lead-scoring

リードスコアリング

企業属性の適合度（リードが理想的な顧客プロファイルにどの程度合致するか）と行動エンゲージメントのシグナル（購入意欲を示すアクション）を組み合わせて、インバウンドおよびアウトバウンドのリードをスコアリングし、優先順位を付けます。このスキルでは、スコアリング基準を作成し、重み付けしたポイントを割り当て、複合スコアを計算して、リードを対応可能な層（Hot、Warm、Cold）に分類します。これにより、営業チームは成約率の高い機会に時間を集中できます。

ワークフロー

1. ICP の基準を定義する — 理想的な顧客の企業属性を設定します。対象業界、企業規模の範囲、売上高の区分、地域、テクノロジースタックの指標を定めます。各属性には、過去のコンバージョンデータに基づく予測上の重要度を反映した重みを付けます。

2. 適合度スコアを割り当てる — 各リードの企業を ICP の基準に照らしてスコアリングします。完全に適合するリードには適合度ポイントの最大値を付与し、一部の条件に合致する場合は比例したスコアを付与します。明確な除外条件（例：企業規模が最低基準未満、対象外の業界、学生や競合他社）には減点を適用します。

3. エンゲージメントのシグナルを追跡する — マーケティングオートメーション、CRM、プロダクト分析から行動シグナルを取得します。メールの開封・クリック、ウェブサイトのページ閲覧（特に料金ページや導入事例ページ）、コンテンツのダウンロード、ウェビナーへの参加、デモのリクエスト、無料トライアルへの登録、返信のセンチメントなどが対象です。成約との相関に応じて、各シグナルに重みを付けます。

4. 複合スコアを計算する — 適合度スコア（通常 0～50 ポイント）とエンゲージメントスコア（通常 0～50 ポイント）を組み合わせて、複合スコア（0～100）を算出します。スコアに現在の購入意欲を反映し、古い活動履歴の影響を避けるため、30 日を超えたエンゲージメントシグナルには減衰を適用します。

5. 順位を付け、層に分類する — 複合スコアの高い順にリードを並べ、Hot（75～100）、Warm（40～74）、Cold（0～39）の層に分類します。Hot リードは SDR に割り当てて即時にアプローチし、Warm リードはナーチャリングシーケンスに登録し、Cold リードには接触頻度を抑えた自動キャンペーンを実施します。実際のコンバージョン率に照らして四半期ごとに層のしきい値を見直し、調整します。

使い方

ICP の定義、追跡するエンゲージメントシグナル、属性情報を含むリードの一覧を提示します。このスキルは、スコアリング基準とスコア・順位付け済みのリード一覧を出力します。

プロンプトの例：

当社の B2B 分析プラットフォーム向けのリードスコアリングモデルを作成してください。ICP：シリーズ A 以降の SaaS 企業、従業員数 50～500 人、米国／カナダ、Snowflake または BigQuery を使用。これらのリード 5 件をスコアリングし、Hot／Warm／Cold の層に分類してください。

例

例 1：リードスコアリング基準の作成

入力： ミッドマーケットの SaaS 企業を対象とする B2B 分析プラットフォーム。

適合度スコアリング基準（0～50 ポイント）：

基準	重み	スコアリングルール
企業規模	15 pts	従業員数 200～500 人：15 · 従業員数 50～199 人：10 · 従業員数 501～1000 人：5 · 50 人未満または 1000 人超：0
業界	10 pts	SaaS／ソフトウェア：10 · フィンテック／E コマース：7 · その他のテクノロジー：4 · 非テクノロジー：0
資金調達段階	10 pts	シリーズ A～C：10 · シード：5 · 上場／プレシード：2
地域	5 pts	米国／カナダ：5 · 英国／EU：3 · その他：1
テクノロジースタック	10 pts	Snowflake または BigQuery：10 · Redshift：6 · クラウド DW なし：0

エンゲージメントスコアリング基準（0～50 ポイント）：

シグナル	ポイント	減衰
デモのリクエスト	20 pts	なし（一度限りのイベント）
料金ページの閲覧	8 pts	14 日後に半減
導入事例のダウンロード	6 pts	21 日後に半減
メールリンクのクリック	3 pts（クリックごと、最大 12）	14 日後に半減
ウェビナーへの参加	7 pts	30 日後に半減
ブログの閲覧	1 pt（閲覧ごと、最大 5）	30 日後に失効

