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

> Praktisk guide til lead scoring: sådan giver du point til hvert svar, fastsætter Hot/Warm/Cold-tærskler, tagger med regler og kalibrerer modellen med din egen tragt.

- **Kilde (source):** https://aistohire.com/da/aiformleads-formularer-til-at-indfange-og-klassificere-leads-108/blog/lead-scoring-kvalificer-leads-formular
- **Platform (platform):** AIstoHire
- **Sprog (language):** da
- **Opdateret (updated):** 2026-11-20

## 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](/da/aiformleads-formularer-til-at-indfange-og-klassificere-leads-108)), 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](https://cdn.aistohire.com/i/4402-qees-jxcv-tlut-rxmy.webp)

---

## 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

| Type | Hvor det kommer fra | Eksempel | Dækkes det af en formular? |
|---|---|---|---|
| **Eksplicit** | Det, personen angiver | Budget, virksomhedsstørrelse, hastegrad, rolle | Ja: det er præcis det, en formular indsamler |
| **Implicit** | Det, personen gør | Sete sider, åbnede e-mails, downloads | Delvist: 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](https://cdn.aistohire.com/i/7068-qlhr-hhqo-hcrq-jppa.webp)

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.

| Spørgsmål | Mulighed | Point |
|---|---|---|
| **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 måned | 25 |
| | Dette kvartal | 15 |
| | Senere | 5 |
| | Jeg undersøger bare | −10 |
| **Hvad er din rolle i beslutningen?** (vægt 20) | Jeg beslutter | 20 |
| | Jeg beslutter sammen med mit team | 12 |
| | Jeg anbefaler, en anden beslutter | 6 |
| | Ingen, det er til en skoleopgave | −20 |
| **Hvor mange ansatte er I?** (vægt 15) | Over 100 | 15 |
| | 51 – 100 | 12 |
| | 11 – 50 | 8 |
| | 1 – 10 | 3 |

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:

| Interval | Minimum | Foreslået operativ betydning |
|---|---|---|
| 🔥 Hot | 80 | Opkald samme dag, i telefon, af en person |
| ⚡ Warm | 50 | Personlig e-mail inden for 48 timer med et konkret tilbud |
| ❄️ Cold | 0 | Automatisk 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](https://cdn.aistohire.com/i/9629-qoim-ownl-uyzb-hjtv.webp)

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:

| Kontrol | Hvad den bruges til | Eksempel |
|---|---|---|
| **Rækkefølgen af reglerne** | De evalueres i den rækkefølge, du placerer dem | At sætte fravalgsreglen først forhindrer, at en studerende tagges som `hot` |
| **Stop, hvis den gælder** | Afbryder evalueringen ved den første regel, der er opfyldt | Et frasorteret lead fortsætter ikke med at samle kommercielle tags |
| **Standardtag** | Tildeles kun, hvis ingen regel har gjort sig gældende | `sin-clasificar`: intet lead står uden tilhørsforhold i indbakken |
| **Udelukkelsesregler** | To tags, der ikke kan eksistere sammen | `cliente-actual` og `lead-nuevo`: hvis begge dukker op, fjernes det ene |
| **Hierarki (overordnet tag)** | Når et underordnet tildeles, tilføjes dets overordnede, op til tre niveauer | `madrid` 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.

| Signal | Point |
|---|---|
| E-mail med gyldigt format | 40 |
| E-mailens domæne er ikke af brug-og-smid-væk-typen | 10 |
| Domænet er ikke en gratis e-mail (gmail, hotmail, outlook, yahoo, icloud) | 10 |
| Telefon med 9 cifre eller flere | 20 |
| Navn med mere end 2 tegn | 10 |
| 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:

| Signal | Hvad der sker | Hvad du skal gennemgå |
|---|---|---|
| Næsten alle leads er Hot | Lav tærskel eller oppustede point | Fordeling efter kvalificering; hæv minimum for Hot |
| Der kommer aldrig noget Hot | Det teoretiske maksimum ligger under tærsklen | Læg de maksimale point i din tabel sammen og sammenlign med tærsklen |
| Hot køber ikke, og Cold gør | Du scorer det, der ikke forudsiger salget | Svarkort: hvilken mulighed valgte dem, der lukkede, faktisk |
| Mange leads uden tag | Ufuldstændige regler | Regeldækning 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](https://cdn.aistohire.com/i/3062-mgdi-unbb-deim-keyw.webp)

