Lead scoring automatico: come costruirlo con HubSpot, Pipedrive o Salesforce

Ultimo aggiornamento: aprile 2026 · Autore: Luca Malvestiti · Tempo di lettura: 14 minuti

Un direttore commerciale che ho incontrato a inizio 2026 aveva 380 lead aperti nel CRM e un commerciale che li stava lavorando tutti in ordine cronologico. Tasso di chiusura complessivo: 6%. Dopo due settimane di analisi abbiamo scoperto che 41 di quei 380 lead avevano profilo, comportamento e timing che predicevano con alta probabilità l’acquisto. Gli altri 339 erano, nella maggior parte dei casi, rumore: studenti, competitor, consulenti in cerca di informazioni, aziende fuori ICP. Abbiamo riconfigurato il CRM con un lead scoring semplice — sette criteri, nessuna intelligenza artificiale — e dato al commerciale una regola operativa chiara: lavora prima i lead sopra 70/100, poi quelli tra 50 e 69, ignora tutto ciò che è sotto 50 fino a nuovo ordine. Nei 90 giorni successivi il tasso di chiusura è salito al 21%. Stesso numero di lead, stesso commerciale, stesso prodotto.

Il lead scoring è la leva più semplice e sottovalutata del sales enablement italiano. In questa guida ti mostro come costruire un modello funzionante partendo da zero, scegliere il CRM giusto tra HubSpot, Pipedrive e Salesforce, ed evitare i cinque errori più comuni che vediamo ripetuti nelle PMI che provano a implementarlo senza aiuto.

Cos’è il lead scoring e perché serve nel 2026

Il lead scoring è un sistema che attribuisce un punteggio numerico a ciascun lead in base a due dimensioni: chi è (caratteristiche demografiche) e cosa fa (comportamento). Più il punteggio è alto, maggiore è la probabilità che il lead si converta in cliente. Il commerciale non chiama tutti, chiama in ordine di punteggio. Semplice, anche se raramente applicato.

Nel 2026 il lead scoring è diventato essenziale per tre motivi operativi. Primo, il volume di lead in ingresso è aumentato per le PMI che hanno iniziato a investire in lead magnet e content marketing — e senza un filtro il commerciale si perde. Secondo, il ciclo di vendita medio B2B in Italia è tra 4 e 9 mesi, e durante questo tempo il profilo del lead cambia (scarica più risorse, cambia ruolo, la sua azienda cresce): un punteggio dinamico coglie questi cambiamenti, una lista statica no. Terzo, gli strumenti sono maturati al punto che anche PMI senza un team tecnico possono configurare uno scoring in una giornata.

Chi non ha lead scoring paga un costo implicito: commerciali che lavorano al 30-40% della capacità produttiva perché sprecano tempo su lead freddi, e lead caldi che finiscono nel dimenticatoio perché arrivano dopo quelli freddi nella coda.

Le due dimensioni del lead scoring: demografico e comportamentale

Un modello di lead scoring efficace combina sempre due tipologie di segnali.

Scoring demografico. Assegna punti in base alle caratteristiche statiche del lead: ruolo nell’organizzazione, dimensione dell’azienda, settore, paese, fatturato, numero di dipendenti. Risponde alla domanda «questa persona/azienda appartiene al mio ICP?». È il primo filtro. Una PMI manifatturiera italiana con 80 dipendenti che produce valvole industriali e cerca SEO tecnica ha senso come lead per Tready. Uno studente universitario che sta facendo una ricerca sul marketing digitale ha punteggio demografico basso anche se scarica tutti i nostri lead magnet.

Scoring comportamentale. Assegna punti in base alle azioni del lead sul sito, sulle email, sugli asset scaricabili. Risponde alla domanda «questa persona sta mostrando intenzione d’acquisto?». Esempi: visita alla pagina prezzi, download di case study, apertura di più email, partecipazione a webinar, visita ripetuta in un periodo compresso, click su un annuncio retargeting.

La combinazione delle due dimensioni è ciò che dà potere predittivo al modello. Un alto scoring demografico senza comportamento è un lead che rientra nell’ICP ma non ha ancora manifestato interesse: va in nurturing email. Un alto comportamento senza scoring demografico è un curioso molto attivo ma fuori target: spesso rumore. L’incrocio delle due dimensioni è il vero MQL.

Il modello HubSpot: setup in 45 minuti

HubSpot è il CRM più accessibile per PMI italiane che vogliono lead scoring senza sviluppatori. Ecco la configurazione passo-passo.

Requisiti: HubSpot Marketing Hub Professional o Enterprise (il piano Starter non include scoring automatico). Costo tipico: 800-1.500 €/mese per una PMI con una lista di 5.000-20.000 contatti.

