リードスコアリングとは、見込み顧客（リード）に対して属性や行動履歴をもとにスコアを付与し、商談化の見込み度を数値化する仕組みである。MAツールの機能として広く普及しているが、適切に設計・運用されていなければ、営業が参照しないスコアが蓄積されるだけに終わる。本コラムでは、MQL判定の自動化を実現するスコアリングモデルの設計方法と、運用を通じて精度を上げていくための実務を整理する。
スコアリングの目的と全体像
スコアリングの目的は、リードの優先順位を客観的に判定し、MQL（Marketing Qualified Lead）として営業に引き渡すタイミングを自動化することにある。属人的な判断や勘に頼ったリード選別を仕組みに置き換えることで、マーケティングと営業の間にある「どのリードを渡すか」の議論に基準が生まれる。
スコアリングモデルは大きく「属性スコア」と「行動スコア」の2軸で構成される。属性スコアはリードのプロフィール情報に基づく静的な評価、行動スコアはサイト上での行動やコンテンツとの接触に基づく動的な評価である。この2軸を組み合わせることで、「ターゲットに合致し、かつ関心度が高いリード」を抽出する。
属性スコアの設計
属性スコアは、リードが自社の理想的な顧客像（ICP）にどれだけ合致しているかを評価する。主な評価項目は以下のとおりである。
- 企業規模 従業員数や売上規模が自社のターゲット帯に合致するかどうか。大企業向けのサービスであれば、従業員500名以上に高い配点を設定する
- 業種 過去の受注実績が多い業種に対して加点する。実績が少ない業種は低く設定し、未対応業種はゼロまたはマイナスにする
- 役職・部門 意思決定者やキーマンとなる役職に高い配点を置く。経営層、部門長クラスはスコアを上げ、一般担当者は控えめに設定する
属性スコアの設計で重要なのは、過去の受注データに基づいて配点を決めることである。感覚ではなく、実際に受注に至った企業の共通項を分析し、その特徴に高い配点を割り当てる。
行動スコアの設計
行動スコアは、リードのオンライン上の行動を追跡し、関心度の高さを数値化する。配点の設計は、その行動が商談化にどれだけ近いかで決める。
高配点の行動
料金ページの閲覧、導入事例の複数閲覧、問い合わせフォームへのアクセス、個別相談の申込といった行動は、購買意欲が高い段階で発生する。これらには高いスコアを設定する。
中配点の行動
ホワイトペーパーのダウンロード、セミナーへの参加、製品紹介ページの閲覧などは、情報収集から比較検討に移行する段階で見られる行動である。中程度のスコアを付与する。
低配点の行動
ブログ記事の閲覧、メールの開封、SNSでの接触といった行動は、興味の入口段階にあたる。低いスコアを設定するか、一定回数以上で加点する設計にする。
閾値と営業パス条件
スコアの閾値とは、MQLとして営業に引き渡す基準点である。閾値の設定は、属性スコアと行動スコアの合計で判定する方法が基本となる。ただし、合計点だけではなく「属性スコアが一定以上であること」を前提条件として加えると精度が上がる。ターゲット外の企業が行動スコアだけでMQL化してしまう事態を防ぐためである。
営業へのパス条件としては、スコアの閾値に加えて「直近30日以内にアクティビティがあること」を条件に加える運用が有効である。スコアは高いが半年以上動きがないリードを営業に渡しても、商談化の確率は低い。
減点ルールとスコア減衰
スコアリングでは加点だけでなく、減点や時間経過による減衰の設計が不可欠である。リードの興味は時間とともに変化するため、過去の行動スコアがいつまでも残り続けると、実態と乖離したスコアになる。
具体的な減衰ルールとしては、行動スコアを90日ごとに一定割合で減算する方法がある。例えば、90日間アクティビティがないリードのスコアを30%減算する設計にすれば、関心が薄れたリードが自然とスコア下位に落ちる。また、競合企業や個人アドレスからの登録に対してはマイナススコアを設定し、MQLに混入しない仕組みをつくる。
スコアリングモデルのチューニング
スコアリングモデルは一度設計して終わりではない。四半期に1回のペースで、モデルの精度を検証し調整する必要がある。
チューニングの手順は以下のとおりである。まず、MQLとして営業に引き渡したリードを「商談化した」「商談化しなかった」の2群に分け、それぞれのスコア内訳を比較する。商談化したリードに共通して高い配点がついている行動や属性があれば、そのスコアを維持または引き上げる。逆に、商談化に寄与していない項目のスコアは引き下げるか廃止する。
閾値そのものの見直しも重要である。MQLからの商談化率が低い場合は閾値を引き上げ、営業のリソースを集中させる。逆に商談化率は高いがMQL数が少なすぎる場合は、閾値を下げてパイプラインの母数を増やす調整を行う。
よくある失敗パターン
スコアリング運用で陥りがちな失敗を整理する。
属性スコアの設計が雑で、行動だけに偏る。 情報収集目的の個人ブロガーや学生がMQL化してしまい、営業の信頼を失う原因になる。属性スコアの最低条件を設けることで回避できる。
配点の根拠がなく、感覚で決めている。 「セミナー参加は重要そうだから高配点」といった設計では、実態と乖離する。過去の商談化データに基づいて配点を決定すべきである。
スコアの減衰がなく、古いリードが上位に溜まる。 数年前に資料をDLしただけのリードがMQL化し続ける状態は、営業の工数を浪費する。減衰ルールの導入で解消できる。
チューニングを行わず、初期設定のまま運用している。 市場環境やサービス内容は変化するため、スコアリング基準も定期的に見直さなければ精度が劣化する。
まとめ
リードスコアリングの設計は、属性スコアと行動スコアの2軸で構成し、過去の商談化データに基づいて配点を決めることが基本である。閾値と営業パス条件を明確にし、減衰ルールでスコアの鮮度を保つ。そして四半期ごとのチューニングでモデルの精度を改善し続ける。スコアリングは「設定する」ものではなく「育てる」ものであり、運用の積み重ねが商談化精度に直結する。
スコアリングを含むMA運用全体の設計については「MA運用の実務 導入後に成果を出すシナリオ設計と改善サイクル」も参考にしてほしい。
