autonomamente quali caratteristiche e comportamenti correlano con le conversioni reali. Il sistema si aggiorna in modo continuo e può rilevare pattern che l'analisi manuale non vedrebbe. È più potente, ma funziona bene solo con database ampi e con uno storico di conversioni significativo. Se la tua azienda chiude 20-30 deal l'anno, il modello potrebbe non avere abbastanza materiale per imparare in modo affidabile.
La scelta dipende dalla maturità del tuo sistema di gestione dei dati e dalla dimensione del database. I due approcci non si escludono: HubSpot, per esempio, permette di usarli in parallelo, con il modello manuale come controllo rispetto al predittivo.
Come funziona il lead scoring in HubSpot?
HubSpot Score: il modello manuale
HubSpot integra il lead scoring manuale tramite la proprietà nativa HubSpot Score, disponibile dai piani Marketing Hub Professional. Permette di impostare criteri positivi e negativi sulla base di qualsiasi proprietà del contatto: dati anagrafici, comportamenti sul sito, interazioni email, form compilati, attività commerciale. Il punteggio viene calcolato automaticamente per ogni contatto nel CRM e aggiornato in tempo reale.
È possibile creare fino a 25 proprietà di punteggio personalizzate, il che consente di costruire modelli distinti per linea di prodotto, area geografica o profilo cliente.
Predictive lead scoring: il modello AI
Il predictive lead scoring di HubSpot è disponibile nei piani Marketing Hub Enterprise e Sales Hub Enterprise e si basa su un modello di machine learning addestrato sui dati storici presenti nel tuo CRM. Il sistema analizza i deal chiusi e aperti e identifica i pattern che meglio predicono la chiusura, assegnando a ogni contatto due proprietà:
- Likelihood to close: la probabilità percentuale (da 0 a 100%) che il contatto diventi cliente entro 90 giorni.
- Contact priority: una classificazione in quattro livelli (Very High, High, Medium, Low) basata sulla Likelihood to close.
Il vantaggio principale rispetto al modello manuale è l'adattamento continuo. Un contatto che ieri aveva un punteggio di 45 può salire a 78 domani, se nel frattempo ha visitato tre volte la pagina dei prezzi e ha aperto una richiesta di contatto. Il sistema aggiorna i punteggi senza che tu debba modificare le regole manualmente.
Con l'introduzione di HubSpot Breeze AI, espansa nel 2026, la capacità predittiva si è ulteriormente integrata con il buyer intent tracking e la segmentazione AI-driven, portando segnali comportamentali all'interno del modello di scoring in modo più granulare rispetto al modello precedente.
Quali risultati si possono aspettare dal lead scoring B2B
Il lead scoring non aumenta il numero di lead: riduce il tempo sprecato su quelli sbagliati. Le aziende che lo implementano in modo strutturato registrano in media un incremento del 20% nella produttività del team commerciale. Non perché vendano necessariamente di più in assoluto, ma perché lavorano su un numero inferiore di lead con una probabilità di chiusura più alta.
Un dato che inquadra bene il momento:nel 2026, il 61% dei team B2B usa l'AI per il lead scoring, contro il 23% del 2024. L'adozione è quasi triplicata in due anni. Chi non ha ancora un sistema strutturato di qualificazione non è in ritardo di poco.
Il lead scoring è anche uno degli strumenti più concreti per allineare marketing e vendite. Quando i criteri di qualificazione sono espliciti, condivisi e misurabili, la conversazione tra i due team smette di essere generica ("questi lead non sono buoni") e diventa operativa ("la soglia SQL va spostata da 70 a 80 perché i lead tra 70 e 80 impiegano in media tre mesi in più per chiudere").
Per trasformare un lead qualificato in un cliente, però, il lead scoring da solo non basta. Serve un processo di lead nurturing che accompagni i contatti tiepidi verso la maturazione, e una strategia di lead conversion che trasformi l'interesse in azione.
Vuoi capire se il tuo CRM è strutturato per supportare un modello di lead scoring efficace?
