Lead scoring dans HubSpot : mettre en place la qualification automatique

TL;DR

• Le lead scoring HubSpot assigne un score numérique à chaque lead selon des critères d'engagement et de fit, pour automatiser la décision de passer au commercial.
• Deux dimensions : le scoring d'engagement (comportement du prospect) et le scoring de fit (ajustement au profil client).
• Commencez avec un seuil de 20 points pour déclencher l'assignation, puis remontez ou réduisez tous les trois mois selon les données réelles de conversion.
• L'intégration avec HubSpot Workflows permet de déclencher automatiquement des actions (email, SMS, webhook) en fonction du score.
• Mesure clé : parmi les leads au-dessus du seuil qui sont assignés au commercial, quel pourcentage se convertit en opportunité ? Visez 20 à 35 pour cent.

Pourquoi le lead scoring PME pose problème

Quatre-vingt-dix pour cent des PME que nous voyons utilisent un lead scoring fragmenté. Elles ont une liste de critères dans une feuille de calcul (« lead de Paris = +5 points », « réponse email = +3 points »), elles testent pendant deux mois, puis elles abandonnent parce que « ça ne marche pas ». Ce qui s'est réellement passé : elles ont choisi des critères sans les valider contre les données de conversion réelle. Elles ont mesuré l'engagement, pas le fit. Elles ont appliqué le même seuil à tous les segments clients.

Le lead scoring dans HubSpot adresse ce problème, mais seulement si vous utilisez la bonne approche.

Les deux dimensions du lead scoring qui fonctionnent

Oubliez le scoring linéaire où vous additionnez des points. Pensez plutôt deux axes : engagement et fit.

Axe 1 : engagement scoring. Mesure le niveau d'intérêt du prospect pour votre offre. Points gagnés : visites de page pricing, téléchargement de guide, participation à webinaire, ouverture d'email. Points perdus (decay) : pas d'interaction depuis trente jours, puis soixante. Ce scoring répond à la question : « ce prospect me prête-t-il attention en ce moment ? »

Axe 2 : fit scoring. Mesure l'adéquation entre ce prospect et votre profil client idéal. Pas de decay ici ; c'est un état quasi permanent. Critères : localisation (Île-de-France = score plus haut), taille d'entreprise (PME de 10 à 250 personnes = score plus haut), secteur (industrie, B2B software, retail = plus haut selon votre cible), budget apparent (si vous avez des données via LinkedIn ou enrichissement). Ce scoring répond à la question : « ce prospect entre-t-il dans mon marché cible ? »

La combinaison des deux donne votre décision réelle. Un lead avec engagement 40/100 et fit 90/100 est plus intéressant qu'un lead avec engagement 60/100 et fit 20/100. La plupart des PME regardent seulement l'engagement et laissent des commerciaux passer des heures à qualifier des leads mauvais fit.

Comment configurer cela dans HubSpot

HubSpot propose deux approches : le lead scoring natif (configuration simple, couverture limitée) et le predictive lead scoring (modèle machine learning, meilleure précision).

Pour débuter : lead scoring natif.

1. Allez dans Settings > Objects > Contacts > Properties.
2. Créez deux propriétés personnalisées : engagement_score (nombre entier, 0 à 100) et fit_score (nombre entier, 0 à 100).
3. Créez des workflows pour augmenter engagement_score :
   • Si un contact visite la page pricing : +10 points.
   • Si un contact télécharge un guide : +5 points.
   • Si un contact ouvre un email (tracking activé) : +2 points (mais plafonnez à 10 par mois, sinon les gros taux d'ouverture de mailbox faussent tout).
   • Si un contact soumet un formulaire : +15 points.
   • Decay : si aucune activité depuis soixante jours, -5 points par mois.
4. Créez des workflows pour augmenter fit_score :
   • Si localisation = Île-de-France : +20 points.
   • Si localisation = France province : +10 points.
   • Si nombre d'employés entre 10 et 250 : +15 points.
   • Si secteur = industrie / manufacturing : +10 points.
   • Ces règles ne changent pas ; elles se calculent une fois et restent.
5. Créez une formule dans une troisième propriété lead_score_combined : (engagement_score * 0,4) + (fit_score * 0,6). Cette formule donne 60 pour cent de poids au fit (ce que vous devez vraiment qualifier) et 40 pour cent à l'engagement (ce qui vous indique l'urgence).

