Hvad er deal score i HubSpot?

Sådan virker deal score i HubSpot

Deal score er en prædiktiv model, ikke en regel, I selv skriver. HubSpot træner den på kontoens egen historik af lukkede handler og bruger den til at estimere sandsynligheden for, at en åben handel ender som Closed Won. Resultatet er en procentværdi mellem 0 og 100, som ligger i en almindelig property og derfor kan bruges i visninger, lister, workflows og rapporter på lige fod med alle andre felter.

Modellen kigger på et fast sæt signaler fra selve handlen. HubSpots dokumentation for deal scores nævner beløbet og ændringer i det, close date og hvor mange gange den er flyttet, oprettelsesdatoen, hvor længe handlen har ligget i sit nuværende stadie, aktiviteter som opkald, e-mails og møder med de tilknyttede kontakter, ændringer i stadiets sandsynlighed, opdateringer af feltet Next step og skift af ejer. Det er altså både, hvad handlen er, og hvad der sker omkring den.

Har I buying signals slået til, kommer der flere signaler ind i beregningen. Det gælder sælgerens egen aktivitet, for eksempel overskredne opgaver og planlagte møder, og køberens engagement i form af åbninger og klik i e-mails samt indgående opkald. Buying signals findes allerede fra Starter i de fleste hubs, mens selve deal score fortsat forudsætter Professional.

Opdateringsrytmen er ikke realtid. Hurtige triggere som ændringer i opgaver, planlagte møder og stadiets sandsynlighed slår igennem inden for seks timer. Langsomme triggere som engagementshistorik og noter kan tage op til 48 timer. En nyoprettet handel får sin første score efter cirka 36 timer, i travle perioder op til 48, og en eksisterende score opdateres kun, hvis den nye beregning afviger med mindst tre procentpoint. Har handlens felter ikke ændret sig i to uger, genberegner HubSpot alligevel.

I brugerfladen står scoren tre steder: som kolonnen Deal Score i listevisningen af handler, i preview-panelet når I klikker en handel op, og på fanen Overview på selve recorden. I sales workspace ligger den i højrepanelet sammen med Deal Stage Tracker, guided actions og associations, og det er der, de fleste sælgere reelt møder den.

Klikker I ind på scoren, viser HubSpot de nøglefaktorer, der trækker op og ned, sammen med en graf over udviklingen. Den historik findes kun for scores, der er opdateret efter 21. marts 2024. På ældre handler står tallet uden forklaring, og det er en dårlig start, hvis scoren skal bruges i en samtale med en sælger.

Adgang og seats. Deal score kræver Sales Hub Professional eller Enterprise, alternativt Smart CRM Professional eller Enterprise. For at åbne detaljerne bag scoren skal brugeren desuden have et tildelt Sales seat, og sales workspace kræver samme seat. Har I ti brugere i CRM'et, men kun fire Sales seats, er det fire personer, der kan arbejde med scoren i praksis.

Deal score skal ikke forveksles med den manuelle scoring, I selv bygger. HubSpot lukkede den gamle property-type score for handler den 31. august 2025, og manuel scoring af handler og virksomheder ligger nu i det samlede scoringsværktøj. Her kan handler kun få en kombineret engagement- og fit-score, og engagementsdelen bygger på aktivitet fra de tilknyttede kontakter frem for på handlen selv, hvilket HubSpots oversigt over scoringsværktøjet beskriver.

Det, der typisk går galt, er datagrundlaget. Modellen har brug for en rimelig mængde afsluttede handler af begge slags, og i en virksomhed, der lukker 40 handler om året, bliver signalet tyndt. Opretter I først handlen, når kontrakten reelt er i hus, ser modellen aldrig en tabt handel og lærer intet. Og flytter sælgerne rutinemæssigt close date en måned frem hver måned, fodrer I modellen med præcis det mønster, den ellers skulle advare om.

Sidste mekaniske detalje overrasker flest. Når en handel først har været i Closed Won eller Closed Lost, stopper scoringen permanent. Den genoptages ikke, selv om I flytter handlen tilbage til et åbent stadie, og HubSpots eget svar er at klone handlen og arbejde videre på kopien. Genåbner I ofte tabte sager, mister I scoren på netop de handler, hvor et nyt bud på sandsynligheden ville være mest interessant.

Vi hjælper danske B2B-virksomheder med at få deal score til at betyde noget i praksis: rydde op i pipeline og close date, så modellen har et reelt grundlag, bygge de visninger og workflows, der får scoren ud til sælgerne i stedet for ind i en rapport, ingen åbner, og vurdere ærligt, om jeres handelsvolumen berettiger en prædiktiv model frem for en manuel score. Skal vi kigge på jeres opsætning sammen?

Hvad danske B2B-teams bruger deal score til

Tallet gør ikke noget i sig selv. Værdien opstår, når scoren styrer en fast arbejdsgang, og de arbejdsgange ligner hinanden på tværs af de danske B2B-virksomheder, vi arbejder med.

