AiformleadsAiformleads

Lead scoring: sådan scorer og kvalificerer du automatisk dine leads fra formularen

Teamet hos AiformleadsSkrevet med AI-assistance20 min. læsning

Kort fortalt

  • Lead scoring er en sum af point, ikke et gæt: hvert svar i din formular er et tal værd, og totalen afgør, hvem du ringer til først. Det svære er ikke formlen, men at vælge, hvilke spørgsmål der giver point.
  • At score uden at tagge er et halvt job: et 85 fortæller dig, at leadet er godt; et tag som presupuesto-alto eller sin-decision fortæller dig, hvorfor, og hvad du skal sige i samtalen.
  • Tærsklerne evalueres fra højeste til laveste: den første, hvis minimum nås, vinder. Med Aiformleads' standardfordeling (Hot ≥ 80, Warm ≥ 50, Cold ≥ 0) er et lead med 80 point Hot, og et med 79 er Warm. Den grænse bestemmer du, og du kommer til at flytte den.
  • En ukalibreret model er værre end ingen model: hvis 70 % af dine leads bliver Hot, er din skala i stykker. Mål det med fordelingen af kvalificeringer og med det reelle frafald pr. trin, ikke med den procentdel, en brochure lover.
  • At score personer har juridiske grænser: retsgrundlag, forudgående information og retten til sletning er ikke valgfrie (forordning (EU) 2016/679). Denne artikel forklarer, hvordan værktøjet fungerer, og erstatter ikke din juridiske rådgivers vurdering.

Hvis du modtager formularer og derefter beslutter i hånden, hvilke der fortjener et opkald, laver du lead scoring: du gør det bare med hovedet, for sent og uden at det bliver registreret. Denne guide forklarer, hvordan du gør det kriterium til en model med point og tags, som anvendes af sig selv i det øjeblik, formularen sendes, og hvordan du ved, om den virker. Eksemplerne er bygget på Aiformleads, miniappen til indsamling af leads fra AIsToHire (præsentation og demo af Aiformleads), og alt det, der beskrives her, er kontrolleret i dens version fra oktober 2026: der er ingen lovet funktion, som værktøjet ikke har.

Isometrisk diagram af en tragt, der fordeler formularsvar i tre lysende bakker i forskellig højde: rød, rav og blå
Isometrisk diagram af en tragt, der fordeler formularsvar i tre lysende bakker i forskellig højde: rød, rav og blå

Hvad er lead scoring egentlig?

Lead scoring er at tildele hver kontakt en numerisk score ud fra det, vedkommende har svaret, og hvordan vedkommende har opført sig, for at ordne, hvem du tager dig af først. I sin mest praktiske form har hver svarmulighed i din formular et tilknyttet pointtal; når formularen sendes, lægges pointene for de valgte muligheder sammen, og totalen falder inden for et interval (Hot, Warm, Cold), der bestemmer den kommercielle prioritet.

Det er ikke kunstig intelligens, og det behøver ikke at være det. Det er aritmetik oven på kriterier, du allerede anvender i hovedet:

  • Den, der har budget, er mere værd end den, der ikke har.
  • Den, der har brug for noget i denne måned, er mere værd end den, der "ser på muligheder".
  • Den, der kan skrive under, er mere værd end den, der skal spørge tre personer.

Forskellen på at gøre det mentalt og at gøre det med en model er, at modellen anvendes på alle leads, i sekund nul, på samme måde, og efterlader et spor, så du kan gennemgå det bagefter.

Eksplicit og implicit scoring: den skelnen, der betyder noget

TypeHvor det kommer fraEksempelDækkes det af en formular?
EksplicitDet, personen angiverBudget, virksomhedsstørrelse, hastegrad, rolleJa: det er præcis det, en formular indsamler
ImplicitDet, personen gørSete sider, åbnede e-mails, downloadsDelvist: kræver sporing af adfærd

Denne artikel fokuserer på den eksplicitte scoring, som er den, du kan sætte op i dag med en formular, og den, der går mindst i stykker: en angivet oplysning afhænger ikke af, at cookies virker, eller af at den besøgende bruger den samme browser.


