Hvad er lead scoring i HubSpot?

Sådan virker lead scoring i HubSpot

Værktøjet findes under Marketing og Lead Scoring i portalen og arbejder på tre objekttyper. Kontakter kan kun scores med Marketing Hub, deals kun med Sales Hub, og virksomheder kan scores fra begge. Det lyder som en detalje, men det afgør i praksis, hvilken licens I skal have for at bygge den model, I egentlig vil have. Har I kun Sales Hub Professional, kan I ikke score jeres kontakter, uanset hvor meget adfærdsdata der ligger på dem. HubSpots dokumentation for lead scoring-værktøjet lister kombinationerne felt for felt.

Der findes tre typer scores. En engagement-score giver point for handlinger: sidevisninger, tilmelding til nyhedsbrev, klik på en CTA, åbning af en marketingmail. En fit-score giver point for stamdata: jobtitel, antal ansatte, omsætning, land. En kombineret score lægger de to sammen, og den er kun tilgængelig med Marketing Hub Enterprise. Når I opretter en kombineret score, laver HubSpot automatisk tre properties, en for totalen, en for engagement alene og en for fit alene, så I kan filtrere på dem hver for sig.

Selve modellen bygges i score-grupper. Hver gruppe indeholder et antal kriterier med hvert sit pointtal, og gruppen kan have sit eget loft, så fem sidevisninger ikke giver fem gange så mange point som én. Oven på grupperne ligger et samlet loft for hele scoren. Når I aktiverer eller ændrer en score, evaluerer HubSpot jeres records bagud, så I ikke starter forfra på en database, der allerede har historik.

Score decay. Engagement-point kan sættes til at falde over tid. Uden decay vokser scoren kun opad, og listen over høje scores fyldes langsomt med folk, der ikke har rørt jer i et halvt år.

Scoren gemmes som en property, og det er hele pointen. Den kan bruges som betingelse i en liste, som enrollment-trigger i et workflow, som kolonne i en saved view, som filter i en rapport og som input til leadrouting. Når scoren først ligger som et tal på recorden, behøver resten af automatiseringen ikke vide noget om, hvordan tallet er beregnet, og det betyder i praksis, at I kan skrue på modellen uden at røre de tredive workflows, der reagerer på den, hvilket er forskellen på en opsætning der kan vedligeholdes og en der bliver låst fast, fordi ingen tør ændre noget.

Oven på tallet kan I lægge tærskler, der oversætter det til noget en sælger kan handle på. En enkelt score deles i Høj, Mellem og Lav. En kombineret score bruger en matrix fra A1 til C3, hvor bogstavet dækker fit og tallet dækker engagement. En A3 er dermed en virksomhed, der passer perfekt, men er stille, mens en C1 er en meget aktiv kontakt, der ikke ligner jeres kunder.

Prædiktiv lead scoring. Ved siden af de regelbaserede scores har HubSpot en machine learning-model, der beregner sandsynligheden for, at en åben kontakt bliver kunde inden for 90 dage. Den kræver Marketing Hub Enterprise eller Sales Hub Enterprise og fylder to properties, Likelihood to close som en procent mellem 0 og 100, og Contact priority som en relativ rangering. Modellen trækker på webanalytics, mailengagement, CRM-aktivitet og firmografiske data. HubSpots beskrivelse af prædiktiv lead scoring kalder den selv en blackbox, og de to properties kan ikke redigeres manuelt.

Værktøjet har fået flere ændringer i løbet af 2026. Den 3. juli 2026 begyndte HubSpot at foreslå scoringsregler baseret på portalens egen konverteringshistorik, med et konfidensniveau og et pointtal, I kan tilføje med ét klik. Samme opdatering gav filtrering af score-historikken på 30 dage, 90 dage, et år eller hele perioden, dog kun for aktivitet registreret fra 1. juni 2026 og frem, og en visningstilstand, der beskriver reglerne i almindeligt sprog i stedet for i editorens felter.

Har I haft HubSpot i nogle år, ligger der sandsynligvis stadig noget efter den gamle model. Den oprindelige HubSpot Score-property holdt op med at blive opdateret 31. august 2025, og alt hvad der pegede på den, lister, workflows og rapporter, skulle flyttes over på de nye score-properties. Vi ser stadig portaler, hvor et enkelt gammelt workflow kigger på en property, der ikke har ændret værdi i over et år.

