핵심 요약
리드의 구매 가능성을 수치화하는 평가 체계.
정의
리드 스코어링(Lead Scoring)은 리드의 속성(산업·직급·회사 규모 등)과 행동(콘텐츠 소비·이메일 오픈·가격 페이지 방문)에 점수를 부여해 구매 가능성을 수치화하는 방법이다. 일정 점수 이상이면 MQL로 자동 전환된다.
왜 중요한가 (B2B 엔지니어링 기업 관점)
B2B 엔지니어링 기업에게 리드 스코어링이 중요한 이유:
- 영업 우선순위 자동 설정: 수백 건 리드 중 누구에게 먼저 연락할지 결정해준다.
- 타이밍 포착: 점수 급상승 리드는 “지금 구매 준비 중” 신호다.
- 데이터 기반 합의 도구: 영업-마케팅 리드 전달 기준이 객관화된다.
엔지니어링 제품은 구매 여정이 길고 리드마다 맥락이 다르다. 스코어링 없이는 “누가 지금 진짜 관심 있는지” 판별이 주관적이다.
퍼널해커의 관점
퍼널해커는 리드 스코어링을 “복잡한 점수 수학”이 아니라 “명확한 신호 포착”으로 본다.
스코어링 체계는 단순할수록 좋다. 100개 항목으로 점수를 매기면 유지 관리 불가능이다. 퍼널해커는 핵심 10~15개 신호만으로 스코어링 체계를 구성한다.
또한 스코어는 “가산점”과 “감점”을 모두 갖는다. 90일 이상 비활동은 감점이다. 감점 없는 스코어는 과대평가된다. 퍼널해커는 가산점과 감점 비율을 7:3으로 설계하며, 최소 분기 1회 실제 전환 데이터와 대조해 보정한다.
흔한 오해
- ❌ “점수가 높으면 SQL”: 높은 점수는 “관심 강도”일 뿐. 구매 권한과 별개다.
- ❌ “스코어링 모델은 한번 만들면 끝”: 최소 분기마다 실제 전환 데이터로 보정해야 한다.
실전 적용 시 주의점
- 실제 “클로즈된 딜”의 스코어링 이력을 역추적해 모델을 보정한다.
- 행동 점수는 “최근성(recency)“을 반영한다. 6개월 전 방문과 어제 방문을 같게 보면 안 된다.
- ICP 적합도(핏 스코어)와 행동 점수를 분리 관리한다.
실전 예시
사례 1: 클라우드 보안 기업의 행동 기반 스코어링 제로 트러스트 보안 기업이 핵심 행동 신호 12개(가격 페이지 방문, 사례 연구 열람, 데모 요청 등)로 스코어링 모델을 구축했다. 70점 이상 리드를 자동 MQL로 전환한 결과, 영업 팀의 첫 미팅 성공률이 35%에서 58%로 상승했다.
사례 2: 산업 자동화 기업의 핏+행동 분리 스코어 PLC 프로그래밍 기업이 ICP 적합도 점수(산업·규모·직급)와 행동 점수(콘텐츠 소비·이메일 반응)를 분리 관리했다. 핏 점수 높고 행동 점수 낮은 리드에게는 맞춤 너처링을, 행동 점수 높고 핏 점수 낮은 리드는 영업 접촉 대상에서 제외해 리소스 낭비를 방지했다.
자주 묻는 질문
Q: 리드 스코어링을 시작하려면 데이터가 얼마나 필요한가? A: 최소 클로즈된 딜 20~30건의 이력 데이터가 있으면 초기 모델을 만들 수 있다. 데이터가 부족하면 영업 팀의 경험적 판단을 규칙화하고, 데이터가 쌓이면서 점진적으로 보정하는 방식이 현실적이다.
Q: 스코어링 모델은 얼마나 자주 업데이트해야 하나? A: 최소 분기 1회, 이상적으로는 월 1회 실제 전환 데이터와 대조해 보정한다. 시장 환경이 바뀌면 스코어링 기준도 함께 바뀌어야 한다.
관련 용어
- MQL vs SQL — 스코어링이 결정하는 구분
- 마케팅 오토메이션 — 스코어링 실행 인프라
- BANT — 스코어링의 질적 보완
- CRM — 스코어 저장·활용 기반
더 읽기
- 서비스: Predictable Growth Engine — 리드 스코어링 모델 설계
- 플레이북 — B2B 엔지니어링 성장 인사이트