リードスコアリングとは？設計6ステップと失敗を防ぐ運用の進め方

リードスコアリングとは、見込み客の属性スコアと行動スコアを数値化し、営業がアプローチすべき優先度を判断する仕組みです。弊社にご相談いただく企業では、スコアを設計したものの営業に使われないという課題が多く見られます。本記事では、評価軸の設計から6ステップのモデル構築、MQL・SQLの判定、よくある失敗の回避策までを解説します。

スコアリングとは？リード管理プロセスにおける位置づけ

リードスコアリングとは、見込み客の属性と行動を点数化し、購買の見込みが高い順に優先度を判断する仕組みです。営業がすべてのリードへ均等に対応するのではなく、点数の高いリードから接触することで、限られた営業リソースを商談化しやすい相手に集中させます。

ポイントは3つです。1つ目は属性スコアと行動スコアという2つの評価軸で測ること、2つ目はMQL・SQLという段階の判定にスコア閾値を用いること、3つ目は営業連携のSLA（判定基準の合意）とセットで運用することです。

その理由は、スコアリングが「マーケティングと営業の橋渡し」の役割を担うことにあります。マーケティング部門が獲得したリードのうち、どれを営業へ渡すべきかを数値で共通化しなければ、部門間で有望度の認識がずれ、連携がうまくいきません。具体的には、資料ダウンロードや料金ページの閲覧といった購買シグナルに点数を割り当て、一定のスコア閾値を超えたリードをホットリードとして扱います。

スコアリングはリード管理のどの段階で使うのか？

スコアリングは、リード獲得の後、営業への引き渡し（MQL・SQL判定）の手前で使います。獲得した多数のリードを育成しながら継続的に採点し、購買意欲が高まったタイミングを検知するのがスコアリングの役割です。MQLの詳しい判定基準はMQLの判定基準で解説しています。

スコアリングが解決する組織の課題とメリット

スコアリングが解決する課題とは、営業リソースの分散と、マーケティング・営業間の評価基準のずれです。スコアリングモデルを整えることで、どのリードに今アプローチすべきかを数値で判断できます。

得られるメリットは主に2つです。1つ目は営業リソースの最適化で、商談化しやすいリードに絞って接触できます。2つ目はマーケティングと営業の連携強化で、ホットリードの定義を数値で共通化することで部門間の引き継ぎが滑らかになります。

その理由は、スコアが共通言語として機能するためです。弊社にご相談いただく企業では、営業が「マーケから渡されるリードは質が低い」と感じ、マーケは「営業がリードを追わない」と感じる、という認識のずれが起きていました。具体的には、属性スコア20点以上かつ行動スコア40点以上をMQLとする、といった数値基準を両部門で合意することで、この溝が埋まります。

スコアリングを入れると営業の行動は変わるのか？

スコアリングだけでは営業行動は変わりません。変わるのは、スコアの意味を営業と合意し、スコアに応じた対応ルール（SLA）を決めたときです。点数を出すこと自体が目的ではなく、点数を営業アクションに接続する設計が欠かせません。

スコアリングの評価軸：属性スコアと行動スコア

スコアリングの評価軸とは、見込み客を測る2つのものさし、すなわち属性スコアと行動スコアです。この2軸を分けて評価することが、精度の高いスコアリングモデルの前提になります。

属性スコアとは、企業の業種・規模・役職・部署など、自社のターゲット像とどれだけ一致するかを測る点数です。行動スコアとは、Webサイトの訪問回数、資料ダウンロード、ウェビナー参加、メールの開封・クリックなど、興味の高まりを測る点数です。

その理由は、2つの軸が示す意味が異なるためです。属性は「そもそも自社の顧客になりうるか」を、行動は「今どれだけ関心が高いか」を表します。具体的には、属性は高いが行動が乏しいリードは中長期の育成対象、行動は活発だが属性が合わないリードは受注につながりにくい相手、と切り分けられます。両者が高いリードがホットリードです。

配点は自社の成約データから決めるのが原則ですが、最初の設計の目安として一般的な配点例を紹介します。以下の点数はあくまで一例であり、実際には成約リードの傾向に合わせて調整します。

属性は自社の顧客像との適合度、行動は購買に近い動きほど高く配点するのが基本です。料金ページの閲覧や資料ダウンロードのように受注へ近い行動には厚く配り、開封のように弱いシグナルは低く抑えます。点数の絶対値そのものより、項目間の相対的な重みづけが成果を左右します。