Det der typisk går galt. Den hyppigste fejl er for mange kriterier med for små pointtal, så scoren bliver et jævnt tal uden spredning, og ingen kan se forskel på 41 og 47. Den næsthyppigste er, at ingen nogensinde holder scoren op mod de deals, der faktisk blev vundet. En model, der ikke er kalibreret mod udfaldet, er en holdning skrevet i point. Den tredje er at score på formularudfyldelser alene, hvilket belønner nysgerrige studerende og jobsøgende lige så højt som en indkøber.

Start derfor smalt. Fem til otte kriterier, tydelige pointspring, decay slået til, og en fast aftale om at se scoren efter i sømmene hvert kvartal ved at sammenholde de vundne deals med den score, kontakten havde, da salget tog fat. HubSpots vejledning i at administrere lead scores beskriver, hvordan I kan slukke en score uden at miste den sidst kendte værdi på jeres records.

Vi sætter lead scoring op i HubSpot fra bunden: kriterier, score-grupper, decay, tærskler og de workflows, der skal reagere på scoren, så modellen rent faktisk flytter noget i sælgernes hverdag. Har I allerede en model, holder vi den op mod de handler, I har vundet det seneste år, og fjerner de kriterier, der ikke forudsiger noget. Skriv til os, så kigger vi på jeres portal og siger ærligt, om I har leadvolumen nok til, at det kan betale sig.

Hvad danske B2B-teams bruger lead scoring til

De fleste danske B2B-virksomheder har ikke leads nok til at have råd til at ignorere nogen, og heller ikke sælgere nok til at ringe til alle. Lead scoring bruges derfor sjældent til at sortere leads fra. Det bruges til at bestemme rækkefølgen og til at give marketing og salg en fælles definition, de kan diskutere på data i stedet for på fornemmelser. De syv anvendelser nedenfor er dem, vi oftest bygger for danske kunder.

Leadrouting til den rigtige sælger
Scoren afgør, om et lead går direkte til en sælger eller først i et plejespor. Kriterierne sættes op, så fit-delen bestemmer hvilket team, og engagement-delen bestemmer hastigheden. Et rådgivningshus med fire konsulenter lader alt over 70 point med branche lig med byggeri gå til den konsulent, der har byggesegmentet, med en opgave der forfalder inden for fire timer.

En MQL-definition, der kan forsvares
I stedet for at kalde enhver formularudfyldelse for en MQL kobles lifecycle stage til en pointgrænse. Marketing og salg aftaler tærsklen sammen og skriver den ind i et workflow. En dansk SaaS-virksomhed flyttede grænsen fra 40 til 60 point efter et kvartal, hvor salget meldte tilbage på hver eneste afviste MQL. Antallet af MQL'er faldt med en tredjedel, mens andelen der blev til et møde steg.

Prioritering i sælgerens arbejdsdag
Scoren sættes ind som sorteringskolonne i en saved view, så sælgeren åbner CRM'et og ser sin egen liste i den rækkefølge, den skal ringes igennem. Hos en grossist med to indendørssælgere blev netop den view erstatning for et regneark, der blev opdateret manuelt hver mandagformiddag.

Segmentering af marketingmails
Aktive lister bygget på scoreintervaller giver tre forskellige mails i stedet for én. De lave scores får indhold, der forklarer problemet, mellemgruppen får cases, og de høje får en konkret invitation. En producent af måleudstyr sender kun demoinvitationen til kontakter over 55 point, fordi åbningsraten på den mail faldt mærkbart, da den gik til hele listen.

Genaktivering af kolde emner
Med decay slået til kan I bygge et workflow, der reagerer på, at en score falder under en grænse, i stedet for at den stiger. Det fanger kontakter, der var varme for tre måneder siden og er gået i stå. En it-leverandør kører en kort sekvens på netop den gruppe hvert kvartal og henter typisk to til tre mødebookinger ud af den.

Account-prioritering på virksomhedsniveau
Når flere personer fra samme virksomhed er aktive, siger en kontaktscore for lidt. En virksomhedsscore samler adfærden på tværs af de tilknyttede kontakter, så tre mellemledere, der hver kigger lidt, vejer tungere end én person, der klikker meget. Det er særligt brugbart i salg til større danske koncerner, hvor beslutningen tages af fire til seks personer.

