Chấm điểm lead (lead scoring): cách xây thang điểm, đặt ngưỡng chuyển cho sales và kiểm định

Thang điểm lead chỉ hữu ích khi nó đoán đúng khách nào sẽ mua. Nếu điểm được cộng theo cảm giác và ngưỡng chuyển cho sales đặt theo thói quen, đội bán hàng sớm thôi tin con số.

Bài này giải thích chấm điểm lead (lead scoring), cách tách điểm phù hợp và điểm hành vi, đặt ngưỡng chuyển cho sales, khi nào dùng học máy và cách kiểm định bằng kết quả thật. Nguồn chính là tài liệu của HubSpot, Salesforce và Microsoft, đối chiếu đến ngày 22/10/2026.

Click Star đã có bài riêng về hợp nhất dữ liệu khách hàng từ form, Zalo, Facebook, cuộc gọi và bài về CRM; chấm điểm chỉ đáng tin khi mỗi khách là một hồ sơ.

Điểm chính

• Chấm điểm lead gán điểm cho khách tiềm năng để sales biết gọi ai trước. Điểm chỉ có giá trị khi đã được so với kết quả thật: lead nào thành cơ hội, lead nào thắng đơn.
• Nên tách 2 trục: điểm phù hợp (khách có đúng hồ sơ không) và điểm hành vi (khách có đang quan tâm không). HubSpot gắn nhãn 2 trục riêng.
• Điểm trừ và suy giảm theo thời gian ngăn điểm chỉ tăng. HubSpot cho đặt suy giảm theo chu kỳ 1, 3, 6 hoặc 12 tháng.
• MQL và SQL là trạng thái, không phải con số. Tài liệu chỉ nêu ngưỡng làm ví dụ minh họa, không nói bao nhiêu điểm thì thành MQL; ngưỡng do 2 đội thỏa thuận.
• Học máy cần đủ lead đã có kết quả. Tối thiểu theo nguồn: Microsoft 40 lead đạt và 40 lead bị loại, HubSpot 50 liên hệ (25 đã chuyển, 25 chưa).
• Kiểm định bằng cách gom lead theo nhóm điểm, chờ đủ độ trễ khép đơn rồi so tỷ lệ thành cơ hội giữa các nhóm.

Chấm điểm lead là gì, MQL và SQL khác nhau ra sao

Chấm điểm lead là gán một con số cho mỗi khách tiềm năng để xếp thứ tự chăm sóc, cộng từ các tín hiệu: khách là ai, đã làm gì và gần đây còn hoạt động hay không.

MQL (marketing qualified lead) và SQL (sales qualified lead) là 2 trạng thái trong hành trình khách. Theo tài liệu lifecycle stage của HubSpot (cập nhật 20/10/2026), MQL là liên hệ mà đội marketing đã xác nhận sẵn sàng cho sales, SQL là liên hệ mà đội sales đã xác nhận là khách tiềm năng.

Điểm phù hợp, điểm hành vi, điểm trừ và suy giảm theo thời gian

Điểm phù hợp (fit) chấm theo thuộc tính của khách hoặc doanh nghiệp. Theo HubSpot, ví dụ là chức danh, quy mô công ty hoặc doanh thu hằng năm.

Điểm hành vi (engagement) chấm theo hành động. HubSpot nêu ví dụ truy cập website, đăng ký bản tin, bấm nút kêu gọi hành động hoặc mở email. Microsoft cho kèm số lượng và khung thời gian, ví dụ ít nhất 5 email mở trong 28 ngày.

Cần tách 2 trục: một sinh viên làm bài tập xem trang giá nhiều lần vẫn có thể đẩy điểm vượt ngưỡng.

Điểm trừ loại bớt tín hiệu không phù hợp. HubSpot nêu ví dụ cộng điểm cho ngành và quy mô hợp, trừ điểm cho khu vực công ty không phục vụ.

