Lead Scoring Nedir? Satışta Lead Puanlama Nasıl Yapılır?

Lead scoring nedir? Lead scoring, potansiyel müşterileri satın alma ihtimali, şirket uyumu, rol, sektör, davranış ve satış potansiyeline göre puanlama yöntemidir. Amaç, satış ekibinin her lead’e aynı zamanı harcamasını önlemek ve en yüksek dönüşüm ihtimali olan hesaplara öncelik vermektir. B2B satışta lead scoring özellikle outbound ekipleri için kritiktir çünkü yanlış kişiye doğru mesaj göndermek bile pipeline üretmez. İyi bir lead scoring modeli, “bu lead var mı?” sorusundan çok “bu lead satış ekibinin zamanına değer mi?” sorusunu yanıtlar.

İçindekiler

• Lead Scoring Neden Önemlidir?
• Lead Scoring Nasıl Çalışır?
• Lead Scoring Kriterleri Nelerdir?
• Fit Score Ve Engagement Score Farkı
• Outbound Lead Scoring Neden Farklıdır?
• Manuel Lead Scoring, AI Lead Scoring Ve Hibrit Model
• Vera İle Outbound Lead Scoring Nasıl Çalışır?
• Lead Scoring Modeli Nasıl Kurulur?
• Lead Scoring’de Yapılan Yaygın Hatalar
• Lead Scoring Ve Lead Qualification Aynı Şey Mi?
• Yapay Zeka Lead Scoring Satış Ekibinin Yerini Alır Mı?
• Sık Sorulan Sorular
• Vera’nın Pipeline’ınızda Nasıl Çalıştığını Görmek İster Misiniz?
• Sonuç: Lead Scoring, Satış Ekibine Zaman Kazandıran Bir Filtre Sistemidir

Lead Scoring Neden Önemlidir?

Satış ekipleri genelde lead eksikliğinden değil, öncelik eksikliğinden zorlanır.

CRM’de yüzlerce contact olabilir. LinkedIn’de binlerce potansiyel karar verici bulunabilir. Veri sağlayıcılarından uzun listeler çekilebilir. Fakat bu kayıtların hepsi aynı değerde değildir.

Kimi lead ideal müşteri profiline tam uyar. Bir kısmı bütçe olarak küçüktür. Doğru sektörde olup yanlış rolde kalan kişiler de vardır. Bazı hesaplar şu anda alım sinyali verirken, bazıları sadece veritabanında yer kaplar.

Lead scoring bu karmaşayı sıraya koyar.

İyi çalıştığında üç şeyi netleştirir:

1. Hangi lead hemen satış aksiyonu ister?
2. Hangi lead nurture veya takip sürecine alınmalıdır?
3. Hangi lead satış ekibinin zamanını boşa harcar?

Bu yüzden lead scoring sadece pazarlama raporu değildir. Satış verimliliği, satış temsilcisi kapasitesi, outbound kampanya kalitesi ve pipeline tahminiyle doğrudan ilgilidir.

Lead Scoring Nasıl Çalışır?

Lead scoring modeli genelde puanlama kurallarından oluşur. Her lead belirli kriterlere göre artı veya eksi puan alır.

Örneğin:

Kriter	Örnek puan
Hedef sektörde olmak	+20
50 ila 250 çalışan arası şirket	+15
Karar verici rolde olmak	+20
Bütçe sinyali göstermek	+15
Yakın zamanda işe alım veya büyüme sinyali	+10
Öğrenci, danışman veya rakip profil	-25
Hedef dışı ülke	-20
Çok küçük şirket	-15

Bu puanlar toplandığında lead’in öncelik seviyesi oluşur.

Basit bir model şöyle olabilir:

Skor aralığı	Durum	Aksiyon
80 ila 100	Yüksek öncelik	Kişiselleştirilmiş outbound
50 ila 79	Orta öncelik	Takip veya segment bazlı outreach
25 ila 49	Düşük öncelik	Nurture, reactivation veya bekletme
0 ila 24	Uygun değil	Eleme

Buradaki amaç matematiksel olarak kusursuz bir skor üretmek değildir. Amaç, satış ekibinin hangi fırsata önce bakacağını netleştirmektir.

Lead Scoring Kriterleri Nelerdir?

Lead scoring’de kullanılan kriterler iki ana gruba ayrılır: fit kriterleri ve davranış kriterleri.

