Lead Scoring 不是把每次 Click 都換成分數，而是把理想客戶特徵、購買意圖、互動新鮮度與銷售可接手條件轉成一致規則。LeadsTech 在設計評分模型時，會先以過往商機與銷售回饋驗證哪些訊號真正代表可跟進的機會，再設定分數與交接門檻。好的模型能幫助 Marketing 聚焦培育、Sales 優先跟進；壞的模型只會製造大量高分但沒有商機價值的 MQL。
1. 本文重點精華（TL;DR）
- 先由 Marketing 與 Sales 共同定義 Ideal Customer Profile、關鍵行為、排除條件和銷售交接承諾。
- 把 Demographic/Firmographic Fit 與 Behavioral Engagement 分開計分，再用門檻或矩陣決定 MQL。
- 高意圖行為應比低承諾互動更有權重；加入負分、頻率上限與 Score Decay，避免舊互動永久放大。
- 在 Marketo 集中管理 Smart Campaign、Score Token、資格與路由，並以商機結果持續校準。
2. Lead Scoring 解決甚麼問題？
企業資料庫通常同時包含學生、求職者、合作夥伴、早期研究者與正在比較方案的買家。若只以表單提交或總分判斷，Sales 會收到大量不適合或未成熟的名單。評分模型的目的，是回答兩個不同問題：這個人或公司是否符合目標市場（Fit）？近期行為是否顯示足夠興趣與意圖（Engagement/Intent）？兩者同時成立，交接才有意義。
3. 五個 Lead Scoring 模型構件
1. Fit：是否值得投入銷售資源
Fit 可包括 Industry、Company Size、Revenue、Region、Job Function、Seniority、Customer Type 或產品適用條件。每項分數要能對應 Ideal Customer Profile，而非「資料有填就加分」。學生、競爭者、非服務地區、個人 Email 或不支援的公司規模，可用負分或排除旗標處理；若資料可信度不足，應標示 Unknown，不要猜測成高分。
2. Behavior：互動深度
Behavior 反映可觀察活動，例如內容下載、Webinar 出席、產品頁瀏覽、Email Click、活動面談或回訪。權重要按購買訊號強弱排序：Request Demo 或 Contact Sales 可直接接近交接門檻，Pricing Page 與產品比較頁屬中高意圖，單次 Email Open 則不宜給予過高分數。相同行為是否可重複得分，也要按商業意義設定頻率上限。
3. Intent：情境與時機
相同 Click 在不同情境下價值不同。短期內多次瀏覽方案頁、不同決策角色來自同一 Account、參加產品 Demo 後查看價格，通常比零散內容閱讀更接近購買。可用時間窗口、頁面類型、Program Status 或 Account 訊號建立 Intent 層，但應先從能解釋、能驗證的規則開始。
4. Negative Scoring 與 Decay
退訂、無效 Email、求職頁瀏覽、競爭者、長期不活躍或 Sales Disqualified 都可能降低分數。Score Decay 讓舊互動隨時間失去影響，避免一年前的活動把 Lead 永久留在高分。負分不是懲罰，而是反映「目前不應優先跟進」。永久不合資格的情況則宜用 Qualification Flag，不應只靠分數慢慢下降。
5. Threshold：何時成為 MQL
單一總分門檻最易建置，但可能讓低 Fit、高互動的 Lead 誤入 MQL。較穩健的做法是設定最低 Fit 與 Behavior 門檻，例如 Fit ≥ 30 且 Behavior ≥ 50，並加入 Consent、Region、Valid Contact、Not Customer 等必要條件。不同市場或產品週期若差異很大，可先共用架構，再調整權重與門檻。
4. Fit 與 Behavior 為何要分開？
分開後，Marketing 才能採取不同動作：高 Fit、低 Behavior 進入培育；低 Fit、高 Behavior 可自助服務或暫不交接；高 Fit、高 Behavior 才優先送 Sales；兩者皆低則降低溝通頻率。即使最後保留一個總 Score，也建議另外保存 Fit Score、Behavior Score 與 Qualification Reason，讓路由及分析可被解釋。
5. 在 Marketo Engage 如何建置？
建立獨立 Operational Program 管理 Demographic、Behavior、Decay、Threshold 與 Reset，不要把 Change Score 分散在每個活動。使用 Smart Campaign 偵測行為或資料變更，以 Score 類型的 My Token 集中保存權重；需要共用流程時，可由父 Campaign 傳入 Token，再執行中央評分流程。每個 Campaign 應有清晰 Smart List、Qualification Rule、Flow 與命名，並用測試 Lead 檢查 Activity Log。