Hvor kommer pointene fra? Fra de muligheder, personen vælger

I Aiformleads bor pointene inde i hver mulighed i spørgsmålene med enkeltvalg og flervalg: ved siden af teksten i hver mulighed er der et talfelt, hvor du skriver, hvor mange point den er værd. Når formularen er udfyldt, gennemgår backend svarene og lægger pointene for alle afkrydsede muligheder sammen. Resultatet gemmes på leadet som score.

Kort med fire muligheder, hvor hver mulighed har en lysende kugle i forskellig størrelse, og alle løber sammen i en vægt: hvert svars vægt i point
Kort med fire muligheder, hvor hver mulighed har en lysende kugle i forskellig størrelse, og alle løber sammen i en vægt: hvert svars vægt i point

Tre praktiske konsekvenser af det design, sagt uden pynt:

  1. Kun spørgsmål med muligheder giver point. Et frit tekstfelt, en slider eller en dato lægger ikke point til i sig selv. Hvis du vil have budgettet til at give point, så spørg om det i intervaller (muligheder), ikke med et åbent tal.
  2. Point kan være negative. At skrive -20 ved muligheden "Jeg er studerende / personligt projekt" er helt gyldigt: det lægges til, som det er. At trække fra er den reneste måde at forhindre, at et dårligt lead sniger sig igennem ved ophobning.
  3. Ved flervalg lægges alle afkrydsede sammen. Hvis en person vælger tre ydelser, og hver er 10 værd, får vedkommende 30. Tag højde for det, eller sæt et maksimum for antal valg i feltet.
Det, et åbent eller numerisk felt ikke kan gøre med point, kan det gøre med tags: tagningsreglerne accepterer numeriske operatorer (større end, mindre end eller lig med…) på ethvert svar. En budgetslider giver ikke point, men kan udløse tagget presupuesto-alto.

Sådan bygger du din pointtabel i fem trin

Den metode, der virker, er omvendt af det, der ser logisk ud: begynd ikke med spørgsmålene, begynd med de kunder, du allerede har. Afsæt en time, åbn din liste over lukkede kunder fra det seneste år og gør dette.

  1. Skriv de fem kendetegn ved din bedste kunde. Ikke "store virksomheder", men ting, der kan kontrolleres: "har en omsætning på over 2 mio. €", "har en marketingansvarlig ansat", "ringede til os med en deadline".
  2. Skriv de tre kendetegn ved den kunde, der kostede dig penge. Dem, du svor aldrig at gentage. De bliver dine negative point.
  3. Gør hvert kendetegn til et spørgsmål med lukkede muligheder. Hvis du ikke kan gøre det til 3-5 muligheder, så lad være med at score det: stil spørgsmålet alligevel, men som fri tekst og til kontekst.
  4. Fordel 100 point mellem spørgsmålene, ikke mellem mulighederne. Beslut først, hvor meget hvert spørgsmål vejer (f.eks. budget 40, hastegrad 25, rolle 20, størrelse 15), og fordel derefter hvert spørgsmåls vægt mellem dets muligheder. På den måde tvinger du dig selv til at prioritere.
  5. Fastsæt tærsklerne med hånden på hjertet: fra hvor mange point ville du selv ringe på under en time? Det er dit Hot.

Fem spørgsmål, der giver point, er et godt loft at begynde med. Hvert ekstra spørgsmål mindsker sandsynligheden for, at formularen bliver afsluttet, og et perfekt lead, der ikke kommer frem, giver ingen point.


En komplet eksempelmodel: fire spørgsmål, 100 point

Det her er en reel og brugbar model til et bureau eller en B2B-konsulentvirksomhed. Kopiér den, ret teksterne, og du har et forsvarligt udgangspunkt.

