Как настроить балльную оценку лидов: модели, пороги и автоматизация

Менеджеры тратят одинаковое время на случайного зеваку и на готового к сделке клиента — и в итоге упускают обоих. Лид‑скоринг решает эту проблему: он присваивает каждому контакту балл и подсказывает, кем заниматься в первую очередь. Разберёмся, как устроена балльная оценка заявок, какие модели использовать, как построить шкалу баллов и не наступить на типичные грабли при внедрении.

Проще всего: как устроен скоринг заявок

Лид‑скоринг — это система баллов: каждому потенциальному клиенту начисляются очки за соответствие портрету целевого покупателя и за проявленную активность. Чем выше итоговый балл, тем «горячее» лид и тем выше приоритет его обработки.

По сути, скоринг переводит субъективное «этот вроде норм, а этот так себе» в прозрачные правила. Вместо интуиции — явные критерии, веса и пороги. Те же принципы нередко применяют и к действующей базе — для апсейла и кросс‑сейла, тогда говорят о «скоринге клиентов».

Главный эффект — приоритизация: отдел продаж перестаёт распыляться и фокусируется на тех, кто ближе к покупке.

Зачем это нужно бизнесу: 6 практических задач

Оценка лидов по баллам закрывает сразу несколько болей маркетинга и продаж:

1. Приоритизация. Менеджер видит очередь из горячих и не тратит день на холодные контакты.
2. Экономия времени. По принципу Парето ~20% лидов приносят ~80% выручки — скоринг помогает быстро найти эти 20%.
3. Единые критерии для маркетинга и продаж. Возникает общий язык: что считать MQL и SQL, и когда передавать лид.
4. Рост конверсии. Работа с релевантными заявками повышает долю лидов, доходящих до сделки.
5. Прогрев тёплых. Незрелые контакты не теряются, а уходят в автоматические цепочки писем и контент‑прогрев.
6. Прогноз и аналитика. По динамике баллов видно качество трафика по каналам и источникам.

Как делим лиды: холодные, тёплые, горячие

Базовое деление — на горячие, тёплые и холодные лиды. Это три стадии готовности к покупке, которые удобно привязывать к баллам.

• Холодные лиды — только познакомились с брендом, потребность не сформирована. Рано отдавать в продажи: задача — мягкий прогрев контентом.
• Тёплые лиды — изучают решение, сравнивают, но ещё сомневаются. Помогают кейсы, демо, консультация.
• Горячие лиды — готовы к сделке: запросили цену, оставили заявку на пилот, вывели на ЛПР. Таких передают продавцам немедленно.

Скоринг делает эту квалификацию автоматической: как только балл переваливает порог, лид меняет статус.

Модели: эксплицитный и имплицитный подход

Любая модель опирается на два типа данных.

Эксплицитный скоринг оценивает то, что лид сообщил о себе: должность, размер компании, отрасль, регион, бюджет. Это «анкетные» признаки — ответ на вопрос «кто этот лид».

Имплицитный скоринг оценивает поведение: визиты на сайт, открытия писем, клики, скачивания, просмотр страницы с ценами. Это ответ на вопрос «насколько лид вовлечён сейчас».

Сильная модель совмещает оба подхода: эксплицитная часть отсекает нецелевых, имплицитная показывает готовность к сделке. Отдельно стоит метод BANT — классический фреймворк квалификации для B2B‑продаж.

Сравнительная таблица моделей скоринга

Модель	Что оценивает	Данные	Плюсы	Ограничения
Эксплицитный скоринг	Соответствие портрету ЦА	Анкета, форма, CRM	Быстро отсекает нецелевых	Не показывает готовность купить
Имплицитный скоринг	Вовлечённость и активность	Клики, визиты, письма	Ловит момент интереса	Нужна автоматизация трекинга
Метод BANT	Зрелость сделки	Ответы в диалоге	Прост для менеджера	Субъективен, нужен контакт
Email‑скоринг	Реакция на рассылки	Открытия, переходы	Дёшев, встроен в сервисы	Только один канал

Метод BANT и другие модели балльной оценки

Метод BANT оценивает лид по четырём критериям: Budget (бюджет), Authority (полномочия принимать решение), Need (потребность) и Timing (сроки покупки). Каждому критерию присваивается вес, и сумма даёт итоговый балл.

Пример балльной оценки лидов по BANT для B2B‑поставщика (шкала каждого критерия 0–100, затем взвешивание):

Критерий	Вес	Оценка лида	Вклад в балл
Budget	30%	80	24
Authority	25%	60	15
Need	30%	90	27
Timing	15%	40	6
Итого	100%	—	72 (горячий)

Кроме BANT существуют его вариации (CHAMP, MEDDIC), но для большинства компаний в услугах и IT достаточно связки «эксплицитный + имплицитный скоринг» с элементами BANT в критериях.

Пошаговый алгоритм внедрения

Вот чек‑лист внедрения лид‑скоринга, который работает и в Excel, и в CRM:

1. Опишите портрет идеального клиента (ICP). Отрасль, размер, гео, должность ЛПР.
2. Соберите критерии оценки лида. Разделите на эксплицитные и имплицитные.
3. Задайте веса критериев. Самым влияющим на сделку — больший вес.
4. Добавьте негативный скоринг. Штрафные баллы за нецелевые признаки.
5. Определите пороги. Границы холодных, тёплых и горячих лидов.
6. Договоритесь о передаче. Что такое MQL и SQL, когда лид уходит в продажи.
7. Настройте автоматизацию скоринга лидов. Правила в CRM или сервисе рассылок.
8. Запустите пилот на исторических данных. Проверьте, совпадает ли балл с реальными исходами.
9. Соберите обратную связь продавцов. Скорректируйте веса.
10. Пересматривайте модель раз в квартал.

