Il lead scoring in HubSpot serve a rispondere a una domanda molto concreta: quali lead meritano attenzione commerciale adesso? Un buon modello non assegna punti solo perché qualcuno apre un'email o visita una pagina. Deve combinare compatibilità con il tuo ICP, comportamento, intento e timing, così marketing e vendite possono concentrarsi sui contatti con maggiore probabilità di generare un'opportunità reale.
Il problema è che molte aziende configurano il lead scoring una volta, assegnano qualche punto a form, email e visite, scelgono una soglia arbitraria e poi non verificano più se il modello funziona. Il risultato è un punteggio che sembra preciso, ma non aiuta il team commerciale a prendere decisioni migliori.
In questa guida vediamo come progettare un sistema di lead scoring HubSpot realmente utilizzabile in un'azienda B2B: cosa misurare, come assegnare i punti, come definire le soglie MQL, come automatizzare l'handoff verso sales e come capire se il modello sta davvero migliorando la qualità della pipeline.
Il lead scoring assegna un valore numerico a contatti, aziende o opportunità sulla base di criteri che definisci. In HubSpot puoi costruire punteggi basati su compatibilità, coinvolgimento oppure combinarli in un unico modello. Le proprietà generate dal punteggio possono poi essere utilizzate in segmenti, workflow e report.
HubSpot supporta oggi scoring per contatti, aziende e opportunità, con disponibilità che dipende dal tipo di Hub e dal piano. Per contatti e aziende puoi separare il fit score dal engagement score; nei piani che lo prevedono puoi anche creare modelli di scoring assistiti dall'AI. La documentazione ufficiale aggiornata è disponibile nella guida HubSpot al lead scoring.
Il primo errore è trattare il punteggio come una classifica assoluta. Un contatto può essere molto attivo e comunque non essere un buon prospect.
Immagina due lead:
Se misuri solo l'engagement, il Lead B potrebbe ottenere un punteggio maggiore. Commercialmente, però, il Lead A è molto più interessante.
Per questo un sistema robusto deve separare almeno due dimensioni:
Prima di entrare nell'editor del lead scoring, definisci chi dovrebbe ricevere punti positivi.
Per un'azienda B2B, i criteri di fit possono includere:
Non serve avere quindici criteri. Meglio partire da quelli che distinguono realmente i clienti migliori dai lead che raramente acquistano.
Un modo pratico per definirli è analizzare gli ultimi 10-20 clienti vinti e chiedersi: quali caratteristiche avevano già prima di entrare in pipeline?
Il Fit Score dovrebbe misurare la qualità potenziale del prospect indipendentemente dal suo livello di attività.
Esempio per una società B2B che vende servizi HubSpot a PMI italiane:
| Criterio | Punti |
|---|---|
| Azienda 20-200 dipendenti | +20 |
| Italia | +10 |
| Settore B2B | +15 |
| Ruolo Founder / CEO / Head of Sales / Marketing / Ops | +20 |
| Usa HubSpot | +20 |
| Azienda molto piccola fuori target | -15 |
| Studente / candidato / fornitore | -30 |
Il punto non è copiare questi numeri, ma creare una scala che distingua chiaramente good fit, possible fit e poor fit.
Il secondo punteggio deve misurare ciò che il prospect sta facendo.
Non tutte le attività hanno lo stesso valore. Aprire una newsletter è un segnale debole. Visitare una pagina prezzi, richiedere una demo o tornare più volte su una pagina di servizio è molto più vicino a una decisione commerciale.
Esempio:
| Comportamento | Punti |
|---|---|
| Visita pagina servizio | +5 |
| Visita pagina prezzi | +10 |
| Download guida | +5 |
| Partecipa a webinar | +10 |
| Compila form ad alta intenzione | +20 |
| Prenota una call | +30 |
| Risponde a email commerciale | +20 |
| Nessuna attività da 90 giorni | -20 |
La logica è semplice: più l'azione è vicina a una conversazione commerciale, maggiore dovrebbe essere il peso.
Un modello che aggiunge solo punti tende a gonfiarsi nel tempo. Un contatto molto vecchio può continuare ad avere un punteggio alto anche se non mostra più interesse.
Lo scoring negativo serve a togliere priorità quando emergono segnali contrari:
Questo è particolarmente importante nei database HubSpot che esistono da anni, dove molti contatti hanno accumulato attività storiche non più rilevanti.
Una visita alla pagina prezzi avvenuta ieri ha più valore commerciale della stessa visita avvenuta nove mesi fa.
Il concetto da introdurre è il decadimento temporale: il punteggio dovrebbe riflettere non solo cosa è successo, ma quando.