Ugens pipeline-gennemgang
Salgschefen sorterer åbne handler efter deal score i stedet for beløb og starter mødet i bunden af listen. Visningen tager fem minutter at bygge og kan deles med hele teamet. Har I 120 åbne handler, flytter det mødet fra at handle om de fem største sager til at handle om de tolv, der er ved at falde fra hinanden.

Tidlig advarsel om risiko
Et workflow lytter på fald i deal score og opretter en opgave til ejeren, når scoren falder mere end 15 point på en uge. Sales workspace har i forvejen en visning af stalled deals, der fanger handler, som har ligget 20 procent længere i et stadie end gennemsnittet. Tilsammen dækker de to den pludselige og den langsomme risiko.

Et forecast, der kan holdes op mod virkeligheden
De fleste forecast-modeller vægter kun efter stadiets sandsynlighed, som er et fast tal, nogen skrev ind i pipelinen for tre år siden. Rapporterer I stage probability og deal score side om side, ser I, hvor de to er uenige. En brugbar regel er at gøre differencen til dagsorden: alle handler i sidste stadie med en score under 40 skal begrundes mundtligt på salgsmødet.

Coaching og onboarding af nye sælgere
Nøglefaktorerne bag scoren viser, hvilken adfærd der trækker ned, typisk manglende næste skridt og lange huller uden aktivitet. En ny sælger kan bruge dem som tjekliste de første måneder. Det er også her, en salgschef opdager, om et helt team systematisk glemmer at booke næste møde, inden de forlader kunden.

Oprydning i pipeline
Handler med en score i bunden, som samtidig ikke har haft aktivitet i 60 dage, er kandidater til at blive lukket som tabt. En liste med de to kriterier og en fast månedlig gennemgang holder pipeline realistisk. Første gennemgang barberer typisk en pæn del af pipeline-værdien væk på papiret, og til gengæld bliver forecastet til at stole på.

Fordeling af handler mellem sælgere
Når to sælgere deler et distrikt, kan scoren afgøre, hvem der får hvilke handler tilbage i spil efter en ferie eller en opsigelse. Ejerskifte er i øvrigt selv et signal i modellen, så forvent at scoren rykker sig i dagene efter en omfordeling.

Ledelsesrapportering
En rapport, der viser pipeline fordelt på score-intervaller måned for måned, siger mere om kvaliteten af pipeline end den samlede værdi. De færdige performance-rapporter for scores kræver Enterprise, mens historikken på den enkelte handel følger med fra Professional.

Fælles for anvendelserne er, at scoren aldrig træffer beslutningen. HubSpot skriver selv, at deal scores er til information og ikke bør stå alene, og det er den rigtige holdning: modellen kender ikke mødet, sælgeren havde i går, og den ved ikke, at kundens indkøbschef er sagt op. HubSpots vejledning til sales workspace beskriver, hvordan scoren, deal insights og guided actions vises samlet, og det er den kombination, sælgerne bør arbejde i til daglig.

Alternativer, priser og begrænsninger

Spørgsmålet er sjældent, om I skal have en score på jeres handler, men om den skal komme fra HubSpots model, fra en regel I selv skriver, eller fra et andet CRM. Fem realistiske alternativer er værd at holde op mod hinanden.

HubSpots egen manuelle scoring
Scoringsværktøjet lader jer bygge en kombineret engagement- og fit-score på handler med jeres egne kriterier og pointtal. Fordelen er, at I kan forklare hvert eneste point, og at scoren virker fra dag et uden historik. Ulempen er, at den ikke lærer noget: den vægter, som I gættede den dag, I byggede den. Værktøjet følger med i Sales Hub Professional og Enterprise, altså samme tiers som deal score, så valget handler om tillid til modellen, ikke om pris.

Salesforce Sales Cloud
Einstein Opportunity Scoring er den nærmeste pendant og bygger også på kontoens egen historik. Pr. september 2026 koster Sales Cloud Core 195 USD pr. bruger pr. måned ved årlig betaling, Advanced 395 USD og Max 550 USD, mens Pro Suite ligger på 100 USD, jf. Salesforces prisoversigt for Sales Cloud. På Core er lead scoring og predictive forecasting tilkøb, så et setup, der matcher HubSpot Professional, ender højere end listeprisen antyder.

Microsoft Dynamics 365 Sales
Prædiktiv scoring af muligheder ligger i Sales Premium, som pr. september 2026 koster 150 USD pr. bruger pr. måned ved årlig betaling, mod 105 USD for Sales Enterprise og 65 USD for Sales Professional. Premium indeholder desuden 1.000 Copilot-credits pr. bruger pr. måned. For en virksomhed, der allerede kører Business Central og Microsoft-identiteter, er integrationen det stærkeste argument, mens marketingsiden kræver et separat produkt.