Fit kriterleri

Fit kriterleri, lead’in ideal müşteri profiline ne kadar uyduğunu gösterir.

B2B outbound için en önemli fit kriterleri şunlardır:

• Sektör
• Şirket büyüklüğü
• Lokasyon
• Gelir seviyesi veya tahmini kapasite
• Kullanılan teknoloji stack’i
• Büyüme sinyalleri
• Departman yapısı
• Karar verici rol
• Mevcut problemle ürün uyumu

Örneğin 20 kişilik bir ajansa satış yapıyorsanız 3 kişilik mikro işletme ile 2,000 kişilik enterprise şirket aynı outbound listesinde olmamalıdır. İkisi de “lead” olabilir, ama aynı satış hareketini hak etmez.

Davranış kriterleri

Davranış kriterleri, lead’in ilgi veya niyet sinyalini gösterir.

Inbound pazarlamada bu genelde web sitesi ziyareti, form doldurma, webinar katılımı veya email etkileşimiyle ölçülür. Outbound’da ise davranış sinyali farklı okunur.

Outbound için davranış veya sinyal kriterleri şunlar olabilir:

• Yeni yönetici işe alımı
• Satış ekibi büyümesi
• Yeni pazar açılımı
• Yeni yatırım veya büyüme haberi
• Aktif işe alım ilanları
• LinkedIn aktivitesi
• CRM’de geçmiş görüşme veya eski fırsat kaydı
• Rakip veya alternatif çözüm kullanımı

Vera odaklı outbound modelinde bu sinyaller, sadece skoru artırmak için değil, mesajın açısını belirlemek için de kullanılır.

Fit Score Ve Engagement Score Farkı

Lead scoring’de sık karışan iki kavram vardır: fit score ve engagement score.

Fit score, lead’in sizin ideal müşteri profilinize ne kadar uyduğunu gösterir.

Engagement score, lead’in sizinle veya pazar probleminizle ne kadar etkileşimde olduğunu gösterir.

Outbound satışta fit score genelde daha kritik başlar. Çünkü henüz sizinle etkileşime geçmemiş bir prospect’e ulaşırsınız. Bu yüzden ilk soru “bizi tanıyor mu?” değildir. İlk soru “bu şirket bizim için doğru hedef mi?” olmalıdır.

Örnek:

Lead	Fit score	Engagement score	Yorum
Hedef sektörde, doğru büyüklükte, VP Sales	Yüksek	Düşük	Outbound için güçlü aday
Blog okumuş ama küçük ve hedef dışı şirket	Düşük	Yüksek	Satış önceliği düşük
Doğru şirket ama junior rol	Orta	Düşük	Farklı karar verici aranmalı
Eski CRM fırsatı, tekrar büyüme sinyali var	Yüksek	Orta	Reactivation için uygun

Bu ayrım satış ekibinin yanlış lead’lere fazla enerji harcamasını engeller.

Outbound Lead Scoring Neden Farklıdır?

Outbound’da lead scoring daha sert olmalıdır.

Inbound’da lead zaten size gelmiştir. Bir form doldurmuş, mesaj atmış veya içeriğinizle etkileşmiştir. Outbound’da ise siz potansiyel müşteriye gidiyorsunuz. Bu yüzden kalite filtresi baştan güçlü kurulmalıdır.

Outbound lead scoring’in amacı daha fazla kişiye ulaşmak değildir. Daha doğru kişilere, daha doğru gerekçeyle ulaşmaktır.

Zayıf outbound scoring şu sonucu üretir:

• Liste büyür.
• Mesaj sayısı artar.
• Yanıt oranı düşer.
• satış temsilcisi ekibi yorulur.
• CRM kirlenir.
• Satış yöneticisi pipeline kalitesine güvenemez.

Güçlü outbound scoring ise şu sorulara cevap verir:

• Bu şirket bizim ICP’mize uyuyor mu?
• Bu kişi karar sürecini etkileyebilir mi?
• Şu anda ulaşmak için gerçek bir sebep var mı?
• Bu hesaba hangi problem açısıyla yaklaşmalıyız?
• Bu lead satış ekibine ne zaman aktarılmalı?

Manuel Lead Scoring, AI Lead Scoring Ve Hibrit Model

Lead scoring tek yöntemle yapılmak zorunda değildir. Çoğu B2B ekip için en sağlıklı model hibrittir.

