Lead scoring: best practice per i team di vendita e marketing B2B

Chiedi a qualsiasi team di vendita e ti dirà che la qualità dei lead sta migliorando. Un recente sondaggio su oltre 1.000 professionisti delle vendite ha rilevato che il 68% dichiara che la qualità dei lead è migliorata nell'ultimo anno. Sembra una buona notizia. Ma "migliore" è una sensazione che i venditori riportano in un sondaggio, non qualcosa che qualcuno abbia misurato. Senza un modello di scoring alle spalle, quel miglioramento è un'impressione, non un dato di fatto.

Questa non è un'introduzione al lead scoring. Le basi le conosci già. Qui vedrai come trasformare quell'impressione in qualcosa di concreto: un sistema che ti dice quali lead meritano davvero il tempo di un venditore, e non solo quali sembrano promettenti. Se imposti bene i criteri, il tuo software di lead scoring smette di segnalare rumore come opportunità e la tua pipeline di vendita B2B inizia a riflettere quello che contiene davvero.

Get thousands of leads in 4 minutes.

Stop stitching tools together.
Start with verified sales data, delivered in minutes.

SCALE SALES NOW

No contracts · No setup · No sales call

Un breve ripasso: che cos'è il lead scoring?

Il lead scoring è il processo con cui si assegnano punteggi ai lead in base a chi sono e a cosa fanno, così che le vendite sappiano chi chiamare per primo. È un filtro, non un tirare a indovinare. I dati espliciti coprono il lato demografico: ruolo, dimensione dell'azienda, settore, cioè quello che un lead ti dice direttamente. I dati impliciti coprono il lato comportamentale: visite alla pagina dei prezzi, richieste di demo, quei segnali di acquisto B2B che mostrano un'intenzione senza che nessuno la dichiari ad alta voce. Se li imposti bene entrambi, il lead scoring smette di essere una funzione di facciata appiccicata al CRM e inizia a fare ciò per cui esiste: ancorare la tua strategia go-to-market B2B alla realtà, non all'attività.

Definisci criteri di scoring chiari prima di assegnare i punti

La maggior parte dei team costruisce il proprio modello di scoring al contrario. Sceglie criteri che sembrano sensati (ruolo, dimensione dell'azienda, qualche azione di engagement), assegna i punti e parte. Poi passa i sei mesi successivi a chiedersi perché i lead con i punteggi più alti non chiudono.

La soluzione: parti dalle trattative vinte, non dalle tue supposizioni. Prendi gli account che hanno davvero convertito e cerca cosa hanno in comune: dimensione dell'azienda, settore, le pagine visitate prima di prenotare una demo, quanti contatti ci sono voluti. Poi fai lo stesso con i lead che non hanno mai convertito. Il divario tra questi due gruppi sono i tuoi criteri di scoring. Non un'ipotesi su come dovrebbe essere un buon lead, ma come era davvero prima di comprare.

Funziona solo se è guidato dai dati fin dal primo giorno. Costruire un modello d'istinto e correggerlo dopo significa lasciare i venditori a inseguire per mesi i lead sbagliati mentre il marketing insiste che lo scoring va benissimo. Assicurati che i dati di partenza siano solidi prima di assegnare anche un solo punto.

Un'altra cosa da fare fin dall'inizio: coinvolgi le vendite nel processo. Il tuo team di vendita outbound è al telefono ogni giorno. Spesso nota uno schema, come un ruolo che non compra mai o un comportamento che segnala sempre urgenza, molto prima che emerga dai dati. Ignora questo contributo e tra tre mesi ricostruirai il modello per recuperare quello che i tuoi venditori sapevano già.

Combina segnali firmografici, demografici e comportamentali

Il fit ti dice se un lead potrebbe diventare tuo cliente. L'intento ti dice se sta per comportarsi come tale. Un modello che misura solo uno dei due ha sempre ragione solo a metà.

Segnali di fit (dati firmografici e demografici)

I segnali di fit rispondono a una sola domanda: questo lead somiglia ai clienti che comprano davvero da te?

