Il marketing passa alle vendite una lista di lead “caldi”. Il commerciale li chiama e trova gente che non ha nessuna intenzione di comprare. Dopo un po’, smette di fidarsi di quella lista e si fa la sua.
Quando succede, la colpa non è dei venditori pigri né dei contatti scadenti. È del lead scoring.
Un lead scoring tarato male fa una cosa precisa: segnala come pronti contatti che non compreranno mai, e lascia indietro quelli buoni. Classifica, ma non qualifica. E un punteggio che non separa chi compra da chi non compra è peggio di nessun punteggio, perché ci costruisci sopra decisioni sbagliate.
In breve: il lead scoring assegna un punteggio ai contatti per capire chi è pronto a comprare. Quando è tarato su ipotesi invece che sui dati reali di chi ha già comprato, produce MQL che il commerciale trova freddi: il modello premia i segnali sbagliati. I sintomi sono tre: i lead ad alto punteggio non chiudono più degli altri, il commerciale ignora la lista, tanti contatti superano la soglia ma pochi diventano clienti. Si aggiusta guardando indietro (quali criteri avevano i clienti veri) e ritarando i pesi su quei dati, non sul buon senso.
Cos'è il lead scoring, in una riga
Il lead scoring è l’attribuzione di un punteggio a ogni contatto per stimare quanto è vicino all’acquisto, in base a chi è (ruolo, azienda, settore) e a cosa fa (pagine viste, email aperte, contenuti scaricati).
L’idea è semplice: sopra una certa soglia, il contatto diventa un MQL (marketing qualified lead) e passa alle vendite. Sotto, resta nel nurturing.
Il problema non è l’idea. È la taratura: quali segnali contano, e quanto pesano. Ed è lì che quasi tutti sbagliano.
Perché uno scoring tarato male produce MQL che non convertono
Uno scoring nasce quasi sempre da ipotesi ragionevoli: “chi apre tre email è interessato”, “chi scarica il catalogo è caldo”, “un direttore vale più di un impiegato”.
Ragionevoli non vuol dire vere. Aprire tre email può voler dire curiosità, non intenzione. Scaricare il catalogo può essere un concorrente. Un impiegato può essere chi istruisce davvero la decisione.
Quando i pesi sono costruiti sul buon senso invece che sui dati, il modello premia i segnali sbagliati. Il punteggio sale per comportamenti che non c’entrano con l’acquisto, e il contatto passa alle vendite senza esserne pronto. Ecco l’MQL che non converte: non è un contatto cattivo, è un contatto che il modello ha letto male.
C’è anche l’errore opposto, meno visibile: lo scoring che tiene troppo bassi i contatti buoni. Chi non fa i comportamenti “da manuale” ma è pronto a comprare resta nel nurturing e si raffredda. Lì non vedi il danno, perché il lead non passa mai: lo perdi in silenzio.
I 3 sintomi di uno scoring rotto
Uno scoring tarato male si riconosce da segnali precisi, prima ancora di guardare i numeri.
- I lead ad alto punteggio non chiudono più degli altri. È il sintomo principe: se un MQL converte quanto un contatto qualsiasi, il punteggio non sta misurando niente di utile.
- Il commerciale ignora la lista. Quando le vendite si costruiscono i loro criteri e scartano gli MQL, ti stanno dicendo, senza dirlo, che la lista non è affidabile.
- Tanti superano la soglia, pochi diventano clienti. Se metà dei contatti diventa MQL ma la conversione resta bassa, la soglia è troppo generosa: stai chiamando “pronti” contatti che non lo sono.
Questi sintomi raramente arrivano soli: uno scoring rotto è spesso il primo anello di una marketing automation che non converte, dove il problema si propaga lungo tutta la catena.
Come si ritara il lead scoring sui dati reali
La cura non è rifare il modello da capo: è girarlo al contrario. Invece di partire da cosa pensi conti, parti da chi ha comprato davvero.
- Guarda indietro. Prendi i clienti chiusi negli ultimi mesi e osserva cosa avevano in comune prima di comprare: ruolo, settore, comportamenti, fonte. Sono quelli i segnali che contano, non quelli che immaginavi.
- Ricostruisci i pesi su quei segnali. Alza il peso di ciò che i clienti veri avevano, abbassa quello dei comportamenti che non predicono niente. Il CRM ha già questi dati: vanno letti, non raccolti da zero.
- Verifica la soglia. Guarda quanti dei clienti chiusi avevano superato la soglia MQL prima del primo contatto commerciale. Se pochissimi, la soglia è troppo alta e stai frenando lead buoni; se quasi tutti, è troppo bassa e passi contatti acerbi.
- Ricontrolla ogni pochi mesi. Un modello giusto oggi invecchia: mercato, offerta e comportamenti cambiano. Lo scoring va rivisto, non impostato una volta e dimenticato.
È un lavoro di lettura dei dati più che di configurazione. È il punto dove una diagnosi vale più di una piattaforma nuova, la stessa logica della consulenza digitale per una PMI: prima capire chi compra, poi tarare il sistema su di lui.
Dal 2011 doID lavora su questi meccanismi sugli strumenti che l’azienda usa già. Il valore non è un software di scoring in più: è ricostruire i criteri sui tuoi clienti veri.
Domande frequenti
Cos'è un MQL e perché non sempre converte?
Un MQL (marketing qualified lead) è un contatto che, secondo il punteggio del marketing, è pronto a essere contattato dalle vendite. Non converte quando il punteggio è tarato su segnali che non predicono l’acquisto: il contatto sembra pronto sulla carta, ma non lo è nei fatti.
Come capisco se il mio lead scoring è tarato male?
Il test più semplice: i contatti ad alto punteggio convertono più degli altri? Se no, lo scoring non sta misurando la propensione all’acquisto. Altri segnali: il commerciale ignora la lista, o molti superano la soglia ma in pochi chiudono.
Serve una piattaforma nuova per sistemare il lead scoring?
Quasi mai. Le piattaforme calcolano bene qualsiasi punteggio tu imposti; il problema è quale punteggio imposti. Il lavoro è ridefinire i criteri sui dati reali di chi ha comprato, e quei dati sono già nel tuo CRM.
Ogni quanto va rivisto il lead scoring?
Almeno un paio di volte l’anno, e ogni volta che cambia qualcosa di rilevante: offerta, mercato, canali di acquisizione. Un modello lasciato fermo per anni si scolla dalla realtà e torna a produrre MQL che non convertono.
Lead scoring e lead nurturing sono la stessa cosa?
No. Lo scoring misura quanto un contatto è pronto; il nurturing lo accompagna fino a diventarlo. Lo scoring dice quando passare un lead alle vendite, il nurturing lavora quelli che non hanno ancora superato la soglia.
I tuoi MQL non diventano clienti?
I tuoi MQL passano alle vendite ma non diventano clienti?
Non ti vendiamo un altro strumento di scoring: guardiamo chi ha comprato davvero e ritariamo i criteri su di lui.
Come si comincia:
- prima misuriamo dove il sistema perde i lead con un Digital Health Check,
- poi ricostruiamo lo scoring sui tuoi dati reali e verifichiamo che gli MQL inizino a convertire.
Il quadro completo è sulla pagina marketing automation; se preferisci parlarne, prenota una call di 30 minuti.