Exemple concret. Un lead parisien, PME de 80 personnes, en industrie, qui a téléchargé deux guides et visité le pricing hier. Son scoring HubSpot :

• Engagement : 10 (téléchargements) + 10 (visite pricing) = 20 sur 100.
• Fit : 20 (Île-de-France) + 15 (10-250 employés) + 10 (industrie) = 45 sur 100.
• Lead score combiné : (20 × 0,4) + (45 × 0,6) = 8 + 27 = 35 sur 100.

Seuil d'assignation : 30 points. Ce lead est assigné au commercial.

Pour aller plus loin : predictive lead scoring.

Si vous êtes client HubSpot Pro ou Enterprise, et que vous avez au moins six mois d'historique de conversion, activez le predictive lead scoring dans Engagement Settings. HubSpot analyse vos données passées et crée un modèle qui prédit, pour chaque nouveau lead, la probabilité qu'il se convertisse en client en quatre-vingt-dix jours. C'est plus puissant que le scoring manuel, mais impossible sans données historiques. Vous ne pouvez pas l'utiliser au mois 1.

Intégration avec HubSpot Workflows : actionner sur le score

Une fois votre scoring en place, l'erreur commune : laisser le score calculé mais ne rien faire avec. Voici comment l'actionner.

Workflow 1 : assignation automatique au commercial.

Créez un workflow qui dit : « si lead_score_combined > 30 et sales owner est vide, assigner au commercial disponible ». HubSpot offre une logique de round-robin (assigner au commercial qui a le moins de leads en ce moment).

Trigger : lead_score_combined changes to greater than 30
Action 1 : Set property sales owner = Round Robin (list of sales team members)
Action 2 : Send email notification to [sales-team@yourcompany.com] : "New qualified lead: [Contact Name] from [Company], Score: [lead_score_combined]"

Workflow 2 : re-engagement pour les leads froids.

Créez un workflow : « si engagement_score < 10 et fit_score > 30 et pas d'interaction depuis trente jours, envoyer un email de relance ciblé ».

Trigger : no activity for 30 days AND engagement_score < 10 AND fit_score > 30
Action : Enroll in email sequence "Win Back - High Fit Leads"

Workflow 3 : webhook vers n8n ou Make.

Vous voulez plus de sophistication ? Déclenchez un webhook qui alimente un workflow Make :

Trigger : lead_score_combined changes to greater than 40
Action : Call Webhook [votre URL n8n]
n8n Workflow :
  Step 1 : Récupérer les infos du contact HubSpot
  Step 2 : Créer une tâche dans Asana (suivi commercial)
  Step 3 : Envoyer SMS au manager des ventes : "Lead chaud entrant [Company]"
  Step 4 : Mettre à jour un Google Sheet avec le lead et son score

Cela prend deux heures à configurer, mais c'est la vraie automation qui laisse les commerciaux tranquilles.

Calibration initiale : les trois premières semaines

Le scoring ne marche que si vos seuils correspondent à la réalité de votre conversion. Voici le protocole qui fonctionne.

Semaine 1 : collecte de baseline.

Exportez de HubSpot :

• Tous les leads créés dans les 90 derniers jours.
• Pour chacun : engagement_score, fit_score, lead_score_combined, résultat final (client oui/non, opportunité oui/non).

Si vous n'avez pas d'historique HubSpot, commencez avec le scoring que j'ai décrit plus haut, puis attendez trois mois avant de calibrer.

Semaine 2 : analyse des conversions.

Calculez :

• Parmi les leads convertis en clients : quel était leur score moyen trois jours avant la conversion ?
• Parmi les leads jamais convertis : quel était leur score moyen ?
• L'écart entre les deux vous dit où placer votre seuil.

Exemple de résultat :

• Leads convertis : score moyen de 42 points.
• Leads jamais convertis : score moyen de 18 points.
• Placement du seuil : 30 points (au milieu).

Semaine 3 : ajustement de critères.

Regardez les leads convertis et non convertis avec des scores proches du seuil. Les leads à 35 points convertis, vous dites quoi de leurs critères fit ? Taille d'entreprise, secteur, localisation. Les leads à 35 points NON convertis, qu'est-ce qu'ils ont en commun ? Vous découvrez peut-être qu'un critère fit n'a aucun impact (« je pensais que le secteur importait, mais le secteur n'est pas prédictif »). Ré-pondérez vos critères. Testez pendant quatre semaines, puis calibrez à nouveau.

