Lead scoring, potansiyel müşterileri önceden tanımlanmış ölçütlerle değerlendirip satış ekibinin çalışma sırasını belirleme yöntemidir. Türkçede lead puanlama olarak kullanılır. İyi bir model yalnızca “kaç puan?” demez; şirketin neden uygun olduğunu, hangi ilgi işaretinin görüldüğünü ve hangi bilgilerin henüz doğrulanmadığını da gösterir.

Özellikle sınırlı satış kapasitesiyle çalışan B2B KOBİ’lerde amaç daha uzun bir liste oluşturmak değil, doğru sonraki adımı seçmektir. Yüksek puan otomatik olarak satış fırsatı, iletişim izni veya satın alma olasılığı anlamına gelmez. Bu rehber, küçük bir ekibin elektronik tabloda bile deneyebileceği bir başlangıç yaklaşımı sunar.

Lead scoring hangi kararı kolaylaştırır?

Bir satış temsilcisinin önünde yüz şirket olduğunu düşünün. Bazıları hedef pazara uygundur ama henüz sizinle konuşmamıştır. Bazıları demo istemiştir ancak çözümünüzün hizmet vermediği bir ihtiyaca sahiptir. Bazıları hakkında ise yalnızca bir şirket adı biliniyordur. Hepsini aynı “sıcak lead” listesine koymak, araştırma ile satış görüşmesini birbirine karıştırır.

Puanlamanın çıktısını bu yüzden bir eylem kuyruğu olarak tasarlayın: önce araştırılacaklar, görüşmeye hazırlanılacaklar, eksik bilgisi tamamlanacaklar ve iletişim kurulmayacaklar. Her kuyruğun sahibi ve tamamlanma ölçütü belli olsun. Bir kaydın sıradaki adımı açıklanamıyorsa, toplam puanın yüksek olması tek başına işe yaramaz.

Şirket uyumu, etkileşim ve kanıt güveni ayrı tutulmalı

Şirket uyumu: Bu müşteri için doğru çözüm müyüz?

Uyum, ideal müşteri profilinizle ilişkilidir: hizmet verebildiğiniz sektör, şirket büyüklüğü, satış yapısı ve çözebildiğiniz kullanım senaryosu. Kişi düzeyinde çalışıyorsanız görev ve satın alma sürecindeki rol ayrıca değerlendirilebilir. Şirket ile kişi puanlarını karıştırmayın; aynı şirketteki bir kişinin ilgisi, bütün satın alma ekibinin onayı değildir.

Etkileşim: Bizimle ne yaptı?

Etkileşim; size verilen ilgili bir yanıt, açık bir görüşme talebi veya tanımlı başka bir davranıştır. Yeni yatırım, büyüyen ekip ya da açılan pozisyon ise şirket bağlamıdır; sizin ürününüze gösterilmiş ilgi değildir. Bu ayrım, henüz temas kurulmamış uygun hesapları yanlışlıkla “ilgisiz” diye elemenizi de önler.

HubSpot’un resmi lead scoring açıklaması da şirket ve kişi özelliklerine dayanan uyum puanını, eylemlere dayanan etkileşim puanından ayırır; birleşik puan kullanıldığında bu bileşenlerin ayrıca görülebilmesini destekler. Buradaki önerimiz, başlangıçta toplamdan önce bu iki ayrı boyutu okumaktır.

Kanıt güveni: Bu değerlendirmeye ne kadar dayanabiliriz?

Her ölçütün yanına kaynak, doğrulama tarihi ve durum ekleyin: doğrulandı, belirsiz veya güncelliği kontrol edilmeli. “Şirket büyüklüğü bilinmiyor” ile “hedef büyüklüğün dışında” aynı sonuç değildir. Eksik bilgiyi sıfır puana dönüştürmek, az araştırılmış hesapları sistematik biçimde geriye iter. Güven düzeyini satış ilgisiyle toplayıp tek bir rakam üretmek yerine ayrı bir alan olarak gösterin.

Basit bir B2B lead puanlama modeli nasıl kurulur?

Önce tek bir satış hareketi seçin. Örneğin, 10–250 çalışanlı B2B şirketlere satış operasyonu hizmeti sunan bir ekip için başlayın. Farklı hedef pazarlara, ürünlere ve satış döngülerine aynı modeli uygulamayın. Bu aralık evrensel bir ideal müşteri tanımı değil, aşağıdaki örneğin varsayımıdır.