SpørgsmålMulighedPoint
Hvilket budget har du? (vægt 40)Over 10.000 €40
5.000 – 10.000 €30
1.000 – 5.000 €15
Under 1.000 €0
Hvornår har du brug for det? (vægt 25)Denne måned25
Dette kvartal15
Senere5
Jeg undersøger bare−10
Hvad er din rolle i beslutningen? (vægt 20)Jeg beslutter20
Jeg beslutter sammen med mit team12
Jeg anbefaler, en anden beslutter6
Ingen, det er til en skoleopgave−20
Hvor mange ansatte er I? (vægt 15)Over 10015
51 – 10012
11 – 508
1 – 103

Med denne tabel er det maksimale spænd 100 og minimum −30. To eksempler på, hvordan det falder:

  • Marketingchef i en virksomhed med 120 ansatte, 12.000 € i budget, har brug for det denne måned: 40 + 25 + 20 + 15 = 100 → Hot.
  • Selvstændig med 800 €, der "bare undersøger" og anbefaler en anden: 0 + (−10) + 6 + 3 = −1 → Cold.

Læg mærke til, hvad de negative point gør: uden dem ville det andet lead have fået 9 point blot for at udfylde formularen; med dem ligger det udtrykkeligt under nul.


Tærskler: gør tallet til en beslutning

En løs score er til ingen nytte; det, der er nyttigt, er det interval, den hører til. I Aiformleads definerer du intervaller med et navn, et minimum, en farve og en emoji, og de evalueres fra højeste til laveste: den første, hvis minimum nås, vinder. De intervaller, den leveres med som standard, er disse:

IntervalMinimumForeslået operativ betydning
🔥 Hot80Opkald samme dag, i telefon, af en person
⚡ Warm50Personlig e-mail inden for 48 timer med et konkret tilbud
❄️ Cold0Automatisk indholdssekvens, uden salgsindsats

Tre detaljer, der er godt at kende, før du rører ved dem:

  • Det laveste interval skal have minimum 0 eller negativt, ellers får leads, der scorer under det, ingen kvalificering og vises ikke i fordelingen efter kvalificering.
  • Hvert interval kan have et tag knyttet til sig, så kvalificeringen og tagningen forbliver synkroniseret uden at skrive en separat regel.
  • Advarslerne accepterer en minimumsscore: du kan indstille, at advarslen til teamet, beskeden til chatten eller en webhook kun udløses, hvis leadet overstiger X point. Det er forskellen på, at dit team kigger på notifikationerne, og at det slår dem fra efter en uge.

At score er ikke nok: tagget er det, der gør et lead handlingsbart

Et tal ordner; et tag forklarer. 92 point fortæller dig, at du skal ringe; presupuesto-alto + urgente + competidor-actual fortæller dig, med hvilket argument du skal åbne samtalen. Derfor er den automatiske tagning ikke pynt på scoringen: den er den anden halvdel af samme job.

Diagram med kaskaderegler: et flow kommer ind fra venstre, passerer tre porte, der leder det over mod farvede tags, en lukket port stopper forløbet, og et separat gråt tag fungerer som standardtag
Diagram med kaskaderegler: et flow kommer ind fra venstre, passerer tre porte, der leder det over mod farvede tags, en lukket port stopper forløbet, og et separat gråt tag fungerer som standardtag

En tagningsregel er en HVIS… SÅ: hvis visse betingelser på svarene er opfyldt, tildeles visse tags. Betingelserne grupperes med den sædvanlige logik – inden for en gruppe skal alle være opfyldt (OG), mellem grupper er det nok, at én er opfyldt (ELLER) – og de accepterer ti operatorer: er lig med, er ikke, indeholder, indeholder ikke, større end, større end eller lig med, mindre end, mindre end eller lig med, er tom, er ikke tom.

Det, der gør forskellen på en tagning, der hjælper, og en, der roder indbakken til, er disse fem kontroller:

KontrolHvad den bruges tilEksempel
Rækkefølgen af reglerneDe evalueres i den rækkefølge, du placerer demAt sætte fravalgsreglen først forhindrer, at en studerende tagges som hot
Stop, hvis den gælderAfbryder evalueringen ved den første regel, der er opfyldtEt frasorteret lead fortsætter ikke med at samle kommercielle tags
StandardtagTildeles kun, hvis ingen regel har gjort sig gældendesin-clasificar: intet lead står uden tilhørsforhold i indbakken
UdelukkelsesreglerTo tags, der ikke kan eksistere sammencliente-actual og lead-nuevo: hvis begge dukker op, fjernes det ene
Hierarki (overordnet tag)Når et underordnet tildeles, tilføjes dets overordnede, op til tre niveauermadrid tilføjer espana; filtrering på espana henter også Madrid

