Lead scoring: ako zoradiť dopyty, aby ste nestrácali čas

Lead scoring je bodovanie dopytov podľa toho, aká je šanca, že sa z nich stane platiaci zákazník. Malá firma ho potrebuje z jednoduchého dôvodu: dopytov chodí viac, než stihnete poriadne obslúžiť, a nie každý má rovnakú cenu. Systematický prehľad 44 štúdií ukázal, že zo záujemcov sa na kvalifikovaný lead premení približne 10 % a zákazníkom sa nakoniec stane len 1 až 6 % leadov (Wu a kol., 2023). Ak teda voláte dopyty v poradí, v akom prišli, väčšinu času venujete ľuďom, ktorí si nikdy nič nekúpia. Tento článok ukazuje, ako si postaviť funkčný bodovací model bez drahého softvéru a kedy má zmysel siahnuť po prediktívnom modeli.

V skratke: Začnite pravidlovým modelom na papieri: 40 bodov za to, kto zákazník je (firmografia), 40 za to, čo urobil (správanie), a odpočítavajte za jasné diskvalifikátory. Prahy nastavte tak, aby do najvyššieho pásma padlo asi 20 % dopytov. Prediktívny model sa oplatí až od niekoľkých stoviek uzavretých obchodov v CRM. Výskum z roku 2026 pritom ukazuje, že bodovaniu má predchádzať profilovanie podľa firmografie, teda podľa údajov, ktoré máte k dispozícii hneď, nie až po prvom telefonáte (Wu a kol., 2026).

Čo je lead scoring a čo ním riešite

Lead scoring (po slovensky bodovanie alebo skórovanie dopytov) priraďuje každému dopytu číslo. Čím vyššie číslo, tým skôr by ste mali zdvihnúť telefón. Nie je to veštenie, je to spôsob, ako usporiadať frontu.

Dôvod, prečo to rieši aj jednoosobová firma, je čas. Prvý kontakt s dopytom stojí rovnako veľa vašej pozornosti bez ohľadu na to, či ide o vážneho záujemcu alebo o študenta, ktorý zbiera podklady na seminárku. Ak ich nerozlíšite dopredu, rozlíši ich za vás náhoda.

Prehľad literatúry z oblasti predaja delí modely na dva druhy:

• Tradičný (pravidlový) lead scoring stojí na skúsenosti obchodníka. Vy sami určíte, za čo sa dávajú body.
• Prediktívny lead scoring hľadá vzorce v historických dátach pomocou štatistiky a strojového učenia. Váhy neurčujete vy, vypočíta ich model z toho, ako dopadli minulé obchody (Wu a kol., 2023).

Rozdiel nie je v tom, ktorý je „lepší", ale v tom, koľko dát vyžaduje.

Koľko dopytov sa naozaj zmení na zákazníka

Čísla z výskumu sú triezve. Priemerná konverzia záujemcu na kvalifikovaný lead je okolo 10 % a len 1 až 6 % leadov sa stane zákazníkmi (Wu a kol., 2023). Pri takýchto pomeroch nie je otázka, či treba dopyty triediť, ale podľa čoho.

Ten istý prehľad zhŕňa výsledky konkrétnych nasadení, ktoré preberá z pôvodných štúdií. Pravdepodobnostný model v experimente Duncana a Elkana zvýšil konverziu leadov z 8 % na 17 % počas troch mesiacov a zároveň skrátil čas potrebný na kvalifikáciu a znížil počet hovorov. Model D'Haena a kolegov, ktorý doplnil údaje o texty z webu, dosiahol konverziu 6,4 % oproti 3,5 % bez tejto informácie. V prípadovej štúdii Kazemiho a kolegov u výrobcu nábytku klesli administratívne náklady o 8 % a zisk vzrástol o 15 % (Wu a kol., 2023, plný text je voľne dostupný v PMC).