1. Değerlendirme birimini belirleyin. Şirket mi, kişi mi, açık fırsat mı puanlanacak? Aynı şirketin mükerrer kayıtlarını ayrı fırsatlar gibi saymayın.
2. Uyum ölçütlerini yazın. Örneğimizde hedef B2B sektörüne uyum 20, 10–250 çalışan aralığı 20, hizmetle çözülebilen kullanım senaryosu 20 puan olsun.
3. Etkileşimi sınırlandırın. Son 30 günde açık demo talebi 20, ihtiyacı anlatan doğrudan yanıt 20 puan olsun. Aynı mesaj iki ölçütün de kanıtıysa tek kez puanlayın.
4. Bilinmeyeni görünür bırakın. Doğrulanmış alt toplamı ve henüz değerlendirilemeyen ölçütleri birlikte gösterin. Eksik verili kaydı tam verili kayıtla toplam puan üzerinden yarıştırmayın.
5. Sonraki adımı tanımlayın. Uyumlu ve açık talebi olan kayıt görüşme hazırlığına; uyumlu ama etkileşimsiz hesap araştırmaya; kritik verisi eksik kayıt doğrulamaya gitsin.

Bu puanlar yalnızca yöntemi anlatan örnek ağırlıklardır. Geçmiş verilerle kalibre edilmemiştir; 80 puan yüzde 80 satın alma ihtimali demek değildir. Otuz günlük pencere de başlangıç varsayımıdır. Kendi satış döngünüz ve sonuçlarınız farklı bir pencere gerektirebilir.

Üç varsayımsal hesap üzerinden örnek

Aşağıdaki isimler ve olaylar tamamen kurgusaldır; GrowthEffect müşterisi, müşteri sonucu veya gerçek vaka değildir. Üç hesapta da aynı örnek ölçütleri kullanıyoruz.

Atlas: Yüksek uyum, henüz etkileşim yok

Atlas, 80 çalışanlı bir B2B yazılım şirketidir. Sektörü, büyüklüğü ve çözülebilen kullanım senaryosu güncel kaynaklarla doğrulanmıştır: uyum 60/60. Sizinle bir konuşması veya demo talebi yoktur: kaydedilmiş etkileşim 0/40. Buradaki sıfır, şirketin ilgisiz olduğunun kanıtı değil, tanımlı etkileşimin gözlenmediğidir.

Karar: Hesabı araştırma kuyruğuna alın. Uygun kişi ve temas gerekçesi ayrıca doğrulanmadan otomatik görüşme veya fırsat oluşturmayın. Yüksek uyum, hazır satın alma niyeti yerine geçmez.

Rota: Açık talep var, hedef profile uymuyor

Rota, sekiz çalışanlı ve yalnızca tüketiciye satış yapan bir perakendecidir. Ayrı tarihlerde demo istemiş ve ihtiyacını anlatan bir yanıt vermiştir: etkileşim 40/40. Ancak örneğimizin B2B sektör, büyüklük ve hizmet kapsamı ölçütlerini karşılamaz: uyum 0/60. Bilgiler doğrulandığı için burada eksiklik değil, gerçek bir uyumsuzluk vardır.

Karar: Talebi bir insan incelesin. Uygun olmadığı açıklanabilir veya başka bir çözüm önerilebilir. Yüksek etkileşim nedeniyle hesabı doğrudan satış fırsatına çevirmeyin; düşük uyum nedeniyle gelen gerçek talebi de yanıtsız bırakmayın.

Meridyen: Uyumun bir kısmı doğrulanmış

Meridyen’in B2B hizmet şirketi olduğu ve kullanım senaryosu doğrulanmıştır; çalışan sayısı bilinmemektedir. Uyum için 40 puan doğrulanmış, 20 puanlık büyüklük ölçütü belirsizdir. Şirket açıkça demo istemiştir: etkileşim 20/40. Büyüklük bilgisi eksik diye uyumu 40/60 olarak kesinleştirmek yanıltıcı olur.

Karar: Gelen talebi sahiplenin ve görüşme öncesinde büyüklük ile ihtiyacı netleştirin. Eksik bilgi, yanıt vermeyi geciktiren otomatik bir ret kuralına dönüşmesin. Kanıt tamamlandığında değerlendirmeyi güncelleyin.

Lead scoring ve lead qualification aynı şey değildir

Puanlama çalışma sırası önerir. Lead qualification ise belirli bir satış fırsatının gerçekten takip edilmeye değer olup olmadığını araştırır: çözülmesi gereken sorun nedir, çözüm uygun mu, karar süreci nasıl işliyor ve taraflar hangi sonraki adımda anlaşmıştır?

Demo talebi bu soruların hepsini yanıtlamaz. “Nitelikli fırsat” tanımını satış ekibiyle yazılı hale getirin. Örneğin doğrulanmış ihtiyaç, çözüm uyumu ve karşılıklı kabul edilmiş sonraki adım isteyebilirsiniz. Bu, işletmenizin çalışma tanımıdır; her şirket için zorunlu bir standart değildir.