Model	Nasıl çalışır?	Avantaj	Risk
Manuel lead scoring	Satış ve pazarlama ekibi kuralları belirler	Kontrol yüksektir	Güncelleme yavaş olabilir
AI lead scoring	Sistem geçmiş veri ve sinyallere göre skor üretir	Ölçeklenebilir	Veri kalitesi zayıfsa sonuç zayıflar
Hibrit scoring	Net ICP kuralları ve AI destekli analiz birlikte çalışır	Hem kontrol hem hız sağlar	İlk kurulum dikkat ister

Erken aşama B2B şirketlerde tamamen AI’a bırakılmış scoring modeli riskli olabilir. Çünkü geçmiş veri azdır, CRM temiz olmayabilir veya kazanılan müşteri profili hâlâ değişiyor olabilir.

Bu durumda önce hard scoring gerekir.

Yani net eleme kuralları:

• Hedef dışı sektörleri çıkar.
• Çok küçük veya çok büyük şirketleri ayır.
• Yanlış lokasyonları ele.
• Öğrenci, freelancer, rakip veya tedarikçi profilleri çıkar.
• Karar verici olmayan kişileri düşük önceliğe al.

Sonra AI lead scoring devreye girer.

AI, uygun görünen lead’ler arasında niyet, bağlam, şirket hareketi, rol uygunluğu ve mesaj açısı gibi daha derin sinyalleri değerlendirebilir.

Vera İle Outbound Lead Scoring Nasıl Çalışır?

Vera, outbound pipeline üretimi için tasarlanmış dijital satış çalışanıdır. Lead scoring burada tek başına bir CRM skoru değildir. Outbound iş akışının erken aşamasında kullanılan kalite filtresidir.

Vera’nın scoring yaklaşımı şu sırayla düşünülmelidir:

1. Sourcing

Önce potansiyel hesap ve kişiler bulunur. Bu aşamada sektör, şirket büyüklüğü, rol, lokasyon ve pazar gibi temel ICP kriterleri kullanılır.

Ama sourcing tek başına yeterli değildir. Listeye giren her kişi satışa değer değildir.

2. Enrichment

Lead ve şirket verisi zenginleştirilir. Eksik rol, şirket bilgisi, sektör, çalışan sayısı, kanal bilgisi ve hesap bağlamı tamamlanır.

Zayıf veri, zayıf scoring üretir. Bu yüzden enrichment scoring’den önce gelir.

3. Hard scoring

Net kurallar uygulanır.

Örneğin:

• Hedef sektör değilse çıkar.
• Şirket çalışan sayısı minimum eşik altındaysa düşük öncelik ver.
• Rol karar sürecinden uzaksa farklı contact ara.
• Coğrafi pazar uygun değilse outreach yapma.
• CRM’de daha önce negatif sonuç varsa yeniden değerlendirme yap.

Hard scoring, satış ekibini bariz kötü fit hesaplardan korur.

4. AI lead scoring

Bu aşamada Vera, sadece statik kurallara bakmaz. Hesabın bağlamını, potansiyel ihtiyacını, rol uyumunu ve outbound mesaj açısını değerlendirir.

Örneğin iki şirket aynı sektörde ve aynı büyüklükte olabilir. Fakat biri yeni pazara açılmış, satış ekibini büyütüyor ve yeni müşteri kazanımına yatırım yapıyor olabilir. Diğeri ise durağan ve sinyal vermiyor olabilir.

İkisi aynı puanı almamalıdır.

5. Filtering

Skor sonrası kötü fit lead’ler çıkarılır veya düşük öncelikli segmente alınır. Satış ekibi sadece daha temiz listeyle çalışır.

Bu nokta önemlidir: Scoring’in değeri puan vermekte değil, aksiyon almaktadır.

6. Research ve positioning

Yüksek skorlu lead için hesap araştırması yapılır. Şirketin problemi, büyüme yönü, olası ihtiyaçları ve mesaj açısı belirlenir.

Outbound’da kişiselleştirme sadece “Merhaba {{isim}}” değildir. Doğru kişiye, doğru sebeple ulaşmaktır.

7. Outreach ve follow-up

Son adımda LinkedIn veya email üzerinden kişiselleştirilmiş mesaj ve takip akışı çalışır.

Burada lead scoring, mesajın tonunu da etkiler.