Dve poznámky, aby ste si z toho nezobrali falošnú nádej. Po prvé, ide o jednotlivé prípady z rôznych odvetví, nie o priemer, ktorý by platil pre vašu firmu. Po druhé, zdvihnutie konverzie z 8 % na 17 % neznamená dvakrát toľko tržieb z rovnakého rozpočtu; znamená, že rovnaký počet hovorov padol na lepšie vybraných ľudí.

Ako si postaviť bodovací model za jedno popoludnie

Nasledujúci postup zvládnete v tabuľke. Ak už máte CRM, body doň viete zapísať ako vlastné pole; ak ešte nemáte, prečítajte si, kedy CRM pre malú firmu dáva zmysel a kedy stačí tabuľka.

Krok 1: Napíšte, ako vyzerá dobrý zákazník

Nezačínajte bodmi, začnite zoznamom. Vypíšte si desať zákazníkov, s ktorými sa vám pracovalo najlepšie a ktorí zaplatili načas, a desať, ktorí vás stáli viac, než priniesli. Hľadajte, čo mali spoločné: veľkosť firmy, odvetvie, región, veľkosť prvej objednávky, kto bol kontaktnou osobou.

Toto je základ, bez ktorého je bodovanie len hádanie. Ak vám k tomu chýba jasno v ponuke, pomôže vám najprv dorovnať hodnotovú ponuku.

Krok 2: Bodujte, kto to je (firmografia, 0 až 40 bodov)

Sem patria údaje, ktoré máte k dispozícii okamžite: odvetvie, veľkosť firmy, lokalita, pozícia kontaktnej osoby, typ e-mailovej adresy. Výskum PRISM z roku 2026 argumentuje, že práve tieto údaje sa v modeloch podceňujú, hoci sú dostupné ešte pred prvým kontaktom, na rozdiel od údajov o správaní (Wu a kol., 2026).

Krok 3: Bodujte, čo urobil (správanie, 0 až 40 bodov)

Vyplnený formulár, opakovaná návšteva cenníka, otvorenie troch e-mailov za sebou, stiahnutý dokument, rezervovaný termín. Štúdia z roku 2025, ktorá analyzovala 16 600 záznamov z CRM softvérovej firmy za roky 2020 až 2024, označila v analýze dôležitosti premenných za najsilnejšie zdroj leadu, dôvod stavu a kategorizáciu leadu, za nimi produkt, počet reakcií, typ účtu a úroveň záujmu (González-Flores a kol., 2025).

Zdroj leadu je pritom údaj, ktorý väčšina malých firiem vôbec neeviduje. Pritom je zadarmo: stačí na každý formulár doplniť skryté pole s informáciou, odkiaľ návštevník prišiel.

Krok 4: Odpočítavajte za diskvalifikátory

Body sa musia dať aj strácať, inak model len nafukuje čísla. Odporúčaná záporná časť: rozpočet mimo vášho pásma, požiadavka, ktorú neviete splniť, konkurenčná firma, región mimo dosahu, nefunkčné telefónne číslo.

Krok 5: Nastavte prahy a k nim akciu

Prah bez naviazanej akcie je zbytočný. Ku každému pásmu napíšte, kto reaguje, do akého času a čím.

Prahy nastavte podľa svojej kapacity, nie podľa teórie. Ak zvládnete denne päť dôkladných hovorov, nastavte pásmo A tak, aby do neho padlo približne päť dopytov denne. Prah je regulátor objemu, nie známka.

Prečo najprv profilovať a až potom bodovať

Bežná chyba je bodovať všetky dopyty jedným rebríčkom. Štúdia PRISM navrhuje dvojstupňový postup: najprv rozdeliť dopyty do skupín podľa firmografických a organizačných znakov, teda podľa toho, kto sú, a až potom v rámci každej skupiny zoradiť podľa pravdepodobnosti nákupu. Autori model overili v troch odvetviach B2B služieb a uvádzajú zlepšenie konverzie aj efektivity (Wu a kol., 2026).

Prečo to funguje lepšie: signál „stiahol si cenník" znamená niečo úplne iné u desaťčlennej firmy a niečo iné v korporácii s nákupným oddelením. Keď obe hodíte do jedného rebríčka, váhy sa spriemerujú a prestanú platiť pre obe skupiny.