Og et måltal, som næsten ingen har, og som her kommer af sig selv: dækningen. Editoren beregner, hvor stor en procentdel af alle mulighederne i dine spørgsmål der optræder i en eller anden regel. Hvis din dækning er 30 %, siger syv ud af ti mulige svar ikke noget om leadet. Du behøver ikke nå 100 %, men en meget lav dækning betyder som regel, at du spørger om ting, du senere ikke bruger.


Kontaktbarhed: 90 point med en engangs-e-mail er nul værd

Et fremragende lead, du ikke kan ringe til, er ikke et lead. Derfor beregner Aiformleads, ud over den kvalificeringsscore, du selv definerer, en kontaktbarhed fra 0 til 100 med en fast formel, der ikke afhænger af din model: den måler, om kontaktoplysningerne er til nogen nytte.

SignalPoint
E-mail med gyldigt format40
E-mailens domæne er ikke af brug-og-smid-væk-typen10
Domænet er ikke en gratis e-mail (gmail, hotmail, outlook, yahoo, icloud)10
Telefon med 9 cifre eller flere20
Navn med mere end 2 tegn10
Et ekstra besvaret spørgsmål (op til 10 spørgsmål)1 for hvert

Det er to tal med forskellige opgaver, og det er godt ikke at blande dem sammen:

  • Scoren svarer på "er jeg interesseret i dette lead?".
  • Kontaktbarheden svarer på "kan jeg tale med vedkommende?".

Et lead med score 90 og kontaktbarhed 40 (Gmail-e-mail, ingen telefon) er ikke et dårligt lead: det er et lead, der mangler en oplysning. Den rigtige handling er ikke at kassere det, men at bede om telefonnummeret. Begge værdier følger med i leadets datablad og i eksporten.


Hvordan ved jeg, om min model er dårligt kalibreret?

En lead scoring-model er dårligt kalibreret, når dens fordeling ikke ligner virkeligheden i din virksomhed. Det tydeligste signal er fordelingen efter kvalificering: hvis mere end 25-30 % af dine gennemførte leads bliver Hot, har du ikke et fantastisk produkt, du har tærsklen for lavt. Hvis der ikke er kommet et eneste Hot på tre uger, har du den for høj.

Fire alarmsignaler og hvad du skal se på ved hvert af dem:

SignalHvad der skerHvad du skal gennemgå
Næsten alle leads er HotLav tærskel eller oppustede pointFordeling efter kvalificering; hæv minimum for Hot
Der kommer aldrig noget HotDet teoretiske maksimum ligger under tærsklenLæg de maksimale point i din tabel sammen og sammenlign med tærsklen
Hot køber ikke, og Cold gørDu scorer det, der ikke forudsiger salgetSvarkort: hvilken mulighed valgte dem, der lukkede, faktisk
Mange leads uden tagUfuldstændige reglerRegeldækning og standardtag

Til det sidste beregner panelet et svarkort: for hvert spørgsmål med muligheder, hvor mange gennemførte leads der valgte hver mulighed, og hvilken procentdel det udgør. Det er den hurtige måde at opdage, at 80 % af dine leads vælger det laveste budgetinterval, og at det spørgsmål derfor næsten ikke skelner noget.


Tro ikke på procenterne i brochurerne: mål din egen tragt

Enhver, der lover dig, at en flertrinsformular konverterer X % mere end en på én side, sælger dig gennemsnittet fra andre virksomheder. Det eneste, der betyder noget, er, hvor dine folk falder fra, og det måles med tragten for din egen formular, ikke med en andens undersøgelse.