• Ruolo: ti dice se la persona ha l'autorità per prendere la decisione o influenzarla
• Dimensione dell'azienda: ti dice se ha il budget e la complessità operativa per cui il tuo prodotto è pensato
• Settore: ti dice se la tua soluzione risolve un problema che l'azienda ha davvero, e non solo un problema a cui potresti tecnicamente applicarla
• Località: conta soprattutto se vendi in regioni specifiche o se la tua soluzione ha vincoli normativi o logistici legati alla geografia

Nessuno di questi segnali ti dice se un lead è pronto ad acquistare adesso. Ti dicono solo se, in partenza, è il tipo giusto di prospect. È proprio questo che fa il fit scoring: filtra per pertinenza, non per urgenza.

Segnali di intento (dati comportamentali)

Il fit ti dice chi sono. L'intento ti dice cosa stanno facendo concretamente.

Un segnale di intento è qualsiasi azione che mostra che un lead si sta muovendo verso una decisione, invece di limitarsi a curiosare intorno al tuo brand. C'è una differenza reale tra l'engagement passivo, come aprire un'email o scorrere un articolo del blog, e l'intento attivo, come richiedere una demo, il tipo di comportamento che ha senso solo se qualcuno sta valutando seriamente un acquisto. Il primo ti dice che qualcuno sa che esisti. Il secondo ti dice che qualcuno sta preparando internamente le argomentazioni per comprare.

I segnali di intento non dipendono dal volume di attività. Un lead può accumulare una dozzina di interazioni di scarso valore ed essere ancora lontanissimo dall'acquisto. Conta il tipo di azione, non quante volte succede. È la logica alla base del marketing basato sull'intento: leggi bene i comportamenti e saprai con chi parlare prima ancora che alzi la mano. In Italia, ricorda che i cookie di profilazione richiedono il consenso (linee guida cookie del Garante privacy, 2021) e che il lead scoring è di norma una profilazione ai sensi del GDPR: indicalo nell'informativa privacy e segnala il diritto di opposizione dell'articolo 21 al più tardi al primo contatto.

Un modello che valuta solo il fit segnalerà molti lead che sulla carta sembrano perfetti ma non hanno mostrato alcun interesse all'acquisto: contatti sprecati travestiti da opportunità. Un modello che valuta solo l'intento inseguirà chiunque clicchi sul tuo sito, che possa o meno diventare cliente un giorno. Nessuno dei due è un lead. Lo è solo la combinazione dei due.

Dai più peso alle azioni ad alto intento

Non tutte le azioni meritano gli stessi punti, eppure molti modelli di scoring le trattano come se fosse così.

Una richiesta di demo e un'iscrizione alla newsletter non sono lo stesso segnale. La prima significa che qualcuno è vicino a una decisione d'acquisto. La seconda significa che a qualcuno è piaciuto un titolo abbastanza da lasciare il proprio indirizzo email. Se il tuo modello le valuta in modo anche solo vagamente simile, ti ritroverai con gli iscritti alla newsletter in cima alla coda mentre i veri acquirenti aspettano il loro turno.

Le visite alla pagina dei prezzi, le richieste di demo e le iscrizioni a una prova gratuita dovrebbero valere molti più punti della lettura di un articolo o di un'iscrizione alla newsletter. Sono più vicine alla decisione, quindi devono pesare di più.

La recency e la frequenza contano quanto l'azione stessa. Un lead che ha visitato la tua pagina dei prezzi tre volte questa settimana sta segnalando qualcosa di urgente. Uno che l'ha visitata una volta, tre mesi fa, probabilmente no. Stessa azione, stessi punti sulla carta, livello di intento completamente diverso. Un buon modello tiene conto di questa differenza invece di trattare ogni clic come se fosse ugualmente recente.

Usa lo scoring negativo per mantenere pulita la pipeline

La maggior parte dei team costruisce un modello di scoring che aggiunge solo punti. Nessuno li toglie. È un errore, perché un modello che premia solo l'attività darà volentieri a uno studente curioso lo stesso punteggio di un vero acquirente, basta che clicchi abbastanza.