Mesures clés : comment savoir si ça marche

Métrique 1 : taux de qualification.

Combien de leads reçoivent un score > seuil et sont assignés ? Visez 30 à 40 pour cent des leads entrants. Si c'est moins de 15 pour cent, votre seuil est trop haut ou votre fit scoring élimine trop de leads. Si c'est plus de 60 pour cent, le seuil est trop bas et vous noyer le commercial de fausses pistes.

Métrique 2 : conversion du pipeline.

Parmi les leads qualifiés qui arrivent au commercial, quel pourcentage devient une opportunité ? Visez 20 à 35 pour cent. C'est votre gain : sans le scoring, le commercial aurait passé du temps sur les 60 à 80 pour cent de leads qui n'auraient jamais converti.

Métrique 3 : décalage temps de qualification.

Mesurez le jour où un lead arrive versus le jour où il est assigné au commercial. Visez un décalage < 24 heures. Si c'est plus long, votre workflow d'assignation n'est pas assez réactif, ou votre source de lead n'alimente pas HubSpot en temps réel.

Métrique 4 : taux de decay de l'engagement.

Regardez en mois N+2 : combien de leads qui avaient un bon engagement en mois N ont décroché ? Avant d'accuser le scoring, vérifiez si vos workflows de re-engagement existent. S'ils n'existent pas, l'engagement décroît naturellement et c'est normal.

Les pièges à éviter

Piège 1 : oublier la dimension fit.

Vous mesurez engagement uniquement, lancez des workflows d'assignation, noyer les commerciaux de mauvais fit. Résultat : taux de conversion de 2 à 3 pour cent au lieu de 20 pour cent. Solution : toujours avoir deux dimensions, engagement et fit, et pondérer fit plus lourd.

Piège 2 : appliquer un seul seuil à tous les segments.

Vous dites : « seuil = 30 pour tous ». Mais un lead grand compte avec un petit engagement vaut beaucoup plus qu'un lead PME avec engagement haut. Solution : créer des workflows d'assignation différents par segment client, avec des seuils différents.

Piège 3 : ne pas re-calibrer après trois mois.

Le scoring paraît bien en mois 1, puis les taux de conversion s'écroulent en mois 3. Pourquoi ? Vos sources de lead ont changé, votre produit a changé, votre cible a changé. Solution : re-calibrer tous les trois mois basé sur les vraies conversions.

Piège 4 : laisser le score pourrir après assignation.

Un lead assigné au commercial a un score de 35. Le commercial prend trois semaines pour le qualifier. Entre-temps, le score décroît (decay). Résultat : en fin de processus, le score est 22, vous pensez que le scoring ne marche pas. Vérifiquement : geler le scoring une fois assigné, ou désactiver le decay pour les leads en pipeline commercial.

Cas d'usage de PME : gestion de deux segments

Vous avez deux segments clients : PME (10 à 50 personnes, budget 500 euros par mois) et mid-market (50 à 500 personnes, budget 5000 euros par mois). Un même score de 35 ne veut rien dire pour le deux.

Solution : créer deux scoring parallèles.

PME Scoring :
  - Engagement : visite pricing = +10, téléchargement = +5, email ouvert = +1
  - Fit : localisation FR = +15, 10-50 employés = +20, secteur = +10
  - Seuil d'assignation : 25 points

Mid-market Scoring :
  - Engagement : visite pricing = +5, téléchargement = +10, email ouvert = +2, call de démo = +25
  - Fit : localisation FR = +10, 50-500 employés = +25, secteur = +10
  - Seuil d'assignation : 40 points

Le lead mid-market qui n'a visité que le pricing vaut 5 + 35 = 40 et passe le seuil. Le lead PME qui a juste ouvert un email vaut 1 + 45 = 46 et passe aussi. Chacun recoit l'attention commerciale proportionnée à sa valeur.

Prochaines étapes

1. Semaine 1-2 : Configurer dans HubSpot les deux propriétés engagement_score et fit_score, lancer les workflows simples d'assignation.
2. Semaine 3-4 : Collecte de baseline sur vos conversions, calibration des seuils.
3. Mois 2-3 : Déploiement des workflows de re-engagement et d'assignation de segment.
4. Mois 4 : Premier recalibrage basé sur trois mois de données.

Dès mois 2, vous devez voir un gain : taux de conversion du pipeline qui monte de 5 à 10 pour cent, parce que vous ne qualifiez que le bon fit.