Bu ayrımı satış aşamalarına bağlamak için satış pipeline rehberine; aday bulma adımı için lead generation açıklamasına bakabilirsiniz.

Yapay zekâ puanlaması ile yapay zekâ yorumu arasındaki fark

Salesforce’un Einstein Lead Scoring dokümanı, geçmişte dönüşen lead’lerdeki örüntülerden öğrenen ve mevcut kayıtları bunlarla karşılaştıran bir yaklaşım anlatır. Bu, bir dil modeline şirket açıklamasını verip “100 üzerinden puanla” demekle aynı yöntem değildir.

Bir yapay zekâ özeti araştırmayı hızlandırabilir; fakat dayanağı belirsiz bir sayıyı doğrulanmış tahmin yapmaz. Kullanacağınız sistemde hangi girdinin sonucu etkilediğini, bilinmeyen alanların nasıl işlendiğini ve yanlış değerlendirmelerin nasıl düzeltileceğini sorun. Kaynağı olmayan çıkarımları doğrulanmış şirket özelliği olarak kaydetmeyin.

Hangi kararlar otomatikleştirilmemeli?

İletişim kurmama talebi, mevcut müşteri sahipliği, açık fırsatın sorumlusu ve şirketinizin iletişim kuralları puandan önce kontrol edilmelidir. İletişim dışı bırakılan bir kaydı “yeterince yüksek puan aldı” diye yeniden kampanyaya sokmayın. Yasal uygunluk ve veri kullanım şartları ayrıca değerlendirilmelidir; puanlama bunların yerine geçmez.

İlk uygulamada araştırma görevleri ve inceleme kuyruklarıyla başlayın. Mesaj gönderme, fırsat aşaması değiştirme veya hesabı kalıcı eleme gibi işlemler için ayrı yetki ve insan kontrolü tanımlayın. Temsilci kararı değiştirebilsin; değişikliğin gerekçesi kaydedilsin. Böylece istisnalar modelin iyileştirilmesine de katkı sağlar.

Modelin işe yaradığını nasıl anlarsınız?

Gönderilen e-posta, açılma ve toplantı sayısı tek başına başarı ölçütü değildir. Aynı dönemde değerlendirilen hesapları, aynı takip süresiyle karşılaştırın. Öncelikli gruptan kaçının ekipçe kabul edilmiş nitelikli fırsata dönüştüğünü; kaçının yanlış pozitif çıktığını ve düşük öncelikli grupta kaç iyi fırsat kaçırıldığını izleyin.

Örneğin 30 günlük gözlem, kendi satış döngünüz için anlamlıysa bu süreyi bütün karşılaştırma gruplarında koruyun. Puan verildiği anda bilinmeyen sonraki satış sonuçlarını modele girdi yapmayın. Yüksek puanlı hesaplara daha fazla emek veriliyorsa, daha iyi sonucun yalnızca puanlamadan kaynaklandığını ileri sürmeyin. Küçük örneklemde kesin hüküm yerine kayıt bazında inceleme yapın.

Vera ile değerlendirmeye nereden başlanır?

GrowthEffect, Vera’yı müşteri araştırması ve satış etrafındaki işlere yardımcı olan bir AI satış ajanı olarak konumlandırır. Bu konumlandırma, sizin hesabınızda hazır ve kalibre edilmiş bir lead scoring modeli bulunduğu anlamına gelmez.

Görüşmeye birkaç anonim örnek hesap, ideal müşteri ölçütleriniz ve satış ekibinin mevcut önceliklendirme kurallarıyla gelin. Hangi veri kaynaklarının kullanılabildiğini, hangi kararların sizde kalacağını ve önerilen akışın nasıl doğrulanacağını birlikte değerlendirin. Satış sürecinize göre Vera demosu planlayın veya güncel planları inceleyin.

Sık sorulan sorular

İyi bir lead score kaç olmalı?

Evrensel bir eşik yoktur. Sayının anlamı ölçütlere, eksik bilgiye ve sizin sonuçlarınıza bağlıdır. Başlangıçta eşikten çok, puanın gerekçesini ve önerilen eylemi kontrol edin.

CRM olmadan başlanabilir mi?

Evet. Şirket, uyum ölçütleri, etkileşim, kaynak, tarih, bilinmeyen alanlar, sorumlu ve sonraki adımı içeren bir tabloyla yaklaşımı deneyebilirsiniz. Araç seçmeden önce karar mantığını doğrulamak daha yararlıdır.

Son gözden geçirme: 27 Ekim 2026. Örnek model eğitim amaçlıdır; performans veya dönüşüm garantisi içermez.