Nedadgående trappe af fem stadig smallere platforme, som en strøm af partikler løber ned ad: på hvert trin løber en del af strømmen over, med det største lækage på tredje trin
Nedadgående trappe af fem stadig smallere platforme, som en strøm af partikler løber ned ad: på hvert trin løber en del af strømmen over, med det største lækage på tredje trin

Aiformleads' tragt tæller for hvert trin, hvor mange sessioner der nåede det, og beregner frafaldet med en eksplicit formel:

frafald for trinnet = (ankomster til forrige trin − ankomster til dette trin) / ankomster til forrige trin × 100

Ved siden af den procentdel ser du den gennemsnitlige tid, hver person brugte på trinnet. Kombinationen er meget informativ:

  • Højt frafald + høj tid → spørgsmålet er svært eller ubehageligt (budget, telefon). Flyt det længere frem eller gør det valgfrit.
  • Højt frafald + lav tid → folk bliver forskrækkede, når de ser trinnet. Det er som regel en formular, der pludselig beder om for mange felter.
  • Lavt frafald + meget høj tid → spørgsmålet forstås dårligt, men folk bliver ved. Omskriv formuleringen.

Hvis du tester to versioner af formularen, viser panelet desuden fejlmarginen ved 95 % for hver variant, beregnet som 1,96 × √(p(1−p)/n) på konverteringsraten. Den bruges til det eneste, der betyder noget i en A/B-test: at vide, om den forskel, du ser, er reel eller støj. Hvis variant A konverterer med 22 % ± 6 og B med 25 % ± 6, har du endnu ikke vundet noget: du mangler data.


Seks fejl, der ødelægger en lead scoring-model

  1. At score hensigt i stedet for match. "Jeg vil i gang nu" er gratis at sige. Budget og rolle er ikke.
  2. At undlade negative point. Uden fradrag stiger scoren kun, og efter nogle uger er alle Hot.
  3. At spørge om det, du ikke skal bruge. Hvert spørgsmål koster frafald. Hvis et spørgsmål hverken indgår i scoren eller i en tagningsregel eller i salgssamtalen, så slet det.
  4. At sætte det op og aldrig se på det igen. En model gennemgås, når tilbuddet, prisen eller markedet ændrer sig. Som minimum en gang i kvartalet.
  5. At forveksle scoren med et løfte. Scoren ordner en arbejdskø; den forudsiger ikke et salg og erstatter ikke samtalen.
  6. At score uden at have forberedt den juridiske del. At indsamle data for at klassificere personer kræver retsgrundlag og forudgående information; det forberedes, før du publicerer, ikke bagefter.

Hvad skal du tage juridisk i betragtning, når du scorer og tagger leads?

At score og tagge en person er at behandle vedkommendes personoplysninger, så det falder fuldt ud ind under forordning (EU) 2016/679 (GDPR) og, hvis du sender kommercielle henvendelser i Spanien, under artikel 21 i lov 34/2002 (LSSI-CE). I praksis betyder det at have et retsgrundlag for behandlingen, informere om, hvad du indsamler dataene til, før du indsamler dem, og kunne imødekomme personens rettigheder. Dette er ikke juridisk rådgivning: Aiformleads er et formularværktøj, ikke en juridisk tjeneste, og dataansvaret ligger hos den, der publicerer formularen.

Det, værktøjet giver dig til at overholde den del, kontrolleret i oktober 2026:

Almindelig forpligtelseHvad appen tilbyder
Informeret og adskilleligt samtykke (art. 6.1.a og 7 GDPR)Granulære samtykker i kontakttrinnet, gemt sammen med leadet
Forudgående information (art. 13 GDPR)Samtykketekst og konfigurerbare links i formularen
Ret til indsigt (art. 15 GDPR)Eksport af alle data om et konkret lead
Ret til sletning (art. 17 GDPR)Sletning af leadet og dets tilknyttede data efter anmodning
Dataminimering og frister (art. 5.1.e GDPR)Konfigurerbar opbevaring i måneder: de ældste leads slettes af sig selv

Om artikel 22 i GDPR (automatiserede afgørelser): en score, der kun bruges til at ordne en sælgers opkaldskø, er normalt ikke en "automatiseret afgørelse med retsvirkning eller tilsvarende betydelig virkning", fordi den reelle beslutning træffes af en person. Hvis dit tilfælde er det – for eksempel automatisk at afvise en ydelse ud fra scoren –, så tal med din rådgiver, før du sætter det op. Værktøjet bestemmer intet for dig: det beregner, tagger og efterlader det i indbakken.