Step 1. Apri Settings > Properties > Create property. Crea una proprietà numerica chiamata «Lead Score» associata al contatto. Poi vai in Settings > Score > Custom scores. Crea un nuovo score chiamato «MQL Score».

Step 2. Configura i criteri positivi. Aggiungi ogni criterio come «Positive attribute» con il suo punteggio. Esempi: Job Title contains CEO o Director +20; Number of Employees >= 50 +15; Industry = ICP +15; contatto ha visitato Pricing Page +15; contatto ha scaricato 2+ asset in 30 giorni +20; contatto ha aperto 3+ marketing email +10.

Step 3. Configura i criteri negativi. I penalty sono spesso più potenti dei bonus. Esempi: Email contains @gmail o @libero -10 (email personali, spesso non B2B); Industry = fuori ICP -20; contatto inactive >90 days -15; Job Title contains Student o Intern -30.

Step 4. Automazioni di routing. Quando il punteggio supera 100, crea un workflow che assegna il lead al commerciale con notifica Slack, cambia lifecycle stage a «Sales Qualified Lead», crea un task di follow-up entro 24 ore.

Step 5. Dashboard di monitoraggio. Crea un report «Lead Score Distribution» che mostra quanti contatti sono in ciascuna fascia di punteggio. Ti serve per tarare le soglie.

Il modello Pipedrive: workaround e limiti

Pipedrive è più orientato alla vendita che al marketing, e il suo scoring nativo è meno potente. Ma per PMI con commerciali attivi e marketing leggero funziona bene.

Requisiti: Pipedrive Professional (include Web Visitors e Smart Docs). Per lead scoring automatico avanzato serve il piano Power. Costo: 49-79 €/utente al mese.

Approccio nativo (base). Pipedrive non ha un «lead score field» predefinito ma permette di creare un campo custom numerico «Lead Score» e aggiornarlo con automation rules. Le regole sono meno raffinate di HubSpot ma sufficienti.

Integrazione con form esterni. Se usi Elementor Forms o WPForms sul sito WordPress, configura l’invio dei dati al webhook Pipedrive. Puoi passare parametri come «source_magnet» che triggerano regole specifiche di punteggio.

Limite principale: Pipedrive fatica con scoring demografico complesso. Soluzione: arricchimento via integrazione con Apollo o Cognism che aggiungono campi azienda (dipendenti, settore, fatturato) automaticamente al CRM. Costo aggiuntivo: 39-79 $/mese per Apollo Starter.

Il modello Salesforce: setup enterprise

Salesforce è lo standard enterprise ed è over-engineered per PMI sotto i 50 dipendenti. Se però sei in una realtà con team commerciale di 5+ persone e processi complessi, Salesforce offre la flessibilità più ampia.

Requisiti: Salesforce Sales Cloud Professional o Enterprise + Marketing Cloud Account Engagement (ex Pardot) per scoring avanzato. Costo: dai 150 €/utente/mese + 1.250 $/mese base per Pardot.

Approccio 1 — Lead Scoring nativo con Pardot. Pardot offre due sistemi paralleli: Scoring (punteggio comportamentale, cresce con le interazioni) e Grading (valutazione demografica su scala A-F). La combinazione delle due dimensioni genera categorie come A1 (ICP perfetto, comportamento altissimo) a F5 (fuori ICP, inattivo). Il commerciale filtra su A1/A2/B1 e ignora il resto.

Approccio 2 — Einstein Lead Scoring (AI-driven). Per realtà con database di oltre 3.000 lead chiusi (vinti + persi), Salesforce Einstein costruisce automaticamente un modello predittivo basato sullo storico. È molto più accurato dei modelli rule-based ma richiede volumi di dati che molte PMI italiane non hanno.

Lead scoring predittivo con AI: quando ha senso e quando no

I modelli di lead scoring predittivo basati su AI (Einstein, HubSpot Predictive Lead Scoring, Madkudu, Clearbit Predict) usano machine learning sullo storico lead chiusi/persi per costruire pattern che superano i modelli rule-based.

Quando ha senso. Quando hai almeno 2.000 deal chiusi con outcome tracciato (vinto/perso) e un volume mensile di 300+ nuovi lead. Sotto questi numeri i modelli non hanno abbastanza segnali e producono scoring rumorosi.

Quando è uno spreco. Se hai meno di 500 deal chiusi storici, un modello rule-based configurato da un commerciale esperto supera l’accuracy di un modello AI mal alimentato. La regola è: garbage in, garbage out.

