Smartbyrå logoSmartbyrå

Praktiske verktøyvalg for små bedrifter

How-to

Gjør lead scoring forståelig — la AI hjelpe med rutiner, ikke magi

Du får en steg-for-steg-modell som fungerer i HubSpot, Zoho og Pipedrive, med GDPR og menneskelig kontroll i behold.

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:

  1. Demografi/fit: bransje, størrelse, geografi.
  2. Engasjement: åpnet e-post, klikk, møte booket.
  3. Intensjon: prisside besøkt, demo forespurt.
  4. Tidslinje: behov innen 30/60/90 dager.
  5. 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.

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.

Redaksjonell kontroll

Ansvarlig: Smartbyrå redaksjon

Sist vurdert: 4.4.2026