Yüksek skorlu karar vericiye daha araştırılmış, daha direkt ve problem odaklı mesaj gerekir. Orta skorlu lead için daha hafif bir keşif mesajı veya nurture yaklaşımı daha doğru olabilir.

Lead Scoring Modeli Nasıl Kurulur?

İyi bir lead scoring modeli kurmak için önce puanlardan değil, satış gerçekliğinden başlayın.

1. En iyi müşterilerinizi analiz edin

Son 10 ila 30 iyi müşterinizi çıkarın.

Şu soruları sorun:

• Hangi sektörlerden geldiler?
• Kaç çalışanları vardı?
• Hangi rollerdeki kişiler süreci başlattı?
• Satış döngüsü ne kadar sürdü?
• Hangi problemle geldiler?
• Hangi müşteriler kârlı ve uzun ömürlü oldu?

Bu cevaplar scoring modelinin temelini oluşturur.

2. Kötü fit müşterileri de analiz edin

Sadece iyi müşterilere bakmak yetmez.

Kötü fit müşteriler de scoring modelini güçlendirir.

Şunları belirleyin:

• Hangi şirketler çok fazla satış zamanı aldı ama kapanmadı?
• Hangi müşteri tipi churn riski yarattı?
• Hangi sektörler düşük bütçeli çıktı?
• Hangi roller karar alamadı?
• Hangi lead kaynakları düşük kalite getirdi?

Negatif scoring, pozitif scoring kadar değerlidir.

3. ICP kurallarını netleştirin

ICP belirsizse lead scoring sadece süslü bir tahmin olur.

Net kurallar yazın:

• Hedef sektörler
• Hedef şirket büyüklüğü
• Hedef lokasyonlar
• Öncelikli roller
• Minimum bütçe sinyali
• Dışlanacak segmentler
• Satışa aktarım kriterleri

4. Skorları aksiyonlara bağlayın

Skor tek başına anlamlı değildir.

Her skor aralığı bir satış aksiyonuna bağlanmalıdır.

Örneğin:

Skor	Aksiyon
85+	Direkt kişiselleştirilmiş outbound
70 ila 84	Araştırma sonrası outbound
50 ila 69	Segment bazlı kampanya
30 ila 49	Nurture veya bekletme
0 ila 29	Eleme

Bu yapılmazsa lead scoring CRM’de görünen ama davranışı değiştirmeyen bir sayı olarak kalır.

5. Modeli düzenli güncelleyin

Pazar değişir. Ürün değişir. En iyi müşteri profili değişir. Bu yüzden lead scoring modeli de canlı kalmalıdır.

Her ay şu sorulara bakın:

• Yüksek skorlu lead’ler gerçekten fırsata dönüştü mü?
• Düşük skorlu ama kapanan müşteri var mı?
• Hangi kriterler fazla puan alıyor?
• Hangi sinyaller yanıltıcı?
• Satış ekibi skora güveniyor mu?

Skor, satış gerçekliğiyle test edilmelidir.

Lead Scoring’de Yapılan Yaygın Hatalar

Her davranışa fazla puan vermek

Bir email açmak, karar verici olmakla aynı değerde değildir. Her mikro etkileşime yüksek puan verirseniz skor şişer.

Fit düşükken engagement’a aldanmak

Bir kişi içeriğinizi okumuş olabilir. Ama hedef dışı şirketse satış önceliği düşük kalmalıdır.

Negatif scoring kullanmamak

Kötü fit lead’leri düşürmezseniz model herkesin puanını yukarı taşır. Sonuçta öncelik kaybolur.

Satış ekibini modele dahil etmemek

Lead scoring sadece pazarlama veya RevOps masasında kurulursa sahadaki gerçek itirazları kaçırabilir. Satış ekibi hangi lead’in gerçekten zaman kaybettirdiğini bilir.

Skoru mesaj açısına bağlamamak

Outbound’da skor sadece sıralama için değil, mesaj stratejisi için de kullanılmalıdır. Yüksek skorlu CFO’ya giden mesaj ile orta skorlu operasyon yöneticisine giden mesaj aynı olmamalıdır.

Lead Scoring Ve Lead Qualification Aynı Şey Mi?

Hayır.

Lead scoring, lead’in öncelik seviyesini puanlar.

Lead qualification, lead’in satışa uygun olup olmadığını daha net doğrular.

Scoring genelde satış aksiyonundan önce gelir. Qualification ise görüşme, araştırma veya ek veriyle lead’in gerçekten uygun olup olmadığını belirler.