属性と行動、どちらを重く見るべきか？

どちらを重くするかは、自社の受注データで決めます。過去に成約したリードが「どんな属性で、どんな行動をとっていたか」を振り返り、成約に相関する要素を厚く配点します。勘で配点せず、成約実績から逆算するのが原則です。

成果につながるスコアリングモデル設計の6ステップ

スコアリングモデルの設計とは、評価項目と配点、閾値、対応ルールを順に決めていく作業です。ここでは6つのステップに分けて紹介します。最初から複雑にせず、シンプルな配点で始めて運用しながら精度を上げる進め方が現実に機能します。

Step.1：ターゲット（ICP）を定義する。理想的な顧客像を業種・規模・役職で言語化します。

Step.2：成約リードの共通点を洗い出す。過去の受注リードの属性と行動履歴を分析し、成約に相関する要素を特定します。

Step.3：評価項目と配点を決める。属性スコアと行動スコアそれぞれに項目を割り当て、成約相関の高い行動に高い点を配ります。

Step.4：ネガティブスコアを設定する。配信停止や採用ページの閲覧など、興味が薄いことを示す行動にはマイナス点を割り当てます。

Step.5：スコア閾値を決める。MQL・SQLの判定ラインを数値で定め、営業とSLAとして合意します。

Step.6：運用しながら見直す。営業からのフィードバック（スコアが高かったが商談にならなかった等）をもとにPDCAで配点を調整します。

スコアリングルールが決められないときは？

ルールが決められないときは、成約データが不足しているか、ターゲット定義が曖昧なことが原因です。まずは「料金ページ3回閲覧」「資料ダウンロード」など受注に近い行動を数点だけ加点する最小構成から始めます。完璧な配点を最初に作ろうとせず、動かしながら直すのが失敗を避ける進め方です。

MQL・SQLの判定基準とスコア閾値の決め方

MQL（Marketing Qualified Lead）とは、マーケティング部門が購買意欲が高いと判断した見込み客です。SQL（Sales Qualified Lead）とは、そのうち営業部門が受注確度が高いと認定した見込み客です。スコア閾値は、このMQL・SQLの判定ラインとして機能します。

ポイントは、閾値を「両部門の合意」として決めることです。マーケが一方的に閾値を決めても、営業が納得しなければリードは追われません。弊社の支援では、MQLを属性スコア20点以上かつ行動スコア40点以上、SQLをデモ・相談申込またはスコア70点以上かつ直近7日以内にBOFU（購買直前）系の行動あり、という二重条件で設計しています。

この閾値に到達する流れを計算例で示すと、次のようになります。ある見込み客が、決裁者クラス（属性12点）で業種も合致（属性10点）していれば、属性スコアは合計22点となり、属性の下限20点を満たします。さらに料金ページを閲覧（行動15点）し、資料をダウンロード（行動12点）、ウェビナーに参加（行動15点）すると、行動スコアは合計42点に達し、行動の下限40点を上回ります。属性22点かつ行動42点で、この見込み客はMQLの二重条件を満たしたと判定されます。逆に、行動が活発でも属性が20点に届かないリードや、属性は合っても行動が40点に満たないリードは、二重条件により営業へは渡しません。

その理由は、単一のスコア合計だけでは「属性が低いのに行動だけで高得点」のような偽陽性が混じるためです。具体的には、属性と行動の両方に下限を設ける二重条件にすることで、営業へ渡すリードの質が安定します。MQLからSQLへの移行では、インサイドセールスが電話やメールで予算・導入時期をヒアリングし、受注可能性を確認します。

スコア何点でMQLにすればよいのか？

一律の正解点はありません。自社の成約リードが到達していたスコア帯を基準に設定します。運用開始時は営業が「今すぐ会いたい」と感じるリード数と、マーケが供給できるリード数のバランスが取れる点に置き、商談化率を見ながら調整します。

スコア減衰と鮮度：古いスコアをどう扱うか

スコア減衰とは、時間の経過や無活動に応じてスコアを下げ、行動の鮮度を反映させる仕組みです。半年前に資料をダウンロードしたリードと、昨日ダウンロードしたリードを同じ点数のまま扱うと、優先度の判断を誤ります。

ポイントは、上昇は緩やかに、下降は厳しく設計することです。1つの行動で1段階だけ上げ、一定期間の無活動でスコアやステージをリセットします。弊社では、14日間の無活動で−10ポイントの減衰をかけ、行動が止まったリードを自動的に優先度から外す設計を用いています。