Sådan sætter du det op i Aiformleads, fane for fane

Det her er de reelle trin i appen, med de navne, du vil se på skærmen.

  1. Opret formularen. Start fra bunden eller fra en af de 10 indbyggede skabeloner. En formular er en forside, de trin med spørgsmål, du har brug for, og et sidste kontakttrin.
  2. Tilføj de spørgsmål, der giver point, i fanen Trin. Der er 13 felttyper (kort og lang tekst, enkeltvalg og flervalg, skala og NPS, slider, matrix, dato, telefon, adresse, fil, underskrift og beregning). Til scoring bruger du enkeltvalg eller flervalg og skriver pointene i talfeltet ved hver mulighed.
  3. Aktivér scoring og definér intervallerne i afsnittet om advarsler: navn, minimum, farve, emoji og, hvis du vil, et tilknyttet tag.
  4. Skriv tagningsreglerne i fanen Tags. Definér først ordlisten (navn, farve, kategori, overordnet tag) og derefter reglerne med deres betingelser. Sortér reglerne, markér "stop, hvis den gælder" på fravalgsreglerne og fastsæt et standardtag. Hold øje med dækningsindikatoren.
  5. Kontrollér det i forhåndsvisningen. Det er den samme renderer, som den, der udfylder formularen, vil se, så det, du ser, er det, der er. I forhåndsvisningstilstand oprettes der ingen session, der sendes ingen e-mails, og der udløses ingen webhooks.
  6. Publicér den. Der er syv måder: offentligt link, iframe, script med automatisk højde, modalvindue, sidepanel, flydende knap og en QR-kode, der kan downloades til trykt materiale.
  7. Arbejd med indbakken. Filtrér efter tag, efter leadets status (ny, kontaktet, i gang, kvalificeret, konverteret, kasseret) eller efter scoreinterval; sortér efter score; tilføj noter; handl i bulk. Eksportér til CSV eller Excel og vælg kolonner, blandt dem score, kvalificering, kontaktbarhed, tags, land, enhed, referrer, utmsource, utmmedium, utm_campaign og variant.
  8. Gennemgå og kalibrér igen. Vend hver måned tilbage til fordelingen efter kvalificering og til tragten, og flyt tærsklerne.

Hvad Aiformleads gør, og hvad den ikke gør

Ærlighed her sparer dig for skuffelser. Det her er, hvad der er og ikke er inden for appens rammer, pr. oktober 2026.

Det gør denDet gør den ikke
Score med pointene for hver valgmulighedAdfærdsscoring på din hjemmeside (sete sider, tid på siden)
Kvalificere efter intervaller og tagge med regler, når formularen sendesBestemme for dig: opkaldet foretages stadig af en person
Beregne kontaktbarhed med en fast formelKontrollere hos operatøren, om et telefonnummer findes
Tragt, frafald pr. trin, svarkort, kilder, lande, enheder og varianterFuld multikanal-attribution af din marketing
Advarsler til teamet, bekræftelse til leadet og betingede e-mailsekvenserAt være et komplet CRM med salgsmuligheder og salgsprognose
Udgående webhooks og REST API med egen nøgleTovejssynkronisering med Google Sheets via OAuth
Eksportere til CSV og Excel med kolonnevælgerEget domæne til den offentlige formular

Ofte stillede spørgsmål

Hvor mange point skal jeg give hvert svar?

Der findes ingen universel tabel. Den metode, der virker, er først at fordele 100 point mellem dine spørgsmål efter det, der virkelig forudsiger et salg i din virksomhed (for eksempel: budget 40, hastegrad 25, rolle 20, størrelse 15) og derefter fordele hvert spørgsmåls vægt mellem dets muligheder. Begynd med runde tal, lad der gå nogle uger, og justér ved at se på, hvilke leads der endte med at købe.