Outbound’da scoring şu soruyu yanıtlar:

“Bu lead’e ulaşmaya değer mi?”

Qualification ise şunu yanıtlar:

“Bu lead satış fırsatı olmaya hazır mı?”

Yapay Zeka Lead Scoring Satış Ekibinin Yerini Alır Mı?

Hayır. En doğru kullanım, yapay zekanın tekrar eden ilk temas ve önceliklendirme işlerini üstlenmesidir. İnsan satış ekibi hâlâ discovery, ilişki yönetimi, stratejik hesaplar, pazarlık ve kapanıştan sorumludur.

Vera’nın değeri burada ortaya çıkar. Amaç satış ekibini devre dışı bırakmak değil, satış ekibine daha temiz, daha araştırılmış ve daha öncelikli outbound fırsatlar vermektir.

Sık Sorulan Sorular

Lead scoring nedir?

Lead scoring, potansiyel müşterilere şirket uyumu, rol, davranış, sektör, büyüklük ve satın alma ihtimali gibi kriterlere göre puan verme yöntemidir. Satış ekibinin en yüksek potansiyelli lead’lere öncelik vermesini sağlar.

Lead scoring nasıl yapılır?

Önce ideal müşteri profili belirlenir. Sonra sektör, şirket büyüklüğü, rol, lokasyon, davranış ve satın alma sinyalleri gibi kriterlere puan atanır. Negatif kriterler de eklenir. Skor aralıkları net satış aksiyonlarına bağlanır.

AI lead scoring nedir?

AI lead scoring, geçmiş veri, CRM kayıtları, davranış sinyalleri ve hesap bağlamını analiz ederek lead’lerin dönüşme ihtimalini tahmin etmeye çalışan puanlama yaklaşımıdır. En iyi sonuç genelde net ICP kurallarıyla birlikte kullanıldığında alınır.

Outbound lead scoring neden önemlidir?

Outbound’da satış ekibi potansiyel müşteriye kendisi ulaşır. Bu yüzden yanlış hesapları baştan elemek gerekir. Doğru şirketleri, doğru kişileri ve doğru mesaj açısını seçmeye yardımcı olur.

Lead scoring satış ekibini azaltır mı?

Lead scoring tek başına satış ekibini azaltmaz. Fakat satış ekibinin zamanını daha iyi kullanmasını sağlar. Vera gibi dijital satış çalışanları, sourcing, enrichment, scoring, research ve outbound follow-up gibi tekrar eden ilk temas işlerini üstlenerek insan satış ekibine daha nitelikli fırsatlar bırakır.

Vera’nın Pipeline’ınızda Nasıl Çalıştığını Görmek İster Misiniz?

• 👉 Vera – Hedef hesap bulma, araştırma, kişiselleştirme ve outbound takip için dijital satış çalışanı
• 👉 Pricing – Plan detayları ve paket bilgileri
• 👉 FAQ – Sık sorulan sorular ve detaylı yanıtlar
• 👉 Blog – Satış süreci, pipeline ve yapay zeka satış ekibi üzerine diğer rehberler
• 👉 Book a Demo – Vera’nın sizin pipeline’ınızda nasıl çalıştığını görmek için demo planlayın

Sonuç: Lead Scoring, Satış Ekibine Zaman Kazandıran Bir Filtre Sistemidir

Lead scoring nedir sorusunun en kısa cevabı şudur: Lead scoring, satış ekibinin hangi potansiyel müşteriye önce zaman ayıracağını belirleyen puanlama sistemidir.

Ama iyi scoring sadece puan üretmez. Kötü fit hesapları eler, doğru hesapları öne çıkarır, outbound mesaj açısını belirler ve satış ekibinin enerjisini daha yüksek potansiyelli fırsatlara taşır.

Outbound satışta lead scoring daha da önemlidir. Çünkü ekibiniz sadece gelen talebe cevap vermez. Pazara çıkar, hesap seçer, kişi belirler, araştırma yapar, mesaj yazar ve takip eder.

Vera ile outbound pipeline üretimini görmek istiyorsanız, kendi ICP’niz, hedef hesap listeniz ve satış süreciniz üzerinden bir demo planlayabilirsiniz. Daha iyi soru “kaç lead var?” değil, “hangi lead gerçekten satış zamanına değer?” sorusudur.