Deal-scoring i pipelinen
Med Sales Hub kan scoren lægges på selve dealen og bruges til at vurdere, hvilke åbne handler der reelt lukker i kvartalet. Kriterierne er typisk aktivitet fra kunden, antal involverede kontakter og hvor længe dealen har stået i samme stage. Det giver salgschefen en anden samtale på pipeline-mødet end den, der bygger på sælgerens eget gæt.

Fællesnævneren er, at scoren aldrig står alene. Den er et input til et workflow, en liste eller en rapport, og værdien opstår først i det, der sker bagefter. En score, ingen automatisering reagerer på, holder præcis en måned, og så er der ingen der åbner den kolonne mere.

Alternativer, priser og begrænsninger

Lead scoring er ikke enestående for HubSpot, og for nogle virksomheder er den rigtige løsning et andet system, en tredjepartsmodel eller slet ingen model. Priserne herunder er listepriser, som de så ud i august 2026, i den valuta leverandøren selv oplyser. De ændrer sig ofte, så brug dem til at sammenligne størrelsesorden og ikke til at budgettere.

Salesforce Sales Cloud med Einstein
Salesforce har regelbaseret scoring i platformen og prædiktiv scoring gennem Einstein. Styrken er dybden i modellen, og at den kan bygges på næsten alle objekter, også custom objects. Svagheden for en dansk SMV er prisen, og at scoringen kræver konfiguration af nogen, der kan Salesforce. Pr. august 2026 ligger Sales Cloud på cirka 85 USD pr. bruger pr. måned for Starter, 165 USD for Professional, 330 USD for Enterprise og 500 USD for Unlimited, mens Einstein til salg typisk sælges som et tillæg omkring 50 USD pr. bruger pr. måned.

Pipedrive
Pipedrive er et salgsfokuseret CRM, der er markant billigere og hurtigere at komme i gang med. Der er ikke en fuld lead scoring-motor som HubSpots, men AI-baseret deal scoring følger med fra Premium. Pr. august 2026 er listepriserne ved årlig betaling cirka 14 USD pr. sæde pr. måned for Lite, 39 USD for Growth, 49 USD for Premium og 79 USD for Ultimate. Er jeres behov at rangere åbne handler og ikke at score marketingadfærd, er det et reelt alternativ til en HubSpot-opgradering.

Zoho CRM
Zoho har scoring rules og den prædiktive Zia-model, men begge dele ligger først på Enterprise. Priserne pr. august 2026 er cirka 14 EUR pr. bruger pr. måned for Standard, 23 EUR for Professional, 40 EUR for Enterprise og 52 EUR for Ultimate ved årlig betaling. Det gør Zoho til det billigste sted at få rigtig scoring, hvis I kan leve med et system, der har færre danske partnere og et mindre økosystem af færdige integrationer.

ActiveCampaign
ActiveCampaign er en marketing automation-platform med kontakt- og deal-scoring på tværs af planerne. Pr. august 2026 starter Starter omkring 15 USD pr. måned ved 1.000 kontakter, Plus omkring 49 USD, Pro omkring 79 USD og Enterprise omkring 145 USD, og prisen stiger med listens størrelse. Til en virksomhed, der primært laver e-mailmarketing og ikke har et egentligt salgsteam i systemet, er det billigere end Marketing Hub Professional. Til gengæld får I ikke det samlede CRM under samme tag.

MadKudu
MadKudu er en tredjepartsmodel, der lader HubSpot eller Salesforce blive ved med at være CRM, mens scoringen sker udenfor på et større datagrundlag. Det er relevant for virksomheder med meget høje leadvolumener, hvor forskellen mellem en middelmådig og en god model kan gøres op i årsværk. Prisen er tilbudsbaseret og ligger langt over HubSpots eget værktøj. Indkøbsplatformen Vendr angiver en median årlig kontrakt omkring 33.600 USD, hvilket for de fleste danske SMV'er lukker diskussionen.

Number property og workflows i HubSpot selv
Det oversete alternativ er at bygge scoren manuelt med en talproperty og en række workflows, der lægger til og trækker fra. Det giver AND- og OR-logik, som scoringsværktøjet ikke har haft, og fuld kontrol over regnestykket. Prisen er, at logikken ligger spredt i mange workflows, som ingen tør røre om et år, og at det stadig kræver Professional, fordi workflows selv kræver Professional.

