リードグレーディングとリードスコアリング：両方を使いこなす方法

著者: Laurel · 更新日: 2026年9月8日

ある営業担当者が、100点満点で85点のスコアが付いたリードを開き、ホットなリードだと思い込みます。ところが実際は、授業の課題のためにサイト上のすべてのフォームを入力した大学生でした。数字は高くても、リードには価値がありませんでした。このギャップを埋めるためにあるのが、リードグレーディングです。

リードの優先順位付けに苦労しているチームの多くは、スコアリングモデルが欠けているわけではありません。方程式の残り半分が欠けているのです。スコアリングが示すのは、相手がどれだけエンゲージしているかです。その人物や企業が本当に顧客になり得るかどうかについては、何も語りません。この2つ目の問いに答えるのがグレーディングです。これを省くと、「最もホットな」リードの一覧には、本当の購買者に混じって、学生、競合他社、求職者が居座り続けます。

本ガイドでは、リードグレーディングとは何か、意見ではなく自社の受注データからA〜Dのモデルを構築する方法、ネガティブ基準で不適合なリードをパイプラインに入れない方法、そしてグレードとスコアを1つの優先度判断にまとめる方法を取り上げます。まだリードスコアリングシステムの関連記事を読んでいない場合は、先にそちらでエンゲージメント側を確認してください。本記事は適合度の側を扱っており、2つはあわせて読むことを前提にしています。

重要な事実: リードグレーディング

• 営業担当者が実際に営業活動に使っている時間は**わずか40%**で、残りは事務作業、データ入力、そもそも適合しない見込み客の追跡に失われています（SalesforceのState of Sales レポート第7版による）。出典
• B2Bリードの27%のみが、企業と最初に接点を持った時点で営業対応可能な状態にあり、残り73%はまだ営業との会話の準備ができていません（MarketingSherpaの2012年B2Bベンチマークレポートによる）。出典
• 営業担当者は、実際の商談に取り組む代わりに、不正確または不完全な連絡先データを追いかけることで、営業に使えるはずの時間の推定**27%**を無駄にしています（ZoomInfo/Validityの調査による）。出典
• 適合度の高い見込み客と低い見込み客を分けるために、正式なリードスコアリングまたはグレーディングのシステムを使っているB2B企業は44%のみです（Landbaseの2025年の調査による）。出典

リードグレーディングとは？

リードグレーディングとは、リードが理想的顧客プロファイルにどれだけ近いかに基づいて、通常はAからDまでの文字のグレードを割り当てる手法です。答えるのは1つの問いです。この人物や企業が今日購入する準備ができているとしたら、自社は本当に顧客として迎えたいか、という問いです。

これは、リードスコアリングが測る「相手が今どれだけ関心を持っているか」とはまったく別の問いです。グレーディングが見るのは、ファーモグラフィックデータ（企業規模、売上、業種）、デモグラフィックデータ（役職、シニオリティ、部門）、テクノグラフィックデータ（すでに使っているツール）、そして地理的な適合度（その地域に実際にサービスを提供しているか）です。これらは、誰かが今週3通のメールを開いたからといって変わることはありません。従業員200名のフィンテック企業は、そのVP of Salesが今まさに料金ページを見ていても、半年間サイトを見ていなくても、従業員200名のフィンテック企業です。

一方、スコアリングは完全に行動から作られます。ページ訪問、ダウンロード、メールのクリック、デモ依頼などです。常に変動し、時間とともに減衰するのが一般的です。グレーディングは、気分を映す指輪よりも信用調査に近いものです。変化が遅く、相手が今週何をしているかではなく、相手が誰であるかに基づいており、企業自体が変わらない限り再計算はほとんど必要ありません。企業自体が変わるのは、新たな資金調達、買収、新市場への転換などの場合です。

リードグレーディングとリードスコアリング：核となる違い

この2つの用語が混同されるのは無理もありません。どちらもリードのレコードに数字や文字を付け、どちらもルーティングの判断に使われ、日常の会話ではどちらも「リード評価」とひとくくりにされます。しかし両者は直交する別々のものを測っており、これを1つの数字にまとめてしまうところで、ほとんどのクオリフィケーションの仕組みが失敗します。