Suy giảm theo thời gian làm hành vi cũ mất dần giá trị. Theo HubSpot, suy giảm áp cho từng sự kiện theo chu kỳ 1, 3, 6 hoặc 12 tháng (mỗi tháng 30 ngày) và tính cả dữ liệu lịch sử. Ví dụ: biểu mẫu 10 điểm, suy giảm 50% mỗi tháng, sau 1 tháng còn 5 điểm, 30 ngày sau nữa còn 0.

Tài liệu của HubSpot, Salesforce và Microsoft mô tả thế nào

HubSpot và Salesforce tách điểm phù hợp khỏi điểm hành vi. Microsoft Journeys chấm thuộc tính và tương tác trong cùng một mô hình, còn hạng chỉ là khoảng điểm tùy chọn.

HubSpot (cập nhật 20/10/2026, gói Professional hoặc Enterprise) có điểm fit, điểm engagement và điểm kết hợp. Mức tối đa mặc định là 100 điểm, mỗi nhóm quy tắc có thể có trần riêng.

Ngưỡng tạo nhãn từ A (hợp nhiều) đến C (hợp ít) và từ 1 (tích cực nhiều) đến 3 (tích cực ít).

Salesforce Account Engagement tách score (điểm hành vi) và grade (hạng phù hợp từ A+ đến F). Theo Trailhead, mọi khách bắt đầu ở hạng D, hồ sơ mặc định có 5 tiêu chí: quy mô, ngành, vị trí, chức danh, bộ phận. Trailhead là tài liệu đào tạo, không ghi ngày.

Microsoft Customer Insights - Journeys (13/10/2026) chấm theo thuộc tính và tương tác, điểm âm hoặc dương, tối đa 40 nhóm điều kiện mỗi mô hình.

Khi điểm vượt ngưỡng đặt trong tiêu chí đủ điều kiện, lead đang mở được gắn Marketing Qualified hoặc Sales-Ready; lead đã là Marketing Qualified vẫn giữ trạng thái nếu điểm sau đó tụt dưới ngưỡng. Sau khi gộp trùng, mô hình không chấm bản ghi chính nếu chưa xóa điểm của các lead bị gộp hoặc xuất bản lại mô hình.

Thang điểm mẫu và ngưỡng chuyển cho sales

Đây là khung tham khảo của Click Star, không phải số đo và không lấy từ nguồn ngoài. Không có điểm hay ngưỡng chuẩn ngành: các tài liệu trên chỉ đưa ngưỡng làm ví dụ minh họa (HubSpot: nhóm High từ 70 đến 100 trong một tình huống mẫu), không nêu ngưỡng khuyến nghị. Mọi con số phải hiệu chỉnh bằng kết quả thật.

Điểm phù hợp, tối đa 30:

• Đúng khu vực phục vụ: +10
• Quy mô hoặc ngân sách thuộc nhóm khách mục tiêu: +10
• Người liên hệ giữ vai trò quyết định hoặc đề xuất: +10

Điểm hành vi, tối đa 70:

• Gửi biểu mẫu xin báo giá hoặc đặt lịch tư vấn: +30
• Gọi điện hoặc nhắn Zalo hỏi giá: +20
• Xem trang giá hoặc dịch vụ trong 7 ngày gần nhất: +5 mỗi lần, tối đa 15
• Mở email: +1 mỗi lần, tối đa 5

Điểm trừ và quy tắc kèm theo:

• Ngoài khu vực phục vụ: -20
• Số điện thoại sai hoặc không liên lạc được sau 3 lần thử: -15
• Nhân viên, đối thủ, đối tác: loại khỏi chấm điểm
• Điểm hành vi giảm một nửa sau mỗi 30 ngày không có hành vi mới

Ngưỡng chuyển cho sales, xét theo thứ tự:

• Gửi biểu mẫu xin báo giá hoặc đặt lịch tư vấn: luôn được liên hệ, vì khách chủ động yêu cầu
• Tổng từ 60 điểm và điểm phù hợp từ 20: chuyển sales
• Tổng từ 60 điểm nhưng điểm phù hợp dưới 20: giữ ở nuôi dưỡng, sales rà soát thủ công
• Tổng từ 35 đến 59: giữ ở nuôi dưỡng
• Dưới 35: chỉ theo dõi

Dùng điều kiện kép thay vì chỉ cộng tổng, vì tổng cao nhờ hành vi có thể che khách sai nhóm.