Как выбирать критерии и задавать веса

Веса задаются по влиянию критерия на закрытие сделки. Практичный способ — проанализировать выигранные сделки за год и найти общие признаки. Если 80% сделок пришли от лиц с должностью «руководитель» и выше — критерий «должность» получает высокий вес.

Правила расстановки весов:

• Эксплицитные критерии (кто клиент) обычно дают 40–60% итогового балла.
• Имплицитные (что делает) — оставшиеся 40–60%.
• Один критерий не должен весить больше 30–35%, иначе модель становится «однобокой».
• Негативные критерии могут обнулять балл (например, регион вне зоны доставки).

Пример шкалы 0–100 и порогов передачи в продажи

Вот готовый шаблон шкалы баллов от 0 до 100 с порогами — можно скопировать и адаптировать.

Балл	Статус	Действие
0–39	Холодный лид	Прогрев контентом, email‑цепочка
40–69	Тёплый лид (MQL)	Персональное касание, приглашение на демо
70–100	Горячий лид (SQL)	Немедленная передача в отдел продаж

Пример начисления баллов по конкретному лиду:

Критерий	Условие	Баллы
Корпоративный email	есть	+15
Должность ЛПР	руководитель	+20
Целевая отрасль	да	+15
Посетил страницу с ценами	да	+20
Скачал прайс/кейс	да	+10
Открыл 3+ письма	да	+10
Регион вне зоны работы	да	−25
Итого		65 → тёплый

Типичные ошибки внедрения

Этого блока нет у многих конкурентов, а именно на нём чаще всего сыпется проект:

• Слишком сложная модель на старте. 30 критериев с точными весами — путь к параличу. Начните с 6–8.
• Игнорирование негативного скоринга. Без штрафных баллов активные, но нецелевые лиды забивают воронку.
• Разрыв между маркетингом и продажами. Если продавцы не верят в баллы, они игнорируют очередь.
• Модель без пересмотра. Рынок и трафик меняются — веса устаревают за 3–6 месяцев.
• Скоринг ради скоринга. Баллы, которые ни на что не влияют в процессе, — потерянное время.
• Только эксплицитные или только имплицитные данные. Полкартины дают ложные приоритеты.

Инструменты и сервисы для автоматизации

Выбор инструмента для лид‑скоринга зависит от потока и зрелости процессов. Ниже — сравнение подходов.

Инструмент	Для чего	Скоринг	Кому подходит
Excel/Google Таблицы	Ручной эксплицитный скоринг	Формулы вручную	Пилот, малый поток
CRM для скоринга	Единая база + правила баллов	Авто по правилам	Средний бизнес, B2B
Сервисы email‑маркетинга	Скоринг по реакции на письма	Имплицитный авто	Контентные воронки
Сквозная аналитика	Оценка каналов и трафика	Данные для весов	Крупный трафик

Оптимальный сценарий — CRM как ядро: туда стекаются и анкетные, и поведенческие данные, а правила скоринга пересчитывают балл при каждом действии.

Как это работает в CRM на практике

В CRM скоринг настраивается через правила: «если поле = значение, начислить N баллов». Система пересчитывает балл в реальном времени, меняет статус лида и запускает сценарии — уведомление менеджеру о горячем лиде или добавление тёплого в цепочку прогрева.

«Мы перестали спорить, чей лид лучше. Как только контакт набирает 70 баллов, он автоматически падает старшему менеджеру. Скорость первого контакта выросла втрое», — руководитель отдела продаж в IT‑интеграторе.

Связка скоринга с retention‑логикой позволяет считать не только конверсию, но и LTV: лиды с высоким баллом чаще становятся клиентами с повторными покупками.

Как измерить эффективность модели

Модель работает, если баллы предсказывают исход сделки. Отслеживайте:

• Конверсию по сегментам. У горячих лидов она должна быть заметно выше, чем у тёплых и холодных.
• Скорость обработки. Время от заявки до первого контакта по горячим лидам.
• Долю ложных срабатываний. Сколько «горячих» по баллам лидов не купили — если много, веса завышены.
• Влияние на выручку и LTV. Растёт ли средний чек и повторные продажи у приоритетных сегментов.

«Первую версию модели мы переделали через месяц: она перегружала продавцов ложными горячими лидами. После ввода штрафных баллов точность выросла, а нагрузка упала», — маркетолог агентства performance‑услуг.

Пересматривайте модель раз в квартал и после любых крупных изменений в трафике или продукте. Лид‑скоринг — не разовая настройка, а живой инструмент, который растёт вместе с бизнесом.

Коротко о главном

Скоринг переводит оценку заявок из области интуиции в прозрачную систему. Начните с простой модели из 6–8 критериев, обязательно добавьте негативный скоринг, задайте пороги для холодных, тёплых и горячих лидов и договоритесь с продажами о правилах передачи. Дальше — автоматизация в CRM и регулярный пересмотр весов. Такой подход экономит время менеджеров и стабильно повышает конверсию в сделку.