どちらの列も「クオリフィケーションスコア」そのものではないことに注目してください。両者はクオリフィケーションへの入力であり、クオリフィケーションが正確になるのは両方をあわせて見たときだけです。この点は、後述する優先度マトリクスで改めて取り上げます。より広いリード評価フレームワークの中でグレーディングとスコアリングをどこに位置づけるかまだ決めていない場合は、この2つを、MQLやSQLの定義のようなフレームワークの土台となる2つの素のインプットと考えてください。

A〜Dのグレーディングモデル

リードをグレーディングするB2Bチームの大半は、AからDまでの4段階の文字スケールを使います。営業が一目で信頼できるほど単純で、ルーティングに役立つほど十分に細かいからです。

グレードAのリードは、教科書どおりのICP一致です。企業規模、業種、役職、地域がすべて合っており、理想的にはテクノグラフィックや成長のシグナルも重なっています。自分のテリトリーを選べるなら、最優秀の営業担当者が真っ先に指名するようなアカウントです。

グレードBのリードは、適合度が高く、1つか2つ足りない点があります。企業が理想のゾーンより少し小さいか、コンタクトがVPではなくDirectorであるといったケースです。追求する価値は十分にありますが、事前のクオリフィケーションにもう少し手間がかかります。

グレードCのリードは、部分的に適合しており、実質的な欠けがあります。隣接する業種にいるか、意思決定者ではなく影響者の役職にあるといったケースです。通常は、すぐに営業が電話をするよりも、マーケティング主導のナーチャリングが向いており、バイヤーペルソナの取り組みを通じて精度を高める良い対象でもあります。

グレードDのリードは、適合度が低いか、除外条件に完全に該当します。地理が合わない、個人のメールアドレス、競合他社のドメイン、対応可能な規模をはるかに外れた企業などです。グレードDは「永久に無視する」という意味ではありません。アカウントに実質的な変化が起きるまで、営業の時間を近づけさせないという意味です。

A、B、C、Dの境界線を引くポイントの閾値は、テンプレートではなく自社のデータから決めるべきです。その作り方を見ていきましょう。

意見ではなく受注データからグレーディング基準を作る

リードグレーディングで最も大きな間違いは、データが実際に示すものではなく、営業が重要だと思い込んでいるものを軸にモデルを設計することです。営業担当者は「良いリード」がどんなものかについて強い確信を持った意見を持っていますが、その意見はしばしば間違っているか、少なくとも不完全です。

まず、過去12〜24か月に受注したすべての案件を抽出します。それぞれについて、リードが最初にパイプラインに入った時点のファーモグラフィック属性とデモグラフィック属性を記録します。企業規模、業種、役職、地域、技術スタック、資金調達ステージなどです。次に、失注した案件と除外されたリードのサンプルについて同じ属性を抽出し、2つのグループの差を探します。

具体的な問いを立ててください。受注した案件のうち、特定の従業員数の帯に属する企業からの案件は何%で、リード全体に占める割合と比べてどうか。売上の70%が従業員100〜1,000名の企業から来ているのに、その帯がリード全体の25%にすぎないのであれば、企業規模は強い予測因子であり、実質的な重みを持たせるべきです。受注と失注で業種にほとんど差がないなら、直感的に重要そうだからという理由でポイントを割り当ててはいけません。

これは、根拠のある理想的顧客プロファイルを作るときと同じ規律です。実際の顧客基盤のパターンに基準を決めさせ、そのパターンをポイントに置き換えます。

グレーディング基準と重みの例

重み付けをしたら、得られたポイント合計を文字のスケールに対応させます。担当者がレコードを見て、なぜそのグレードになったのかを理解できるほど単純にしてください。

ポイントとグレードの対応

ネガティブなグレーディング基準：除外条件

ポジティブな属性は、誰を追いかけるべきかを教えてくれます。ネガティブな属性（除外条件と呼ばれることもあります）は、エンゲージメントがどれほど高く見えても、誰を追いかけるのをやめるべきかを教えてくれます。自前で作ったモデルの多くが省略するのがこの部分で、「高スコア」のリードが行き止まりになる理由は、たいていここにあります。

