B2B에서 복잡한 머신러닝 스코어링을 먼저 도입하면 데이터 부족과 영업 불신에 막히기 쉽습니다. 시작은 규칙 모델이면 충분합니다. 폼 항목, 행동, 업종/규모에 가점을 주고, “지금 연락할 리드” 기준을 영업과 문장으로 합의하세요.
폼 점수 예시: 업무용 이메일(+), 개인 메일 도메인(− 또는 0), 회사명·규모·예산 구간 선택(+), 전화번호 확인(+). 필수 항목을 너무 늘리면 유입이 줄어들므로, 점수에 필요한 항목과 필수 항목을 구분하세요.
행동 점수 예시: 가격/도입 사례 페이지 조회, 자료 다운로드, 웨비나 신청, 7일 내 재방문. 단순 메인 페이지 조회에 높은 점수를 주지 마세요. 의도 신호가 약한 행동까지 가점하면 영업 큐가 노이즈로 가득 찹니다.
업종·규모 가중치는 ICP(이상 고객)에 맞춥니다. 우리 제품이 맞지 않는 업종은 점수를 낮추거나 자동 너처링만 돌리세요. ICP 정의가 없으면 스코어링이 아니라 취향 점수가 됩니다.
임계값을 두 개 두세요. 예: 40점 이상 MQL(마케팅 큐), 70점 이상 SQL 후보(영업 배정). 배정 후 영업이 “부적합”으로 표시한 사유를 매주 모아 규칙을 수정합니다. 피드백 루프가 없는 스코어는 금방 낡습니다.
도구보다 운영이 중요합니다. 스코어를 CRM에 보이게 하고, 슬랙/메일 알림 조건을 명확히 하며, 응답 SLA를 정하세요. 높은 점수 리드를 하루 뒤에 보면 모델 정확도와 무관하게 전환이 떨어집니다.