Puoi gestirlo in diversi modi:
Questo evita che il team commerciale insegua lead apparentemente caldi ma in realtà inattivi da mesi.
Molte aziende definiscono una regola del tipo: score > 60 = MQL. È semplice, ma spesso troppo rigida.
Un approccio migliore è combinare fit e engagement.
Esempio:
| Fit | Engagement | Azione |
|---|---|---|
| Alto | Alto | Invio immediato a sales |
| Alto | Medio | Nurturing + monitoraggio |
| Alto | Basso | Nurturing |
| Basso | Alto | Verifica manuale prima di passare a sales |
| Basso | Basso | Nessuna priorità commerciale |
In questo modo non mandi automaticamente al commerciale chiunque abbia accumulato attività.
Il lead scoring non dovrebbe decidere da solo la definizione di MQL. La definizione deve arrivare prima.
Un esempio:
MQL = azienda compatibile con ICP + ruolo rilevante + almeno un segnale di intenzione recente.
Solo dopo puoi tradurre questa definizione in punti e soglie.
Il passaggio successivo è definire cosa succede quando il contatto raggiunge la soglia:
Per collegare scoring e handoff in modo corretto, vedi anche la guida sulla pipeline marketing B2B.
Una volta raggiunta la soglia, HubSpot può usare le proprietà di scoring dentro workflow, segmenti e report.
Un workflow MQL semplice può fare questo:
Evita invece workflow giganteschi che cambiano decine di proprietà e creano automaticamente una trattativa per ogni MQL. Un MQL non è ancora necessariamente un'opportunità.
Per progettare automazioni più robuste, consulta la guida ai workflow HubSpot.
Ecco un modello semplice da cui partire.
Soglia iniziale possibile:
Queste soglie non sono benchmark universali. Sono solo un punto di partenza da calibrare sui tuoi dati.
Dopo 30-60 giorni, non chiederti solo quanti MQL hai generato. Chiediti se i lead con punteggio alto producono risultati migliori.
Analizza:
Se molti lead sopra 80 vengono rifiutati, il modello sta sovrastimando alcuni segnali. Se clienti reali entrano spesso con score basso, stai sottopesando criteri importanti.
HubSpot permette di analizzare come le singole regole contribuiscono al punteggio. Questo è utile per individuare criteri che impattano pochissimi record o, al contrario, regole che assegnano punti a una parte troppo ampia del database.
La revisione delle regole dovrebbe diventare parte della governance CRM, non un'attività una tantum.
HubSpot offre anche funzionalità di scoring assistite dall'intelligenza artificiale in alcuni piani Enterprise. Il vantaggio è che il modello può analizzare i dati storici e suggerire criteri basati su pattern realmente presenti nel database.
Ma l'AI non corregge automaticamente un database povero.
Se lifecycle, proprietà, deal e risultati storici sono incoerenti, il modello apprenderà da dati incoerenti. Prima di usare scoring predittivo o AI, assicurati che:
Se il tuo portale ha accumulato proprietà, workflow e dati poco affidabili, conviene partire da un audit HubSpot.
Un'apertura non equivale a intenzione di acquisto. Usa segnali più forti come reply, form, meeting, pagine ad alta intenzione e attività recenti.
Un lead molto attivo ma fuori ICP non dovrebbe diventare automaticamente una priorità commerciale.
Senza scoring negativo e decadimento temporale, il database si riempie di lead “caldi” che non lo sono più.
La trattativa dovrebbe nascere quando esiste una reale opportunità commerciale, non solo perché il punteggio ha superato una soglia.
Se il commerciale rifiuta un MQL, il motivo deve tornare nel sistema. Senza questo feedback, il modello non migliora.
Mercati, ICP, prodotti e team cambiano. Il lead scoring deve essere revisionato periodicamente.
Una dashboard utile dovrebbe mostrare almeno:
Per la parte reporting puoi approfondire con la guida alle dashboard KPI HubSpot.
Il lead scoring funziona quando riduce il rumore. Il suo obiettivo non è creare un numero sofisticato, ma aiutare marketing e vendite a rispondere più velocemente ai prospect giusti e a ignorare quelli che non meritano ancora attenzione commerciale.
Un modello semplice, costruito sui dati reali e rivisto periodicamente, è quasi sempre più utile di un algoritmo complesso che nessuno sa spiegare.
Se stai usando HubSpot ma non sai se scoring, lifecycle e handoff stanno qualificando correttamente i lead, Axenda può analizzare il portale e aiutarti a costruire un modello collegato alla tua pipeline reale.
Scopri il servizio di consulenza e implementazione HubSpot oppure richiedi un audit del CRM.