
Le lead scoring consiste à classer les leads pour que les commerciaux appellent d'abord les plus prometteurs. Chaque lead reçoit des points pour ce qu'il est et pour ce qu'il a fait, et le total décide de l'ordre de la liste d'appels. La plupart des modèles échouent pour une raison simple : ils ont été conçus par le marketing pour décider quand transmettre un lead aux ventes, et les SDR ne croient pas aux chiffres. Un modèle pour l'outbound a besoin de trois composantes (fit, signal et joignabilité), de peu de critères et d'un test sur de vraies conversations.
Tout modèle mélange deux types d'information.
Une troisième famille est apparue avec le machine learning : le scoring prédictif, où un modèle apprend de vos deals gagnés et perdus quels attributs comptent. Il fonctionne quand vous disposez d'un historique large et propre. Avec quelques centaines de deals et un CRM plein de trous, un score prédictif apprend surtout vos habitudes de saisie. Commencez par des règles lisibles, et passez au prédictif quand les règles ne progressent plus.
Le modèle type ajoute des points pour les ouvertures d'emails, les pages vues et les formulaires remplis, puis transmet le lead aux ventes au-delà d'un seuil. Trois problèmes pour une équipe qui prospecte par téléphone.
D'abord, la majeure partie d'une liste outbound n'a aucun comportement. Les comptes froids n'ont rien visité : tout le monde est à zéro et l'ordre est aléatoire.
Ensuite, les signaux qui annoncent vraiment une bonne conversation ne sont pas des événements marketing. Un nouveau directeur commercial, une levée de fonds, un champion qui a changé d'entreprise, un deal perdu il y a douze mois : rien de tout cela n'est un clic dans un email. Les commerciaux n'exploitent qu'environ 20 % des signaux déjà présents dans leur CRM, et la moitié du pipeline de Sonik vient de signaux qui étaient là depuis le début.
Enfin, le modèle ignore si la personne est joignable. Un lead au fit parfait, avec pour seul numéro celui du standard, coûtera dix appels et ne donnera rien. Notre benchmark d'un million d'appels à froid B2B situe le connect rate moyen (taux de décroché) à 11,3 %, avec de gros écarts selon le persona et le créneau horaire. Un score qui n'en tient pas compte envoie les commerciaux vers la mauvaise moitié de la liste.
Trois ou quatre critères tirés de vos meilleurs clients, pas d'une liste de souhaits. Par exemple : entreprise B2B, 50 à 500 salariés, une équipe commerciale d'au moins cinq personnes, basée en France ou au Royaume-Uni. Et pour la personne : un rôle de direction commerciale ou de revenue operations. Notez simplement : de 0 à 40 points. Tout ce qui échoue sur un critère éliminatoire (mauvais pays, activité grand public) est exclu plutôt que mal noté.
Notez les événements qui donnent au commercial sa première phrase. Une grille de départ utilisable, à ajuster avec vos propres données :
Les signaux se périment. Une visite de la page tarifs vaut un appel aujourd'hui et plus rien dans un mois. Donnez à chaque signal une date d'expiration et laissez les points tomber à zéro ensuite. Nous avons décrit les principaux signaux, et quoi dire pour chacun, dans 10 signaux d'achat pour l'outbound.
Une composante que la plupart des modèles oublient. Ajoutez des points pour un numéro de mobile vérifié, pour une ligne directe, pour un persona qui répond (les fonctions commerciales et de direction décrochent à plus de 15 % dans nos données) et pour un décroché précédent sur ce numéro. Retirez-en pour les contacts joignables uniquement par le standard et pour les numéros qui ont échoué plusieurs fois. La joignabilité ne dit pas que le lead est meilleur. Elle dit que l'appel a plus de chances de devenir une conversation, et c'est à cela que sert une heure d'appels.
Un score n'est utile que s'il change ce que fait le commercial à 10 h. Trois règles.
Un modèle de scoring est une hypothèse. Vérifiez-la chaque mois avec deux chiffres par niveau : le connect rate et le taux de rendez-vous par conversation. Si le niveau A ne bat pas le niveau C sur les deux, le modèle est décoratif.
Le benchmark donne un ordre de grandeur de ce que vaut un bon signal. Les appels ouverts sur un déclencheur aboutissent à un rendez-vous pris dans 7 à 10 % des conversations, contre 2 à 3 % pour un pitch sans raison. Les appels vers des personnes qui vous connaissent déjà réussissent environ 10 % du temps, contre à peu près 1,5 % à froid. Si votre meilleur niveau ne montre pas un écart de cet ordre, les signaux qu'il contient ne sont pas de vrais signaux.
Puis demandez aux commerciaux. Chaque mois, faites nommer à chaque SDR trois leads que le modèle a classés trop bas et trois classés trop haut. Leurs corrections sont la meilleure source de nouveaux critères, et c'est parce qu'on leur a demandé qu'ils feront confiance au résultat.
Nous ne montrons pas un chiffre aux commerciaux. Nous construisons la liste d'appels du jour à partir des signaux et de la joignabilité, et nous montrons pourquoi chaque contact y figure.

Dans Sonik, les contacts, personas et signaux viennent de vos vues CRM : visiteurs du site, changements de poste, deals perdus, leads dormants, intention sociale. Ils deviennent une liste d'appels quotidienne, ordonnée par persona et par meilleur créneau. La fiche contact donne la raison de l'appel avant le décroché, et les résultats d'appel réalimentent la liste : un décroché ou une demande de rappel fait remonter le contact en tête de la session suivante. Le scoring est dans l'ordre de la liste, le seul endroit que regarde un commercial.
Un score de lead pour l'outbound répond à trois questions : est-ce le bon compte, y a-t-il une raison d'appeler maintenant, et peut-on joindre la personne. Tenez-vous-en à dix critères et trois niveaux, et testez-le sur le connect rate et le taux de rendez-vous. Cette semaine, prenez les 50 leads que votre modèle actuel classe le plus haut et comptez combien ont un signal actif et un numéro de mobile. Ce nombre est la vraie qualité de votre modèle.