一般的な除外条件には、競合他社のメールドメイン、ビジネスの購買者だけが使うべきフォームに入力された個人または無料のメールアドレス、対応可能な範囲をはるかに外れた企業規模、販売していない地域、購買権限がないことを示す役職（学生、求職者、採用ページを閲覧しているリクルーター）などがあります。これらはそれぞれ、グレードDになることが確実になるだけのポイントを減点するか、レコードの他の内容にかかわらずグレードを直接Dに設定するべきです。強いポジティブスコアで、重大な除外条件を相殺させてはいけません。相手が競合であれば、料金ページを何回訪問しても、その事実は変わりません。

ネガティブ基準は、営業に対するモデルの信頼性も守ります。営業担当者は、グレーディングシステムが明らかに誤ったリードを渡してきた最初の時点で、そのシステムを信頼しなくなります。きれいな除外条件のレイヤーがあれば、人の目に触れる前にそうした恥ずかしいミスを取り除けます。

グレードとスコアの組み合わせ：優先度マトリクス

ここでグレーディングの真価が発揮されます。グレードだけでは、いずれ追うべき相手が誰かがわかります。スコアだけでは、今まさに動いている相手が誰かがわかります。どちらも単独では、今日何をすべきかを教えてくれません。この2つを2つの軸に置けば、それを教えてくれるマトリクスができあがります。

一方の軸にグレード（AからD）を、もう一方の軸にエンゲージメントの階層を、ホット（今まさにエンゲージしている）からコールド（最近の活動なし）の順にプロットします。すべてのリードは必ず1つのセルに収まり、そのセルは特定のアクションに対応するべきです。

このマトリクスでは2つのセルが他より重要です。自前で作ったシステムの多くが失敗するのが、そこだからです。

高適合で低エンゲージメント（AとBの行の右上） は、ナーチャリングのゾーンです。顧客として本当に迎えたいアカウントですが、まだ積極的な購買シグナルを示していません。多くの場合、単にバイヤージャーニーの初期にいて、まだ解決すると決めていない課題を調べている段階です。これらを営業にコールドコールのために渡さないでください。後で必要になるアカウントとの好意を使い果たしてしまいます。より長いサイクルのナーチャリングの流れに乗せ、リードナーチャリングプログラムを通じてエンゲージメントが高まるにつれて見直してください。

低適合で高エンゲージメント（Dの行の左上） は、典型的な罠です。すべてのフォームに入力し、すべてのリンクをクリックしているため、単一軸のスコアでは素晴らしく見えるリードですが、実際は学生か、調査中の競合他社か、単にサービスを提供できない企業です。クオリフィケーションのプロセスがエンゲージメントしか見ていなければ、このリードはそのまま担当者のキューに直行し、本物の営業時間を浪費します。適合度しか見ていなければ、このセルに、前提を超えて成長した正当なアカウントが紛れていることがときどきあるのを見逃すかもしれません。自動で抑制するのではなく、簡単に目視する価値があります。このセルでは「自動ルーティング」よりも「レビュー対象としてフラグを立てる」ほうが優れているのは、そのためです。人によるチェックは1分で済みますが、無駄になった営業の電話ははるかにコストがかかります。

グレードとスコアの組み合わせ別のルーティングとSLA

すべてのリードがマトリクス上の位置を持つようになれば、その位置を具体的な運用ルール、つまり対応時間と担当者に変換できます。ここでグレーディングは分析の演習をやめ、リードが入ってきてから最初の5分間に起きることを変え始めます。まさにこの瞬間が、リード対応時間がコンバージョンに最も大きな影響を与えるタイミングです。

この表を、そのままリードルーティングのロジックとリードステータス管理のワークフローに取り込み、リードのグレードとエンゲージメント階層が、そのステージ、担当者、時計を自動的に設定するようにしてください。そうすれば、MQLとSQLの違いの定義も、議論の余地があるものから具体的なものになります。実際には、MQLとは通常、最低限のグレードとエンゲージメントの閾値を満たしたリードであり、SQLとは、その上で担当者が自ら有効性を確認したリードです。