Chấm điểm theo luật hay dự đoán bằng học máy

Chấm điểm theo luật dễ giải thích và chạy được khi ít dữ liệu, nhưng trọng số do người đoán. Chấm điểm dự đoán học từ lead cũ, nhưng cần đủ lead đã thắng hoặc thua.

Microsoft Dynamics 365 Sales yêu cầu ít nhất 40 lead đạt và 40 lead bị loại, cùng được tạo và đóng trong khung huấn luyện từ 3 tháng đến 2 năm (tài liệu 7/8/2025). HubSpot yêu cầu tối thiểu 50 liên hệ, gồm 25 đã chuyển và 25 chưa, cho điểm AI của gói Marketing Hub Enterprise (cập nhật 20/10/2026).

Hướng dẫn Salesforce Einstein Lead Scoring (Spring '23, 20/4/2023) nêu, cho mỗi phân khúc, ít nhất 1.000 lead tạo trong 200 ngày và 120 lead đã chuyển thành tài khoản và liên hệ. Khi chấm mọi lead chung (không chia phân khúc) mà thiếu dữ liệu, Einstein dùng mô hình toàn cầu từ dữ liệu ẩn danh của nhiều khách, nên điểm chưa học từ khách của bạn.

Nguồn không khẳng định các con số trên đủ để mô hình đáng tin. Microsoft huấn luyện trên 80% lead đã đóng và kiểm bằng 20% còn lại, gồm các bản ghi gần nhất (tài liệu 2/7/2025).

Cách kiểm định thang điểm bằng kết quả thật

Kiểm định là so điểm với kết quả thật theo nhóm điểm, không phải theo cảm giác. Quy trình 5 bước dưới đây là khung tham khảo của Click Star.

Bước 1, lưu điểm tại thời điểm lead đạt ngưỡng, không dùng điểm hiện tại. Scikit-learn gọi việc dùng thông tin không có sẵn lúc dự đoán là rò rỉ dữ liệu, làm kết quả thử đẹp hơn thực tế. Theo nhận định của Click Star, điểm tính sau khi sales gọi là một ví dụ.

Bước 2, chờ đủ độ trễ khép đơn. Nếu đơn thường mất nhiều tuần mới chốt, chấm sau 1 tuần sẽ thấy nhóm điểm cao có vẻ kém vì đơn chưa kịp đóng.

Bước 3 và 4, chia 3 đến 5 nhóm điểm rồi so tỷ lệ thành cơ hội và thắng đơn. Nhóm điểm cao phải vượt nhóm thấp, ổn định qua các kỳ.

Bước 5, hiệu chỉnh trọng số và ngưỡng, rồi lặp.

Với mô hình dự đoán, Microsoft nêu các chỉ số như độ chính xác, recall, F1 và AUC. AUC là xác suất mô hình xếp một lead đạt chuẩn cao hơn một lead bị loại chọn ngẫu nhiên.

Một thiên lệch dễ gặp: sales chỉ gọi lead điểm cao nên thiếu kết quả của lead điểm thấp. Theo khung của Click Star, hãy giữ một phần nhỏ lead dưới ngưỡng vẫn được gọi để biết thang điểm có bỏ sót khách không.

Cách đo hiệu quả mà không bịa số

Chỉ số cốt lõi là tỷ lệ lead đạt ngưỡng chuyển thành cơ hội: số lead đạt ngưỡng thành cơ hội trong N ngày, chia cho số lead đạt ngưỡng cùng kỳ. N lấy theo độ trễ khép đơn của chính doanh nghiệp.