Pipedrive
Pipedrive er billigere og enklere. Pr. september 2026 koster Lite 14 USD, Growth 39 USD, Premium 59 USD og Ultimate 79 USD pr. sæde pr. måned. Til gengæld er sandsynlighed i Pipedrive noget andet end en model: Pipedrives dokumentation for probability beskriver, at tallet sættes manuelt pr. stadie eller pr. handel, og at handlens eget tal vinder over stadiets. Det er en vægtning, ikke en forudsigelse.

Et beregnet felt eller et BI-lag
Nogle bygger deres egen score som en calculation property i HubSpot eller i Power BI oven på et dataudtræk. Det giver fuld kontrol over logikken og kan trække data ind, som HubSpot ikke kender, for eksempel dækningsbidrag fra ERP-systemet. Prisen er vedligehold. En formel uden ejer er forkert inden for et år, og så er den værre end ingen score.

HubSpots styrke er, at scoren er der uden opsætning, at den ligger i samme feltmodel som alt andet og derfor kan bruges i workflows med det samme, og at den ikke koster ekstra oven i licensen. HubSpot taber, når I skal kunne forklare præcis hvorfor en score ser ud, som den gør, over for en kunde eller en revisor, og når forretningen har for få lukkede handler til, at en model overhovedet giver mening. Under cirka 100 afsluttede handler om året giver en gennemtænkt manuel score som regel mere end en prædiktiv.

Prisen for adgangen er prisen på Sales Hub. Pr. september 2026 koster Sales Hub Professional 90 USD pr. sæde pr. måned ved årlig betaling og 100 USD ved månedlig betaling, mens Enterprise starter ved 150 USD pr. sæde pr. måned, jf. HubSpots prisside for Sales Hub. Oven i kommer et obligatorisk onboarding-gebyr på 1.500 USD for Professional og 3.500 USD for Enterprise. Starter, der koster 7 USD pr. sæde pr. måned ved årlig betaling, giver ikke deal score.

Sædemodellen afgør, hvor mange der reelt får glæde af funktionen. Selve tallet kan stå i en visning, men detaljerne bag det og hele sales workspace kræver et tildelt Sales seat. Core seats og view-only seats rækker ikke. I praksis skalerer prisen med antallet af sælgere, ikke med antallet af handler, og det er den regning, der skal holdes op mod værdien.

De færdige performance-rapporter for scores, der viser fordelingen af scores og udviklingen over tid på tværs af porteføljen, er forbeholdt Enterprise. På Professional får I historikken på den enkelte handel og kan selv bygge rapporter oven på property'en, men ikke det færdige overblik.

De hårde grænser er værd at kende, inden I bygger processer oven på scoren. Nøglefaktorer og historik findes kun for scores opdateret efter 21. marts 2024. En ny handel står uden score i op til 48 timer. Opdateringer springes over, hvis afvigelsen er under tre procentpoint, så små bevægelser er usynlige. Og en handel, der har været lukket, får aldrig sin score tilbage.

Ud over at slå funktionen til kræver det arbejde med data. Pipelinen skal afspejle, hvordan I faktisk sælger, close date skal vedligeholdes, og handler skal oprettes tidligt nok til, at både de vundne og de tabte findes i systemet. Uden det måler scoren mest af alt, hvor flittigt sælgerne opdaterer CRM'et.

I dansk og europæisk sammenhæng er to forhold relevante. HubSpot kan hoste data i EU-datacentret i Frankfurt, men kontoen tildeles datacenter ud fra IP-adressen ved oprettelsen, og analyse- og forbrugsdata overføres til USA uanset hvad, hvilket HubSpots FAQ om cloudinfrastruktur og datahosting beskriver. Dertil kommer, at scoren bygger på aktivitet fra navngivne kontaktpersoner og dermed på personoplysninger.

Det gør profilering til et emne, I skal have styr på. Datatilsynets vejledning om markedsføring og profilering forudsætter et gyldigt behandlingsgrundlag, i praksis samtykke eller interesseafvejning, og den registrerede kan gøre indsigelse. At der er tale om B2B-salg til virksomhedskontakter, gør ikke reglerne irrelevante, og scoren bør derfor fremgå af jeres fortegnelse over behandlingsaktiviteter på linje med anden profilering.

Deal score kan ikke betale sig i tre situationer: I lukker for få handler til, at en model har noget at lære af, jeres salg er transaktionelt med korte forløb, hvor sælgeren har overblikket i hovedet, eller I har ikke Sales seats nok til, at de rigtige personer kan se detaljerne. I de tilfælde er en manuel score eller en simpel aktivitetsregel både billigere og mere ærlig. Er I i tvivl om, hvor jeres opsætning står, kan I starte med vores gennemgang af HubSpot som platform og de områder, vi hjælper danske virksomheder med.