HubSpot vinder på nærhed. Scoren bor i samme system som formularer, mails, lister, deals og rapporter, og der er ingen synkronisering, der kan gå i stå. Den taber, når modellen skal være kompleks. Har I brug for at score på custom objects, at vægte flere datakilder mod hinanden, eller at køre en statistisk model, I selv kan inspicere, er HubSpots værktøj for lukket, og så er enten Salesforce eller en dedikeret model det rigtige.

På prissiden er det afgørende, at lead scoring først dukker op på Professional. Pr. august 2026 koster Marketing Hub Professional 800 USD pr. måned ved årlig betaling eller 890 USD ved månedlig, med tre core seats, 2.000 marketing contacts og et engangsgebyr på 3.000 USD for onboarding. Marketing Hub Enterprise ligger på 3.600 USD pr. måned med fem seats og 10.000 marketing contacts, plus 7.000 USD i onboarding. Tallene stammer fra HubSpots egen prisguide for Marketing Hub.

Sales Hub prissættes derimod pr. sæde. Pr. august 2026 er Professional cirka 90 USD pr. sæde pr. måned ved årlig betaling med 1.500 USD i onboarding, og Enterprise cirka 150 USD pr. sæde med 3.500 USD i onboarding ifølge HubSpots prisguide for Sales Hub. Forskellen betyder noget i praksis. Skal I score kontakter, betaler I en fast månedlig pris uanset antal brugere, og skal I score deals, betaler I pr. sælger. Et team på otte sælgere, der kun har brug for deal-scoring, kommer hurtigere op i pris end en marketingafdeling på to.

Af hårdere grænser er der tre, der oftest generer. Pointlofterne var længe 100 point på Professional og 500 på Marketing Hub Enterprise. HubSpots produktteam har meldt ud i communityet, at loftet er hævet markant, men tallet står ikke i den officielle dokumentation, så tjek det i jeres egen portal, før I designer en model med fine pointspring. Score-historikken rækker kun tilbage til juni 2026, så I kan ikke gå tilbage og forstå, hvorfor en score så ud som den gjorde sidste år. Og betinget logik med AND på tværs af kriterier har været undervejs som beta i stedet for at være en fast del af værktøjet, hvilket er præcis den mangel, der sender folk over i workflow-løsningen.

Der er også en juridisk side, som sjældent bliver nævnt i produktdemoer. Lead scoring er profilering i databeskyttelsesforordningens forstand, fordi I automatisk vurderer personer ud fra deres adfærd. I B2B får en score sjældent retsvirkning for en person, men artikel 22 om automatiske individuelle afgørelser sætter grænsen ved afgørelser, der alene er baseret på automatisk behandling og har væsentlig betydning for den enkelte. Skriv scoringen ind i jeres fortegnelse over behandlingsaktiviteter og nævn den i privatlivspolitikken, så I ikke skal finde ud af det, når nogen først spørger.

Datalokationen er den anden ting, en dansk databehandleraftale skal have styr på. HubSpot hoster kundedata i EU med datacenter i Tyskland samt i USA, Canada og Australien, og portalen tildeles automatisk et datacenter ud fra IP-adressen ved oprettelsen. Betalende kunder kan få portalen migreret bagefter. Bemærk dog, at HubSpots dokumentation om datacentre og hosting selv nævner, at analytics- og brugsdata overføres til USA, og at support kan tilgå data fra andre regioner. Detaljerne om kontroller og certificeringer ligger i HubSpots sikkerhedsprogram. Selve scoren beregnes på data, I allerede har i portalen, så den tilføjer ikke nye datastrømme, men den gør eksisterende adfærdsdata mere følsomme, fordi de nu bruges til en vurdering.

Til sidst det ubehagelige spørgsmål: hvornår kan det ikke betale sig. Har I under cirka 50 nye leads om måneden, kan jeres sælgere nå dem alle sammen, og en score løser et problem, I ikke har. Er jeres data tynde, fordi felterne på kontakterne stort set er tomme, har fit-scoren intet at regne på. Og springer I fra Starter til Professional udelukkende for at få scoring, betaler I en betydelig månedlig merudgift for en funktion, et regneark ville dække i et år mere. Vi anbefaler jævnligt kunder at vente. Når tidspunktet er der, hjælper vi med opsætning og drift af HubSpot og med at kalibrere modellen mod de deals, I faktisk vinder. Vil I forstå den maskinlæringsbaserede variant, har vi beskrevet AI lead scoring som begreb.