Kort oppsummert: Start manuelt med få signaler, verifiser at score korrelerer med vunne avtaler, før dere skrur på mer automatisering.
1. Problemdefinisjon: Hva skal scoring løse?
Mange små og mellomstore bedrifter har enten for lite oppfølging eller for mye «tilfeldig» prikking på leads. Målet med scoring er å prioritere tid der sannsynligheten og verdi er høyest.
Fakta: CRM-leverandørene tilbyr AI- og regelbaserte hjelpemidler. Vurdering: Uten definerte stadier og datapunkter blir verktøyet bare støy.
2. Bygg score med fem enkle signaler
Start med maks fem vekter dere faktisk logger i CRM:
- Demografi/fit: bransje, størrelse, geografi.
- Engasjement: åpnet e-post, klikk, møte booket.
- Intensjon: prisside besøkt, demo forespurt.
- Tidslinje: behov innen 30/60/90 dager.
- Kilde: henvendelse fra nett eller kampanje kontra anbefaling fra kunde.
Gi hvert signal poeng. Menneskelig godkjenning: juster vekter etter hvert kvartal basert på vunne/tapte deals.
3. Hvor AI passer inn (uten å overstyre selgeren)
Fakta: AI i CRM kan foreslå neste steg, oppsummere tråder eller rangere leads basert på historikk.
Vurdering: Bruk AI til:
- utkast til oppfølgingsmail (selger godkjenner)
- oppsummering av lange e-poster
- forslag til prioritert liste basert på mønstre
Unngå fullautomatisk utsending til varme leads uten menneskelig sjekk før dere har målt kvalitet.
4. Playbooks: tre enkle automatiserte flyter
Flyt A — Ny lead: umiddelbar takk + kalenderlenke + intern oppgave til selger innen 15 min.
Flyt B — Høy score, ingen aktivitet på 7 dager: påminnelse til selger + forslag til oppfølgingsmail.
Flyt C — Vunnet/tapt: arkiver årsak og oppdater scoremodellen.
Koble flytene til faktiske stadier i HubSpot, Zoho eller Pipedrive.
5. Målepunkter som betyr noe
- Tid fra lead til første menneskelige kontakt.
- Andel leads som når kvalifisert stadium.
- Konvertering per scorekategori.
- Selgers tilfredshet (enkelt 1-5 score).
Mål månedlig. Hvis høyscore ikke vinner oftere enn lavscore, er modellen feil — ikke AI-en.
6. GDPR og dokumentasjon
Loggfør behandlingsgrunnlag, begrens sensitive data i AI-prompter, og bruk leverandørens innstillinger for datalagring. Les mer i kundeservice og GDPR-artikkelen for prinsipper som også gjelder salgsdata.
7. Vanlige feil
- For mange scorefelt som ingen oppdaterer.
- AI-tekst sendt uten gjennomlesning.
- Ingen lukket loop når deals tapes.
- Score som ikke kobles til faktisk pipeline.
Salg og CRM
HubSpot: Playbooks og AI i salgsflyt
Når dere vil samle salg og markedsføring som gir leads fra nett i samme system og bruke AI-forslag i arbeidsflyten.
- CRM
- Salg
- Kunstig intelligens
Salg og CRM
Zoho: Zia og tilpasset scoring
Når dere vil kombinere regler med AI-innsikt i et modulært oppsett.
- CRM
- Salg
- Kunstig intelligens
Salg og CRM
Pipedrive: Enkel pipeline + AI-hjelp
Når selgere trenger lav friksjon og tydelige neste steg i pipeline.
- CRM
- Salg
- Pipeline
Relatert lesing
Vanlige spørsmål
Trenger vi egentlig AI for lead scoring?
Nei, dere kan starte rent regelbasert. AI blir nyttig når volumet er høyt og mønstre er vanskelige å se manuelt — men bare etter at datakvaliteten er god.
Hvor mange poeng bør en lead ha før selger tar kontakt?
Det avhenger av deres modell. Start med en enkel terskel (for eksempel topp 20 % av score i pilotuka) og juster etter konvertering.
Kan vi bruke AI til automatisk e-postutsending?
Teknisk ja, men start med utkast som godkjennes av menneske. Automatisk masseutsending øker risiko for feil, spamopplevelse og GDPR-klager.
Hvilken CRM passer best til AI-drevet lead scoring for små og mellomstore bedrifter?
Alle tre hovedkandidatene (HubSpot, Zoho, Pipedrive) kan støtte modellen — valget avhenger av deres økosystem, ikke av én AI-knapp.
Redaksjonell kontroll
Ansvarlig: Smartbyrå redaksjon
Sist vurdert: 4.4.2026