手動、ルールベース、予測型のグレーディング

リードスコアリングと同じく、グレーディングも3つの異なる方法で構築でき、どれが適切かは、過去のデータがどれだけあるか、モデルにどれだけ説明可能性が求められるかによって決まります。

ルールベースのグレーディングは、ここではほぼすべてのチームにとって適切な出発点です。透明性があり、前述の受注データの分析を済ませればすぐに構築でき、担当者はリードがなぜその位置になったのかを正確に確認できるため、定着にとって重要です。予測型のグレーディングは、スプレッドシートでは見つけられないパターンをモデルが見つけられるだけの量になってから投資する価値がありますが、初日からルールベースの土台を置き換えるのではなく、その上に重ねるべきです。

ICPの変化に合わせた再調整

今日作ったグレーディングモデルは、過去1〜2年の最良の顧客が誰だったかのスナップショットです。そのスナップショットは、製品、市場、ゴートゥーマーケットの動きが変わった瞬間に古くなりますが、営業が「Aグレードのリードがコンバージョンしなくなった」と不満を言い始めるまで気づかないチームがほとんどです。

標準の頻度は四半期ごとの見直しとし、次のような場合は早めに見直すきっかけとしてください。別の購買者層を開く新しい製品ラインの登場、企業規模の理想ゾーンを動かす価格変更、ゴートゥーマーケットの動きの変化（上位市場への移行、セルフサービスの開始）、そしてグレードAのリードのコンバージョン率が2〜3四半期連続で目に見えて低くなった場合です。

再調整の手順は、最初に行った受注データの分析を、直近の案件のコホートでやり直すだけです。企業規模が結果を予測しなくなり、役職のシニオリティのほうが予測力を持つようになったなら、それに応じてポイントを移してください。グレードの閾値を動かすことも恐れないでください。市場がICPに寄ってきたために、リードの90%が突然グレードAに入るようになったなら、その閾値は緩くなりすぎて、優先順位付けに役立たなくなっています。

避けたいリードグレーディングのよくある間違い

データではなく勘でグレーディングする。 「良いリードは見ればわかる」というのは、まさに受注データの分析が検証しようとする前提であり、営業チームが思う以上に誤っています。勘によるグレードは、監査することも、新入社員に説明することも、体系的に改善することもできません。

閾値を見直さない。 グレーディングモデルは一度きりのプロジェクトではありません。市場は変わり、製品は進化し、18か月間誰も手を加えていないモデルは、1年前なら正しくグレーディングできていたはずのリードを、ほぼ確実に誤って分類しています。

エンゲージメントが適合度を上回ってしまう。 これは優先度マトリクスで述べた低適合・高エンゲージメントの罠であり、不適合なリードが営業の時間を浪費する最も一般的な原因です。高いスコアだけで、重大な除外条件を回避してルーティングされることがあってはなりません。

確実に収集していないデータでグレーディングする。 フォームがメールアドレスと会社名しか取得していないのに、正確な役職と従業員数に重みの半分を依存するグレーディングモデルを作ってはいけません。それらの欠けを確実に埋めるリードデータエンリッチメントに投資するか、きれいで一貫したデータを実際に持っている属性を軸にモデルを作ってください。データが粗いモデルは粗いグレードを生み、粗いグレードは偽りの確信を生むため、グレードがないよりも悪い結果になります。

ここからの進め方

グレーディングとスコアリングは、同じクオリフィケーションシステムの2つの半分であり、競合する手法ではありません。両方が整えば、リード管理のスタックの残りの部分も鋭くなります。ルーティングの判断は、曖昧な単一の数字に頼らなくなり、リードの種類は適合度とインテントを別々の変数として定義しやすくなり、プロダクト主導の動きでも、プロダクトクオリファイドリードを担当者へ渡す前には、利用データだけでなく適合度のチェックが依然として必要であるため、恩恵があります。

まず受注データの分析から始め、シンプルなルールベースのグレードを作り、既存のエンゲージメントスコアと重ね合わせ、1つの混ぜ合わせた数字ではなくマトリクスからルーティングしてください。モデルは初日から完璧ではありません。担当者の勘より良ければよいのです。そしてデータから作ったA〜Dのグレードは、ほぼ間違いなくそれより優れています。