Pre malú firmu z toho plynie praktické zjednodušenie: namiesto jedného modelu si spravte dva alebo tri kratšie, pre každý typ zákazníka samostatne. Ak predávate aj firmám, aj koncovým zákazníkom, sú to dva úplne odlišné bodovníky.

Kedy sa oplatí prediktívny lead scoring

Prediktívny model potrebuje dáta o tom, ako minulé obchody dopadli. Spomínaná štúdia z roku 2025 pracovala so 16 600 záznamami a porovnala pätnásť klasifikačných algoritmov; najlepšie obstál Gradient Boosting Classifier (González-Flores a kol., 2025).

Pri čítaní takýchto výsledkov si však dávajte pozor na jednu vec. Medzi najsilnejšími premennými modelu bol aj „dôvod stavu" leadu, čo je údaj, ktorý v CRM často vzniká až vtedy, keď je o obchode rozhodnuté. Ak by ste taký údaj pridali do vlastného modelu, dostanete nádherné čísla presnosti a nepoužiteľný nástroj, pretože v čase, keď sa naozaj rozhodujete, ešte neexistuje. Pravidlo znie: bodujte len tým, čo je známe v okamihu, keď dopyt príde.

Praktická hranica pre malú firmu vyzerá takto:

• Menej než 100 uzavretých obchodov v evidencii: prediktívny model nemá z čoho počítať. Zostaňte pri pravidlovom.
• 100 až 500 obchodov: má zmysel spätne skontrolovať, či vaše ručne určené váhy zodpovedajú realite. Stačí na to kontingenčná tabuľka, nie strojové učenie.
• Nad 500 obchodov a stabilná evidencia zdroja leadu: vstavaný prediktívny scoring v CRM začína dávať zmysel.

Kde do toho vstupuje AI

Prehľadová štúdia z roku 2025 zmapovala, kde sa umelá inteligencia v B2B predaji naozaj používa. Zistenie: najviac práve vo fáze kvalifikácie potenciálneho zákazníka a pri obsluhe existujúceho účtu, zatiaľ čo pri nadviazaní vzťahu a pri samotnej prezentácii ponuky zostáva potenciál generatívnej AI nevyužitý (Fehrenbach a kol., 2025).

Pre malú firmu to znamená, že kvalifikácia je dnes najzrelšia oblasť na automatizáciu. Konkrétne tri veci, ktoré sa dajú spraviť bez programátora: doplnenie údajov o firme z obchodného registra podľa IČO, zhrnutie dlhého textu z formulára do dvoch viet a návrh prvej odpovede na schválenie. Ako takéto kroky pospájať, opisuje článok o automatizácii firmy s Make.com.

Čo AI nevyrieši: ak nemáte zapísané, ako dopyty dopadli, nemá sa z čoho učiť ani ona.

Ako je na tom Slovensko

Východisko je slabšie, než sa v marketingových textoch pripúšťa. Podľa Eurostatu používalo v roku 2025 špecializovaný podnikový softvér (ERP, CRM alebo BI) 53 % podnikov v EÚ, no na Slovensku len 34 %, čo je tretia najnižšia hodnota po Bulharsku (31 %) a Rumunsku (32 %). Pri samotnom CRM je rozdiel podľa veľkosti firmy priepastný: 25 % malých podnikov oproti 65 % veľkých (Eurostat, 2026).

Prakticky to znamená dve veci. Tri štvrtiny malých slovenských firiem nemajú kde lead scoring viesť, takže tabuľka je úplne legitímny prvý krok. A zároveň: ak ho zavediete, robíte niečo, čo väčšina vašej konkurencie nerobí.