その理由は、購買意欲が「今どうか」を反映しなければ、営業が古い情報に基づいて動いてしまうためです。具体的には、直近7日以内の質の高いアクションを二重条件のHOT判定に組み込み、鮮度の高いリードだけをホットリードとして営業へ渡します。

減衰を入れると有望リードを取りこぼさないか？

減衰はリードを削除するものではなく、優先度を下げるだけです。再び行動が起きればスコアは戻ります。むしろ減衰を入れないほうが、古いリードが上位に滞留し、本当に今動いているリードが埋もれるという取りこぼしが起きます。

MAツール別のスコアリング機能｜HubSpot・Account Engagement・SATORI

MA（マーケティングオートメーション）ツールのスコアリング機能とは、属性・行動の採点を自動化する仕組みで、ツールごとに設計思想が異なります。ここでは代表的な3ツールの違いを整理します。各ツールの設定手順は個別記事で詳しく解説しています。

HubSpotは、手動スコアリングをMarketing Hub Professionalで、機械学習による予測リードスコアリングをMarketing Hub Enterpriseで提供します。予測スコアは0〜100で表され、その数値がそのまま今後90日以内に成約する確率（％）に相当します。スコアを生成するには最低50件（成約25件・非成約25件）、精度を出すには約200件以上の成約データが必要で、500件以上あると安定性が高まります。設定はHubSpotのスコアリング設定を参照してください。

Account Engagement（旧Pardot／Salesforce）は、行動を測るScoreと、ターゲット適合度をA〜Fで測るGradeを分けて評価します。製品ラインごとに複数のスコアモデルを併用するスコアリングカテゴリ機能は、2026年時点でPlusエディション以上が条件です。詳しくはAEのスコアカテゴリ設計で解説しています。機械学習を使うEinsteinリードスコアリングは、過去の成約リードとの共通点から採点し、学習には6ヶ月で約200件の成約データを要します。Einsteinの設定はSalesforce Einsteinのスコアリングを参照してください。

SATORI（SATORI株式会社）は、実名リードだけでなく匿名の見込み客の行動もスコアリングできる点に特徴があります。設定方法はSATORIのスコアリングで紹介しています。

予測（AI）スコアリングはどの企業にも向くのか？

向くとは限りません。予測スコアリングは学習に成約データが必要で、成約が約200件に満たない企業では精度が出ず、ルールベースのスコアリングのほうが信頼できます。リード数と成約データの蓄積量を見て、ルールベースか予測かを選ぶ必要があります。

弊社の支援事例で見るスコアリング設計｜RFEモデル

スコアリング設計の一次情報とは、実際の運用データから配点を決めた実例です。弊社の支援では、勘に頼らず統計的に重みを算出したRFEスコアリングモデルを用いています。

RFEスコアとは、Recency（直近性）・Frequency（頻度）・Engagement（関与度）の3要素で行動を評価するモデルです。弊社では複数クライアント×6ヶ月のデータからロジスティック回帰で重みを算出し、Engagement=0.45／Recency=0.385／Frequency=0.165という実測値を用いています。フェーズ閾値はコールドが0.2未満、ニュートラルが0.2〜0.75、ホットが0.75以上です。

その理由は、行動の「量」だけでなく「新しさ」と「深さ」を分けて評価しなければ、購買シグナルを正しく捉えられないためです。具体的には、弊社が支援したSmartHR様では、Account Engagementを用いてユーザーの行動データをもとにしたトリガーメールとフォーム、スコアリングを一気通貫で設計し、マーケティングチーム全体の成果として問い合わせ数が1年間で約10倍に成長しました。またCLUE様では、3日連続でサービスページに訪問しているユーザーを検知してインサイドセールスへ自動連携する仕組みを構築しました。

統計で重みを出すには何が必要か？

必要なのは、成約・失注のラベルが付いた行動データです。どのリードが成約し、どのリードが失注したかがわかって初めて、行動と成約の相関を統計的に推定できます。データが揃わない段階では、成約に近い行動へ経験的に加点する簡易設計から始め、データの蓄積とともに統計モデルへ移行します。

スコアリングでよくある失敗と、その解決策

スコアリングの失敗とは、点数は出ているのに営業の成果につながらない状態です。活用できている企業は多くないというのが現状で、その原因はいくつかのパターンに整理できます。

よくある失敗は3つです。1つ目は購買プロセスとスコアの対応付けが合っておらず、スコアが実際の見込み度とずれること。2つ目はデータの品質が低く、不正確な入力が誤ったスコアを生むこと。3つ目は営業とマーケの判定基準が合意されておらず、スコアが使われないことです。