Demographic 資料變更時，要避免相同屬性反覆加分；Behavior 則需決定每次、每天一次、Program 內一次或全生命週期一次。另設 Operational Smart Campaign 處理 MQL 時間戳、原始門檻、最新 Qualification Reason、Lifecycle Stage、Owner 與 Alert，確保同一 Lead 不會因每次小幅加分重複交接。
6. MQL 門檻與銷售交接流程
MQL 不應只有一個分數。交接資料至少包括觸發原因、最近關鍵活動、相關內容／產品、Fit 摘要、Consent、建議 Follow-up 與回覆時限。Sales 必須可回傳 Accepted、Working、Disqualified、Recycle 及原因；Marketing 再依 SLA 處理逾時、退回與重新培育。若沒有回饋欄位，模型便無法知道錯在哪裡。
假設情境：B2B SaaS 評分模型
假設目標客戶為亞太區 200 人以上企業的 IT 或 Digital 主管。Director 以上 +15、目標產業 +10、公司規模 +10；Request Demo +50、Pricing Page +15、Webinar Attended +12、一般內容下載 +5；90 天無互動 -10，求職者 -50。MQL 條件為 Fit ≥ 25、Behavior ≥ 40、可服務地區且有有效聯絡資料。試跑四週後若 Demo Lead 多數成為商機但 Webinar Lead 常被退回，便應調整門檻或培育路徑，而不是單純增加所有分數。
7. 驗證與持續校準
建立 Scoring Feedback Loop
上線前以過去三至六個月資料回測：高分群的 MQL-to-SQL、SQL-to-Opportunity 是否明顯較高？不同 Segment 是否被同一規則偏置？上線後每月看 MQL 量、接受率、退回原因、首次跟進時間與分數分布，每季把 Closed Won/Lost 結果帶回模型。調整時一次只改少量規則、記錄版本與生效日，才能辨識影響。
8. Marketo Lead Scoring 檢查清單
- ICP、關鍵行為、排除條件與 MQL 定義是否由 Marketing、Sales 共同確認？
- Fit、Behavior、Intent、負分與 Decay 是否各有明確商業理由？
- 高頻行為是否設上限，低可信訊號是否避免過度加分？
- 評分 Campaign 與 Token 是否集中管理、可測試、可稽核及可回復？
- MQL 是否同時檢查門檻、Consent、Region、有效聯絡資料與生命週期？
- Sales 是否能收到 Qualification Reason 並回傳接受、退回與原因？
- 是否追蹤接受率、商機轉換、跟進時間、分數分布與 Segment 偏差？
- 是否設定月度監察、季度校準、版本紀錄及模型擁有人？
9. 常見問題（FAQ）
Lead Score 應該設定為 0–100 嗎？
不一定。分數尺度本身沒有價值，重點是相對權重、門檻與結果可驗證。選擇容易理解和維護的尺度即可。
Email Open 是否應該加分？
可作弱訊號或不計分。Open 受隱私與預載影響，通常不應比 Click、Form、Demo 或高意圖頁面更重要。
一個總分是否足夠？
小型模型可先用總分，但至少保留 Fit、Behavior 與 Qualification Reason，否則無法解釋高分來源或設計差異化培育。
多久應重新校準模型？
上線初期每月檢視、每季正式校準；市場、產品、路由或銷售策略重大改變時，應另行啟動評估。
Sales 不認同 MQL，應該提高門檻嗎？
先分析退回原因。若問題是 Fit、資料缺失、跟進逾時或定義不同，只提高總分可能掩蓋真正原因。
10. 結語
有效的 Marketo Lead Scoring 模型，是 Marketing 與 Sales 對「值得跟進」的共同語言。把 Fit、行為、意圖、時間與排除條件拆開，集中建置並以商機結果校準，分數才會成為決策工具，而非漂亮但不可解釋的數字，也能讓團隊持續建立信任。如需評估模型或落實 Marketo 營運，可透過下方 CTA 了解 LeadsTech 的 Adobe Marketo Engage 解決方案及營銷自動化服務。
延伸閱讀
- B2B Marketing Automation 完整指南：把評分放回完整培育與轉換流程。
- Marketing Automation vs CRM：差異與整合：釐清評分、路由與銷售跟進責任。
- 甚麼是 Marketing Automation？：延伸理解自動化、培育與啟用流程。
- 如何選擇 Marketing Automation 平台？：了解平台選型與營運評估思路。
相關文章
企業 AI MarTech 趨勢分析 2024-2029 年展望報告
從 AI 內容生產力工具，轉變為營收成長與行銷轉型的核心引擎
白皮書 PDF 將寄送至您的信箱。
郵件格式錯誤
請輸入有效的電子郵件地址。
謝謝！
白皮書已發送至您的收件匣。如果您沒有看到，請檢查垃圾郵件或促銷內容資料夾。