Kan jeg trække point fra i stedet for at lægge til?

Ja. I pointfeltet ved en mulighed kan du skrive et negativt tal, og det lægges til, som det er. Det er den bedste måde at sørge for, at profiler, du ikke er interesseret i – "det er til en skoleopgave", "jeg undersøger bare" –, ender under tærsklen i stedet for at samle point blot ved at udfylde formularen.

Hvad med de spørgsmål, der ikke er multiple choice?

De giver ikke point: scoren beregnes kun ud fra de valgte muligheder i spørgsmål med enkeltvalg eller flervalg. Men ethvert svar, også sliders, tal og tekster, kan udløse en tagningsregel, fordi betingelserne accepterer numeriske og tekstoperatorer. Hvis noget skal give point, så gør det til lukkede muligheder.

Hvor mange spørgsmål bør formularen have?

Så få som muligt, der stadig lader dig beslutte. Hvert spørgsmål tilføjer frafald, og det kan du måle: tragten fortæller dig præcis, på hvilket trin folk falder fra, og hvor lang tid de brugte der. Begynd med fire eller fem spørgsmål, der giver point, se på frafaldet pr. trin i et par uger og skær dem fra, der ikke bidrager med noget til scoren eller til tagsene.

Hvornår beregnes scoren, ved besvarelse eller ved afsendelse?

Når formularen er gennemført. På det tidspunkt validerer backend afsendelsen, lægger pointene for de valgte muligheder sammen, bestemmer kvalificeringsintervallet, anvender tagningsreglerne, løser den afsluttende skærm og udløser de advarsler og webhooks, der hører til. De delvise svar fra en forladt session gemmes, men den session bliver hverken scoret eller tagget.

Hvor ofte skal man gennemgå lead scoring-modellen?

Som minimum en gang i kvartalet og altid, når du skifter tilbud, pris eller marked. Den hurtige gennemgang er to data: fordelingen efter kvalificering (hvis næsten alt bliver Hot, eller intet gør, er tærsklen forkert) og svarkortet (hvad de leads, der endte med at købe, faktisk valgte).

Kan jeg kun give teamet besked, når et godt lead kommer ind?

Ja. Advarslerne til teamet, beskeden til chatten og webhooks accepterer en minimumsscore: under den udløses de ikke. Det er måden, hvorpå notifikationerne fortsat betyder noget efter den første måned i stedet for at ende med at blive slået fra.

Kan man få leads ud til et andet værktøj?

Ja. Du kan eksportere til CSV eller Excel og vælge, hvilke kolonner du tager med (score, kvalificering, kontaktbarhed, tags, status, oprindelse, UTM, variant…), sende hvert lead til dine systemer med udgående webhooks og forespørge formularer, leads og statistik fra et REST API med egen nøgle.

Er det lovligt at score de personer, der udfylder min formular?

At klassificere leads er en behandling af personoplysninger og er underlagt GDPR: du skal have retsgrundlag, informere, før du indsamler dataene, og kunne imødekomme retten til indsigt og sletning. Appen leverer de tekniske dele (granulære samtykker gemt med leadet, eksport og sletning af et konkret lead, konfigurerbar opbevaring i måneder), men dataansvaret er dit, og den konkrete opsætning bør gennemgås med din juridiske rådgiver.


I én sætning

Aiformleads er miniappen fra AIsToHire, der gør en flertrinsformular til leads, som allerede er scoret og tagget i det øjeblik, de sendes, og den findes på Aiformleads — Formularer, der indsamler leads og klassificerer dem af sig selv. Lead scoring er ikke magi: det er at beslutte én gang, skriftligt, hvad der gør en kunde god, og lade den beslutning anvende sig selv på alle, der banker på din dør.

Byg din lead scoring-model i Aiformleads: opret formularen, sæt point på hver mulighed, definér dine intervaller og begynd at modtage hvert lead allerede scoret og tagget i indbakken.

Byg din lead scoring-model i Aiformleads: opret formularen, sæt point på hver mulighed, definér dine intervaller og begynd at modtage hvert lead allerede scoret og tagget i indbakken.

↑ Tilbage til toppen