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 forpligtelse | Hvad 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, utm_source, utm_medium, 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 den | Det gør den ikke |
|---|---|
| Score med pointene for hver valgmulighed | Adfærdsscoring på din hjemmeside (sete sider, tid på siden) |
| Kvalificere efter intervaller og tagge med regler, når formularen sendes | Bestemme for dig: opkaldet foretages stadig af en person |
| Beregne kontaktbarhed med en fast formel | Kontrollere hos operatøren, om et telefonnummer findes |
| Tragt, frafald pr. trin, svarkort, kilder, lande, enheder og varianter | Fuld multikanal-attribution af din marketing |
| Advarsler til teamet, bekræftelse til leadet og betingede e-mailsekvenser | At være et komplet CRM med salgsmuligheder og salgsprognose |
| Udgående webhooks og REST API med egen nøgle | Tovejssynkronisering med Google Sheets via OAuth |
| Eksportere til CSV og Excel med kolonnevælger | Eget 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](/da/aiformleads-formularer-til-at-indfange-og-klassificere-leads-108)**. 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.

- [Aiformleads — Formularer, der indfanger leads og klassificerer dem selv](https://aistohire.com/da/aiformleads-formularer-til-at-indfange-og-klassificere-leads-108)

## Om platformen

**Aiformleads — Formularer, der indfanger leads og klassificerer dem selv** — applikation til AIstoHire. Tilgængelig på: https://aistohire.com/da/aiformleads-formularer-til-at-indfange-og-klassificere-leads-108/blog/lead-scoring-kvalificer-leads-formular

### Andre sprog

- `es`: https://aistohire.com/es/aiformleads-formularios-captacion-leads-108/blog/lead-scoring-cualificar-leads-formulario
- `en`: https://aistohire.com/aiformleads-forms-lead-capture-108/blog/lead-scoring-qualify-leads-form
- `fr`: https://aistohire.com/fr/aiformleads-formulaires-capture-leads-108/blog/scoring-leads-qualifier-formulaire
- `it`: https://aistohire.com/it/aiformleads-moduli-acquisizione-lead-108/blog/lead-scoring-qualificare-lead-modulo
- `pt`: https://aistohire.com/pt/aiformleads-formularios-captacao-leads-108/blog/lead-scoring-qualificar-leads-formulario
- `de`: https://aistohire.com/de/aiformleads-formulare-lead-gewinnung-108/blog/lead-scoring-leads-qualifizieren-formular
- `bg`: https://aistohire.com/bg/aiformleads-formulyari-za-privlichane-i-klasifitsirane-na-liydove-108/blog/lead-scoring-kvalifitsirane-na-liydove-formulyar
- `ja`: https://aistohire.com/ja/aiformleads-lead-capture-forms-108/blog/riido-sukoaringu-fomu-ridoshikaku
- `nl`: https://aistohire.com/nl/aiformleads-formulieren-om-leads-binnen-te-halen-en-in-te-delen-108/blog/leadscoring-leads-kwalificeren-formulier
- `ko`: https://aistohire.com/ko/aiformleads-lead-suljip-form-108/blog/rideu-seukoeoring-rideu-seonbyeol-pom
- `sv`: https://aistohire.com/sv/aiformleads-formular-for-att-fanga-och-sortera-leads-108/blog/lead-scoring-kvalificera-leads-formular
- `ar`: https://aistohire.com/ar/aiformleads-nmadhj-ljdhb-alamla-almhtmlin-wtsnifhm-108/blog/tasjil-nuqat-alumalaa-almuhtamalin-namudhaj
- `no`: https://aistohire.com/no/aiformleads-skjemaer-for-a-fange-og-klassifisere-leads-108/blog/lead-scoring-kvalifisere-leads-skjema
- `fi`: https://aistohire.com/fi/aiformleads-lomakkeet-liidien-keraamiseen-ja-luokitteluun-108/blog/liidien-pisteytys-lomakkeesta
- `zh`: https://aistohire.com/zh/ai-form-lead-capture-scoring-108/blog/qianzai-kehu-pingfen-biaodan-shaixuan
- `pl`: https://aistohire.com/pl/aiformleads-formularze-do-pozyskiwania-i-klasyfikowania-leadow-108/blog/lead-scoring-kwalifikacja-leadow-formularz
- `he`: https://aistohire.com/he/aiformleads-tpsim-lgios-vsioog-lidim-108/blog/lead-scoring-hakshara-lidim-tofes
- `cs`: https://aistohire.com/cs/aiformleads-formulare-pro-ziskavani-a-trideni-leadu-108/blog/lead-scoring-kvalifikace-leadu-formular
- `id`: https://aistohire.com/id/aiformleads-formulir-untuk-menjaring-dan-mengklasifikasikan-lead-108/blog/lead-scoring-kualifikasi-lead-dari-formulir