Approccio ibrido. Inizia con rule-based per 12-18 mesi. Raccogli dati, pulisci il CRM, assicurati che ogni deal abbia outcome tracciato. Dopo 18 mesi valuta AI scoring.

Errori comuni nel lead scoring

Cinque errori che vediamo ripetuti nei clienti che vengono da noi dopo aver provato a implementare lead scoring da soli.

Errore 1 — Troppi criteri al primo setup. Voler mettere 30 criteri dal giorno 1 produce un modello che nessuno capisce e nessuno aggiorna. Meglio partire con 7-10 criteri chiari, far girare il sistema 60 giorni, poi aggiungere se necessario.

Errore 2 — Nessun criterio negativo. Senza penalty il punteggio cresce solo, e dopo sei mesi hai tutti i lead sopra 100. Il sistema perde capacità discriminante. I criteri negativi (email gratuite, settori fuori ICP, ruoli junior) sono essenziali.

Errore 3 — Scoring statico senza decay temporale. Un lead che ha scaricato un ebook 18 mesi fa e da allora non ha più fatto niente non è più caldo di uno nuovo. Configura un «decay» automatico: -5 punti al mese di inattività, o reset del punteggio comportamentale dopo 90 giorni di silenzio.

Errore 4 — Non condividere il modello con il commerciale. Se il commerciale non capisce come funziona lo scoring, lo ignora. Formazione di 1 ora per spiegare i criteri e la logica, poi review mensile per primi 3 mesi.

Errore 5 — Non tarare i pesi sui dati reali. I pesi iniziali sono una congettura. Dopo 60-90 giorni guarda la distribuzione: quanti dei tuoi lead chiusi (vinti) avevano superato la soglia MQL prima del primo contatto commerciale? Se meno del 70%, la soglia è troppo alta. Se più del 95%, è troppo bassa. Aggiusta i pesi, non accettare il modello come immutabile.

Come integrare il lead scoring con il resto del funnel

Il lead scoring non è un sistema isolato. Va integrato con tre componenti a monte e a valle.

A monte — Enrichment automatico. Quando arriva un lead dal form del sito, il CRM deve immediatamente arricchirlo con dati sull’azienda via Apollo, Cognism, Lusha o Clearbit. Senza enrichment il tuo scoring demografico è povero: hai solo quello che il lead ha dichiarato nel form, che è poco. Con enrichment conosci fatturato, dipendenti, stack tecnologico, fonti di finanziamento, settore codificato ISIC. Costo aggiuntivo: 40-150 €/mese per licenze base.

A valle — Sales enablement. Il commerciale deve avere una view chiara del punteggio + motivo del punteggio. «Perché questo lead è a 85?» Risposta: «CEO di azienda 120 dipendenti, settore ICP primario, ha scaricato 2 lead magnet e visitato la pagina prezzi 3 volte negli ultimi 10 giorni». Questa view permette personalizzazione immediata del primo contatto.

Trasversale — Reporting marketing. La dashboard deve mostrare CPL per fonte + punteggio medio dei lead per fonte. Scopri così quali canali producono lead ad alto punteggio (da scalare) e quali producono rumore (da tagliare). Senza questa integrazione il marketing ottimizza sulla quantità invece che sulla qualità.

Il template di lead scoring plug-and-play di Tready

Abbiamo costruito un template Excel che condividiamo gratuitamente come lead magnet secondario. Contiene: sette criteri pre-configurati (4 demografici + 3 comportamentali), pesi iniziali testati su 40+ clienti, logica di calcolo automatica con formule, soglie suggerite per MQL e SQL, esempio compilato su un caso B2B manifatturiero, istruzioni di import in HubSpot e Pipedrive.

Non è un tool di produzione enterprise. È una base di partenza che ti fa risparmiare 2-3 giornate di lavoro. Dopo 60-90 giorni di utilizzo andrà tarato sui tuoi dati, ma come start ha funzionato benissimo nella nostra esperienza interna.

Domande frequenti sul lead scoring automatico

Vuoi implementare lead scoring nel tuo CRM?

Nell’audit gratuito di 30 minuti analizziamo il tuo setup attuale e identifichiamo i criteri di scoring più adatti al tuo funnel. Prenota la call →

Leggi anche

• Lead generation B2B 2026: la guida completa per PMI italiane
• Lead magnet B2B: 15 idee testate per PMI italiane
• Servizio Tready di lead scoring e qualificazione automatica
• Integrazioni CRM per PMI B2B
• Automazione vendite con CRM e AI

Autore

Luca Malvestiti — Direttore di Tready. Sedici anni di esperienza nella lead generation B2B per PMI italiane.