層のしきい値：

層	スコア範囲	対応
Hot	75～100	4 時間以内に SDR が即時アプローチ
Warm	40～74	手厚いナーチャリングシーケンスに登録
Cold	0～39	接触頻度を抑えた自動ドリップキャンペーン

例 2：リードの一括スコアリング

入力： 属性と最近のアクティビティを持つ 5 件のリード。

スコアリング結果：

リード	会社	従業員数	業界	資金調達	技術スタック	適合スコア	主なエンゲージメント	エンゲージメントスコア	合計	ティア
Rachel M.	StreamOps	320	SaaS	Series B	Snowflake	50	デモのリクエスト + 価格ページの閲覧 + メールのクリック 2 回	34	84	🔥 ホット
David K.	PayFlow	180	フィンテック	Series A	BigQuery	37	ウェビナー + 導入事例のダウンロード + メールのクリック 3 回	22	59	🟡 ウォーム
Priya S.	HealthBridge	90	ヘルスケア	Series B	Redshift	21	価格ページの閲覧 + メールのクリック 1 回	11	32	🔵 コールド
Marcus T.	DevLayer	450	SaaS	Series C	Snowflake	50	ブログの閲覧 4 回 + メールのクリック 1 回	8	58	🟡 ウォーム
Lisa C.	TinyML Labs	30	AI/ML	Seed	BigQuery	20	デモのリクエスト + ウェビナー	27	47	🟡 ウォーム

概要： ホットなリード 1 件（SDR に引き継ぎ）、ウォームなリード 3 件（ナーチャリングシーケンス）、コールドなリード 1 件（自動ドリップ）。Marcus T. は適合スコアが満点ですが、エンゲージメントが低いため、デモへの誘導を優先してください。

ベストプラクティス

• 直感ではなく、過去の受注データに基づいてスコアリングモデルの重みを設定します。リードの属性とコンバージョンの相関分析を実施し、ポイント値を調整してください。
• エンゲージメントシグナルにスコアの減衰を適用し、6 か月前にアクティブだったリードが、今日購入意欲を示しているリードより上位にならないようにします。
• 明確な除外条件（競合他社、学生、対象外の地域）には減点を設定し、ホットのティアにノイズが入り込まないようにします。
• ティアのしきい値を四半期ごとに見直し、再調整します。ICP の進化やマーケティングチャネルの変化に伴い、固定のしきい値は実態からずれていきます。
• レポートでは適合スコアとエンゲージメントスコアを分け、営業担当者が「会社としては理想的だが、まだエンゲージメントがない」リードと「エンゲージメントはあるが、適合度の低い会社のリード」を区別できるようにします。
• 最低適合スコアのしきい値（例：15 ポイント）を設定し、それを下回るリードは、どれだけエンゲージメントがあってもホットにならないようにします。これにより、適合度の低いリードに SDR の時間を浪費するのを防げます。

エッジケース

• エンゲージメントは高いが、適合度はゼロ — リソースをすべてダウンロードしているものの、ICP の対象外である従業員 5 人の代理店に勤めるリードです。営業サイクルを無駄にしないため、エンゲージメントスコアにかかわらず、最高ティアをウォームに制限します。
• 適合度は完璧だが、エンゲージメントがない — ICP の条件に完全に一致するものの、行動シグナルがないリードです。インバウンドフォローアップではなく、アウトバウンドのプロスペクティング対象としてフラグを立てます。まだ自社の存在を知らない可能性があります。
• 同じ会社からの重複リード — 同じ会社の複数の連絡先を個別にスコアリングする場合は、同一の購入意欲を二重に計上しないよう、アカウント単位のスコアに統合します。
• エンゲージメントシグナルのスパム — すべてのメールを開封し、すべてのページを訪問するリードは、調査担当者、ボット、または競合他社である可能性があります。シグナルの種類ごとにエンゲージメントスコアの上限を設定し、異常なアクティビティパターンにはフラグを立てて手動で確認します。
• スコアリングモデルのコールドスタート — 過去のコンバージョンデータがない新製品や新市場では、まずシンプルな非加重モデルを使い、90 日間のパイプラインデータを収集してから、実際の結果に基づいて重みを再調整します。