Le lead scoring est le processus d'attribution d'un score numérique à chaque lead — personne ou entreprise ayant manifesté un intérêt pour votre produit ou service — en fonction de son profil et de son comportement. L'objectif est de prioriser : que l'équipe commerciale consacre son temps aux leads ayant la plus grande probabilité de devenir clients, et que le marketing active des actions différentes selon le niveau de maturité de chaque contact.
Sans lead scoring, l'équipe commerciale traite de la même façon quelqu'un qui a téléchargé un ebook et quelqu'un qui a visité la page des tarifs trois fois cette semaine et demandé une démo. Avec un scoring bien mis en œuvre, cette différence est visible et actionnable.
Une étude de MarketingSherpa a trouvé que les entreprises qui mettent en place le lead scoring rapportent une amélioration de 77 % du ROI de leur génération de leads. Non pas parce qu'elles génèrent plus de leads, mais parce qu'elles convertissent mieux ceux qu'elles ont déjà.
Le scoring explicite se base sur les informations que le lead a fournies directement : poste, taille d'entreprise, secteur, budget, localisation géographique. Ces données indiquent si le lead correspond au profil de client idéal (ICP) de l'entreprise.
Exemple de critères explicites :
| Critère | Valeur | Points |
|---|---|---|
| Poste | Directeur / CEO / CMO | +20 |
| Poste | Manager / Responsable | +10 |
| Poste | Étudiant / Stagiaire | −15 |
| Taille entreprise | 50 – 500 employés | +15 |
| Taille entreprise | Moins de 10 employés | −10 |
| Secteur | E-commerce / Retail | +15 |
| Secteur | Secteur public | −20 |
Le scoring implicite se base sur les actions que le lead réalise sur votre site, emails et contenus. Ces actions sont des signaux d'intention : elles révèlent à quelle phase du cycle d'achat se trouve le lead.
Exemple de critères comportementaux :
| Action | Points |
|---|---|
| Visite la page des tarifs | +25 |
| Demande une démo ou un contact | +50 |
| Visite la page des cas d'usage / clients | +15 |
| Télécharge un contenu (ebook, guide) | +10 |
| Ouvre un email de nurturing | +5 |
| Clique dans un email | +10 |
| Visite le blog pour la première fois | +3 |
| Aucune activité depuis 30 jours | −20 |
Le scoring prédictif utilise des modèles de machine learning pour identifier quelles caractéristiques et comportements des leads actuels ressemblent le plus à ceux des clients qui ont déjà converti. Au lieu qu'un humain définisse les règles, le modèle apprend des données historiques.
Des plateformes comme HubSpot, Salesforce Einstein ou Marketo proposent des modules de scoring prédictif qui s'alimentent de votre CRM et s'améliorent continuellement à chaque conversion ou rejet.
Avant de scorer des leads, vous devez savoir à quoi ressemble le lead qui finit par acheter. Analysez votre base de clients actuels et extrayez des schémas : quel poste occupent-ils ? Quelle est la taille de leurs entreprises ? Quels contenus ont-ils consommés avant d'acheter ? Combien de touchpoints ont-ils eus ?
Cette analyse vous donne les critères de scoring basés sur des preuves, non sur les intuitions de l'équipe commerciale.
Avec les critères identifiés, attribuez des poids à chacun. Une bonne pratique est que le score maximum soit 100 et que les seuils d'action soient clairs :
Pour que le scoring implicite fonctionne, vous devez que votre outil de marketing automation enregistre les actions du lead sur votre site. Cela requiert :
Le scoring ne fonctionne que si les ventes lui font confiance et agissent en conséquence. Cela requiert un accord explicite sur quel seuil de score convertit un lead en MQL et quelles actions l'équipe commerciale doit prendre à la réception.
L'alignement marketing-ventes autour du scoring est l'un des facteurs qui impacte le plus le résultat final. Sans lui, le modèle existe sur le papier mais ne change pas les comportements réels.
Un modèle de scoring non révisé devient obsolète. Chaque trimestre, vous devriez analyser :
Le scoring est un système vivant qui s'améliore avec le temps.
Le scoring n'est pas exclusif au B2B. Dans l'e-commerce et les entreprises B2C, les signaux d'intention sont les mêmes mais le cycle d'achat est beaucoup plus court :
En B2C, le scoring alimente la personnalisation : quel email envoyer, avec quelle offre, à quel moment.
Le lead scoring et l'optimisation de la conversion sont directement connectés. Un modèle de scoring bien calibré révèle exactement où l'entonnoir se rompt :
Les données du scoring informent également les tests A/B : si vous savez quel segment de leads a la plus grande intention, vous pouvez concevoir des expériences spécifiques pour ce segment et mesurer l'impact avec plus de précision.
Pour identifier quelles pages de votre entonnoir freinent la conversion de vos leads les plus qualifiés, vous pouvez commencer par un audit automatique sur Scan&Boost.
Si vous souhaitez construire un système de scoring connecté à une stratégie d'optimisation de l'entonnoir complet, découvrez notre service d'agence CRO.
Adrià Vidal est fondateur de Boost. +1 000 actions d'optimisation, +47,8 % de moyenne d'augmentation de conversion par client, +7,8 M€ de revenu additionnel généré.
Le CAC (Customer Acquisition Cost) mesure combien vous coûte chaque client. Apprenez à le calculer correctement, comprenez le ratio LTV/CAC et découvrez...
Le churn rate mesure combien de clients vous perdez sur une période. Apprenez à le calculer, découvrez les benchmarks par industrie et les stratégies...
Le data driven marketing n'est pas seulement avoir de beaux dashboards. C'est construire une culture où chaque décision marketing se fonde sur des...