Lo scoring negativo toglie punti per i segnali che indicano scarso fit o disinteresse:

• Domini email personali (libero.it, virgilio.it, tiscali.it…) invece di uno aziendale
• Ruoli che escludono il lead, come studente o stagista
• Domini dei concorrenti
• Disiscrizioni
• Visite a pagine non pertinenti, come la pagina "Lavora con noi"

Non si tratta di punire. Lo scoring negativo non penalizza un lead per il solo fatto di esistere: è un meccanismo di filtro che impedisce alle vendite di perdere tempo con qualcuno che non avrebbe mai convertito comunque.

Se lo salti, il tuo modello gonfia i punteggi di persone semplicemente curiose, non interessate. Chi cerca lavoro e visita il tuo sito per informarsi sull'azienda prima di un colloquio può accumulare gli stessi punti di un decisore che sta valutando un acquisto, se il tuo modello si limita a contare i clic. È lo scoring negativo a distinguere l'uno dall'altro.

Stabilisci soglie chiare e automatizza il passaggio alle vendite

Un punteggio è solo un numero finché non fa scattare qualcosa. Puoi costruire il modello più preciso del mondo, ma non vale nulla se i lead restano lì ad aspettare che qualcuno se ne accorga.

Definisci fasce di punteggio e soglie

I punti contano solo se portano a una decisione. Questo significa suddividere la tua scala di punteggio in fasce chiare, ognuna con una soglia che ti dice esattamente cosa succede dopo.

Una configurazione tipica prevede tre fasce:

• Nurturing: punteggi bassi, il lead riceve altri contenuti finché non mostra un intento reale
• Marketing qualified lead (MQL): una fascia intermedia, da seguire ma non ancora pronta per una conversazione commerciale
• Sales qualified lead (SQL): la fascia più alta, pronta per essere contattata da un venditore

I valori esatti contano meno di chi li concorda. Deve essere una decisione condivisa tra marketing e vendite, non qualcosa che il marketing fissa da solo e cala dall'alto. Se le vendite non credono nelle soglie, non si fideranno dei lead che le superano, e sarai di nuovo al punto di partenza: venditori che ignorano la coda e lavorano a sensazione.

Automatizza il passaggio alle vendite

Una soglia non serve a nulla se nessuno controlla il punteggio in tempo reale. I controlli manuali arrivano sempre troppo tardi.

Configura il tuo CRM perché attivi automaticamente il passaggio. Nel momento in cui un lead entra nella fascia SQL, il sistema dovrebbe avvisare il venditore giusto e registrare un'attività di follow-up, senza che nessuno debba aggiornare una dashboard o sperare che l'avviso venga visto. Il lead avanza nell'istante in cui se lo guadagna.

Non si tratta di sostituire il giudizio delle persone. Si tratta di fare in modo che venga applicato al momento giusto, non con tre giorni di ritardo perché qualcuno era sommerso dalle email.

Rivedi e perfeziona il modello di lead scoring con regolarità

Un modello di scoring non si costruisce una volta per poi dimenticarlo. È un sistema che va controllato, altrimenti si guasta in silenzio senza che nessuno se ne accorga.

Metti in calendario una revisione trimestrale. Prendi i lead con i punteggi più alti e verifica se stanno davvero convertendo. Prendi quelli con i punteggi più bassi e verifica se qualcuno è diventato cliente comunque: di solito significa che il tuo modello si è perso un segnale reale. Contano entrambe le direzioni. Un modello che viene verificato solo quando qualcosa si rompe sbaglia già da mesi.

Ecco perché non può essere una configurazione una tantum: il comportamento dei clienti, le condizioni di mercato e il prodotto cambiano. I criteri che l'anno scorso prevedevano un buon lead oggi potrebbero non prevedere quasi nulla. Uno scoring statico in un mercato in movimento invecchia in fretta, e nessuno se ne accorge finché la qualità della pipeline non cala e tutti iniziano a discutere di chi sia la colpa.