Các chỉ số đi kèm:

• Cùng tỷ lệ cho nhóm dưới ngưỡng; chênh lệch giữa 2 nhóm cho thấy thang điểm có tác dụng
• Thời gian từ lúc đạt ngưỡng đến lần liên hệ đầu tiên của sales
• Tỷ lệ chuyển trước khi có thang điểm, làm mốc so sánh

Thiên lệch và dữ liệu cá nhân

Chấm điểm là xử lý dữ liệu cá nhân để phân loại người. Microsoft cảnh báo mô hình chấm điểm tự động có thể gây vấn đề về quyền riêng tư và doanh nghiệp tự chịu trách nhiệm tuân thủ (Microsoft Learn, 13/10/2026).

NIST (Mỹ), trong ấn phẩm SP 1270 (15/3/2022), nhận định thiên lệch tồn tại khắp các quy trình công nghệ và có thể gây hại dù không cố ý. Theo nhận định của Click Star, nếu sales trước đây chỉ chăm một nhóm khách, mô hình học theo thói quen đó.

Nguyên tắc tham khảo của Click Star, không phải tư vấn pháp lý: chỉ dùng dữ liệu có mục đích và sự đồng ý phù hợp; không chấm bằng thuộc tính nhạy cảm hoặc biến thay thế; không để điểm tự động từ chối bán hàng; lưu lý do và phiên bản điểm.

Click Star có bài riêng về luật bảo vệ dữ liệu cá nhân cập nhật 2027 và bài về banner cookie, đồng ý theo luật Việt Nam và quốc tế; hãy đối chiếu văn bản gốc của luật Việt Nam trước khi triển khai.

Sales và marketing thống nhất định nghĩa

Thang điểm chỉ có tác dụng khi 2 đội cùng đồng ý MQL, SQL và thời gian phản hồi.

SLA tham khảo của Click Star, tự đặt và cần chỉnh theo nhân lực: lead đạt ngưỡng được liên hệ trong 1 giờ làm việc; sau 3 lần thử trong 7 ngày không được thì chuyển nuôi dưỡng; sales trả lead kèm lý do chọn từ danh sách cố định.

Đánh giá của Click Star. Click Star làm dịch vụ CRM và CDP nên có lợi ích liên quan; đây chỉ là nhận định kỹ thuật. Doanh nghiệp có ít lead đã đóng nên bắt đầu bằng thang điểm theo luật, nhỏ và dễ giải thích, rồi kiểm định mỗi quý.

Học máy chỉ nên vào khi lead có kết quả đủ nhiều và dữ liệu đã hợp nhất, vì hồ sơ bị tách làm nhiều bản làm lệch cả điểm lẫn kết quả.

Lộ trình 30 ngày

• Ngày 1 đến 7: họp sales và marketing, viết định nghĩa MQL, SQL và lý do trả lead; kiểm tra mỗi lead là một hồ sơ có nguồn, trạng thái, kết quả.
• Ngày 8 đến 14: dựng thang điểm theo luật gồm điểm phù hợp, hành vi, trừ và suy giảm; ghi rõ ngưỡng ban đầu là giả thuyết.
• Ngày 15 đến 21: bật chấm điểm, lưu điểm lúc đạt ngưỡng, chạy SLA.
• Ngày 22 đến 30: chia lead cũ theo nhóm điểm, so tỷ lệ thành cơ hội, ghi chỗ lệch và hẹn rà soát.

Những sai lầm thường gặp

1. Chỉ cộng tổng điểm, không tách điểm phù hợp và điểm hành vi.
2. Đặt ngưỡng theo cảm giác rồi không bao giờ so với kết quả thật.
3. Bật học máy khi chưa đủ lead có kết quả hoặc dữ liệu còn tách thành nhiều hồ sơ.

Điều chưa biết

Click Star chưa có số đo về tỷ lệ doanh nghiệp Việt Nam dùng chấm điểm lead hay tỷ lệ chuyển sau khi dùng. Chưa có nguồn mở nêu ngưỡng điểm hoặc SLA chuẩn.

Hướng dẫn Salesforce Einstein là bản Spring '23 nên số liệu có thể đã đổi. Chưa đối chiếu điều khoản về lập hồ sơ tự động trong luật dữ liệu cá nhân của Việt Nam.