Najčastejšie chyby

1. Bodovanie bez naviazanej akcie. Skóre, ktoré nikto nesleduje, je len ďalší stĺpec v tabuľke.
2. Príliš veľa kritérií. Osem až dvanásť riadkov stačí. Model s tridsiatimi pravidlami nikto neudrží aktuálny.
3. Žiadne záporné body. Bez diskvalifikátorov sa hore vyšplhá každý, kto veľa kliká.
4. Bodovanie podľa údaja, ktorý v čase rozhodovania neexistuje. Klasická pasca pri prediktívnych modeloch.
5. Model, ktorý sa nikdy neprepočíta. Váhy platia pre trh, ktorý ste mali pred rokom.
6. Zámena skóre za kvalifikáciu. Skóre hovorí, komu volať skôr. Či má zákazník rozpočet a právomoc rozhodnúť, zistíte až rozhovorom.

Ako zmerať, či lead scoring funguje

Merajte tri veci a stačí vám na to tabuľka:

Prvý riadok je test zmyslu celého modelu. Ak sa konverzia pásma A a pásma C líši len o pár percentuálnych bodov, model netriedi nič a váhy treba prepísať. Prehľad literatúry identifikoval štrnásť metrík používaných na meranie dosahu lead scoringu, od konverzie cez počet kvalifikovaných leadov až po čas potrebný na kvalifikáciu (Wu a kol., 2023); pre malú firmu sú tieto tri dostatočné.

Ak k tomu chcete pridať otázku, koľko si vôbec môžete dovoliť minúť na získanie zákazníka, nadväzuje na to článok o pomere LTV a CAC.

Časté otázky

Čo je lead scoring jednoducho povedané?

Lead scoring je bodovanie dopytov podľa toho, aká je pravdepodobnosť, že sa z nich stane zákazník. Body sa prideľujú za to, kto záujemca je (odvetvie, veľkosť firmy, pozícia) a za to, čo urobil (vyplnil formulár, pozrel cenník, otvoril e-maily). Výsledné číslo určuje poradie, v akom dopyty spracujete.

Oplatí sa lead scoring aj pre jednoosobovú firmu?

Áno, a často viac než veľkej firme, pretože jeden človek má menej času na premárnenie. Stačí tabuľka s ôsmimi až dvanástimi kritériami a tromi pásmami. Podľa Eurostatu malo v roku 2025 CRM softvér len 25 % malých podnikov v EÚ, takže tabuľka je bežný a plne funkčný začiatok.

Aký je rozdiel medzi lead scoringom a kvalifikáciou dopytu?

Lead scoring je automatické zoradenie dopytov podľa dostupných údajov, kvalifikácia je rozhovor, v ktorom overíte rozpočet, právomoc rozhodnúť a časový horizont. Scoring určuje, komu zavoláte skôr; kvalifikácia až počas hovoru rozhodne, či má obchod zmysel.

Koľko dopytov sa bežne mení na zákazníkov?

Podľa systematického prehľadu 44 štúdií sa približne 10 % záujemcov mení na kvalifikovaný lead a len 1 až 6 % leadov sa nakoniec stane zákazníkmi. Konkrétne číslo sa však výrazne líši podľa odvetvia a zdroja dopytov, preto si merajte vlastné.

Kedy má zmysel prediktívny lead scoring namiesto pravidlového?

Až keď máte v evidencii aspoň niekoľko stoviek uzavretých obchodov aj s výsledkom a dôsledne zapisujete zdroj každého dopytu. Pod touto hranicou model nemá z čoho počítať a pravidlový bodovník postavený na vašej skúsenosti bude presnejší.

Podľa čoho prideliť body, keď o záujemcovi nič neviem?

Podľa toho, čo je viditeľné bez pýtania: firemná verzus voľná e-mailová adresa, doména firmy, text v poli so zadaním, kanál, z ktorého prišiel, a čas podania formulára. Výskum z roku 2026 odporúča stavať prvé triedenie práve na takýchto údajoch dostupných pred prvým kontaktom.

Ako často treba prepočítať váhy v modeli?

Raz za štvrťrok porovnajte skutočnú konverziu jednotlivých pásiem. Ak sa pásmo A prestalo odlišovať od pásma B, alebo ak vám pribudol nový zdroj dopytov, váhy prepíšte. Pri stabilnej ponuke a rovnakých kanáloch vydrží model aj rok.