Tieni un semplice registro delle modifiche. Ogni volta che modifichi una soglia o ricalibri il peso di un segnale, annota cosa è cambiato e perché. Così, se qualcuno alza la soglia SQL in questo trimestre, il team lo sa e ne capisce il motivo, invece di scoprirlo per caso tre mesi dopo.

Errori comuni di lead scoring da evitare

La maggior parte dei modelli di scoring che non funzionano fallisce quasi sempre per gli stessi pochi motivi. Vale la pena confrontare il tuo con questa lista prima di dare per scontato che il problema sia altrove.

• Valutare solo il fit, o solo l'intento: mezzo quadro trattato come se fosse completo, così in cima finiscono lead perfettamente in target ma senza alcun interesse, oppure lead attivissimi che non compreranno mai.
• Nessuno scoring negativo: ogni clic curioso vale quanto un interesse reale, e questo gonfia in silenzio i punteggi di persone che non avrebbero mai convertito.
• Soglie fissate una volta e mai riviste: un modello congelato mentre il mercato, il prodotto e gli acquirenti che dovrebbe rappresentare continuano a muoversi senza di lui.
• Criteri basati su supposizioni, non sulle trattative vinte: un'ipotesi travestita da sistema, costruita su come dovrebbe essere un buon lead invece che su come era davvero prima di comprare.
• Marketing e vendite non d'accordo su cosa significhi "qualificato": due team che lavorano con due definizioni diverse, e i lead si bloccano nel mezzo.

Domande frequenti sul lead scoring

1. Qual è il metodo del lead scoring?

Il lead scoring è la pratica di assegnare punteggi ai lead in base a chi sono e a cosa fanno, così che le vendite possano dare priorità a quelli più vicini all'acquisto. Combina segnali di fit, come ruolo, dimensione dell'azienda e settore, con segnali di intento, come le visite alla pagina dei prezzi o le richieste di demo. Il risultato è un unico punteggio che riflette la probabilità che un lead converta, invece di lasciare questa valutazione al caso.

2. Come qualificare un lead in modo efficace?

Parti dai dati, non dalle supposizioni. Prendi le tue trattative vinte, individua le caratteristiche e i comportamenti che quei clienti avevano in comune e costruisci i tuoi criteri intorno a quello schema. Aggiungi lo scoring negativo, così i lead poco in target o disinteressati non gonfiano la pipeline, e rivedi il modello regolarmente perché continui a rispecchiare il comportamento reale dei tuoi acquirenti.

3. Come si crea un modello di scoring?

Basa i tuoi criteri sui dati delle trattative vinte, poi combina segnali di fit e di intento, così che il modello misuri sia chi è un lead sia cosa sta facendo. Dai più peso alle azioni ad alto intento rispetto a quelle passive, fissa soglie chiare collegate a fasce definite e automatizza il passaggio, così i lead pronti per la vendita arrivano ai commerciali senza ritardi.

4. Quali azioni contano nel lead scoring?

Le azioni ad alto intento, come le richieste di demo, le visite alla pagina dei prezzi e le iscrizioni a una prova gratuita, pesano di più, perché segnalano che qualcuno è vicino a una decisione. Le azioni a basso intento, come leggere un articolo del blog o iscriversi a una newsletter, contano comunque, ma dovrebbero valere molto meno. Anche recency e frequenza hanno il loro peso: un lead che ha interagito spesso e di recente segnala più urgenza di uno che ha agito una sola volta, mesi fa.

5. Qual è la regola del lead scoring?

Non esiste una regola universale, perché i criteri di scoring devono riflettere i dati delle tue trattative vinte, non un modello generico. Detto questo, c'è un principio che ritorna in tutti i modelli efficaci: combinare fit e intento, pesare le azioni in base a quanto sono vicine a una decisione d'acquisto e usare lo scoring negativo per filtrare chi non è in target. I valori dei punti sono specifici di ogni azienda, ma la logica alla base vale per la maggior parte.