その理由は、スコアリングが「作って終わり」ではなく継続的な調整を前提とする仕組みだからです。具体的な解決策は、最初にシンプルな配点で始めること、営業のフィードバックを毎月配点に反映すること、そして入力データのルールを整えて品質を保つことです。弊社の支援でも、初期は1〜2項目の加点から始め、運用しながら項目を増やす進め方をとっています。

コンサルに設計してもらったのに機能しないのはなぜか？

外部に一度設計してもらっただけで運用に手が入らないと、自社の購買プロセスの変化にスコアが追随できず、次第に実際の状況とずれます。設計そのものより、運用しながら配点を直し続ける体制があるかどうかが成否を分けます。

スコアリングの限界と注意点

スコアリングの限界とは、スコアが購買意欲を完全には表さないことです。スコアはあくまで「可能性が高い」ことを示す指標であり、確定した購買意欲ではありません。

注意点は3つです。1つ目は、スコアが高くても購買意欲が高いとは限らず、逆にスコアが低いリードが商談の結果すぐ成約する例もあることです。2つ目は、予測スコアリングは成約データが少ない企業では機能しないことです。3つ目は、営業連携のSLAがなければスコアは使われないことです。

その理由は、スコアが過去の行動パターンからの推定に過ぎないためです。具体的には、スコアだけで機械的に切り捨てず、インサイドセールスのヒアリングと併用して最終判断することが欠かせません。少数の大口顧客を個社別に狙うABM（アカウントベースドマーケティング）や、リード数が少ない段階の企業では、全リードを一律にスコアで序列化するより個別対応が有効な場合があります。

スコアリングは全社に必要なのか？

すべての企業に必須ではありません。リード数が営業のさばける範囲に収まっている企業や、対象顧客が限られるABM中心の企業では、スコアリングより個別の関係構築を優先したほうが成果が出ることがあります。リードの量と営業体制を見て、導入の要否を判断します。

まとめ

リードスコアリングとは、属性スコアと行動スコアで見込み客の優先度を数値化し、営業リソースを商談化しやすいリードへ集中させる仕組みです。2つの評価軸を分け、成約データから配点を逆算することが精度の前提になります。

スコアリングの成否を分けるのは、点数を出すことではなく、点数を営業アクションへ接続する設計です。MQL・SQLの閾値を営業とSLAとして合意し、スコア減衰で鮮度を保ち、運用しながら配点を直し続ける体制が欠かせません。

同時に、スコアは購買意欲そのものではないという限界も忘れてはいけません。スコアが低くても成約するリードは存在し、予測スコアリングは成約データの蓄積が前提です。スコアとインサイドセールスのヒアリングを併用し、自社の購買プロセスに合わせて調整することが、成果につながるスコアリング運用の要点です。

よくある質問

リードスコアリングとは何ですか？

リードスコアリングとは、見込み客の属性と行動を点数化し、購買の見込みが高い順に営業の優先度を判断する仕組みです。属性スコアで自社顧客との適合度を、行動スコアで関心の高まりを測り、両方が高いリードをホットリードとして扱います。

MQLとSQLの違いは何ですか？

MQLはマーケティング部門が購買意欲が高いと判断したリード、SQLはそのうち営業部門が受注確度が高いと認定したリードです。MQLからSQLへは、インサイドセールスが予算や導入時期をヒアリングして移行させます。

スコアリングは何点からホットリードとすればよいですか？

一律の正解点はなく、自社の成約リードが到達していたスコア帯を基準に決めます。弊社ではRFEスコア0.75以上かつ直近7日以内に質の高い行動がある、という二重条件でホットリードを判定しています。

予測（AI）スコアリングはどの企業でも使えますか？

使えるとは限りません。HubSpotの予測スコアリングやSalesforceのEinsteinリードスコアリングは、学習に約200件の成約データを要します。成約データが少ない企業では、ルールベースのスコアリングのほうが信頼できます。

スコアが高いのに成約しないのはなぜですか？

スコアは購買意欲そのものではなく、可能性が高いことを示す指標だからです。属性は合うが実際の検討段階に至っていない、あるいはデータの入力ずれでスコアが実際の状況と合っていない場合に起こります。インサイドセールスのヒアリングと併用して最終判断します。

スコアリングを設計したのに営業に使われないときはどうすればよいですか？

スコアの意味と閾値を営業と合意し、スコアに応じた対応ルール（SLA）を決めていないことが原因です。判定基準を両部門で合意し、営業のフィードバックを毎月配点に反映する運用に切り替えると、スコアが共通言語として機能し始めます。