--- title: リードスコアリングの設計手順 — 初期モデルを AI で 1 時間で作る｜humbulls description: リードスコアリングを Fit 40 点・Behavior 60 点で設計します。過去データを AI で整理し、HubSpot または Apps Script へ実装して 90 日で補正する手順と実行キットを解説します。 image: https://humbulls.com/hubfs/blog-covers/cover-lead-scoring-ai.png --- [Skip to content](https://humbulls.com/knowledge/lead-scoring-ai#main-content) [POST](https://humbulls.com/knowledge?hsLang=ja) [サービスサイト](https://humbulls.com/?hsLang=ja) [ナレッジ](https://humbulls.com/knowledge?hsLang=ja) [セミナー](https://humbulls.com/event?hsLang=ja) [資料DL](https://humbulls.com/download?hsLang=ja) [無料相談](https://humbulls.com/consult?hsLang=ja) [ALL](https://humbulls.com/knowledge?hsLang=ja) [KNOWLEDGE](https://humbulls.com/knowledge/tag/knowledge?hsLang=ja) [CASE STUDIES](https://humbulls.com/knowledge/tag/case-studies?hsLang=ja) [セミナー](https://humbulls.com/event?hsLang=ja) [無料相談を予約](https://humbulls.com/consult?hsLang=ja) [資料ダウンロード](https://humbulls.com/download?hsLang=ja) [← サービスサイトへ戻る](https://humbulls.com/?hsLang=ja) 1. [ホーム](https://humbulls.com/knowledge) 2. リードスコアリングの設計手順 — 初期モデルを AI で 1 時間で作る ![リードスコアリングの設計手順 — 初期モデルを AI で 1 時間で作る](https://humbulls.com/hubfs/blog-covers/cover-lead-scoring-ai.png) # リードスコアリングの設計手順 — 初期モデルを AI で 1 時間で作る 最終更新日:2026.8.2 / 公開日:2026.7.10 - [AI](https://humbulls.com/knowledge/tag/ai) - [HubSpot](https://humbulls.com/knowledge/tag/hubspot) - [BtoB](https://humbulls.com/knowledge/tag/btob) - [ビジネスフレームワーク](https://humbulls.com/knowledge/tag/ビジネスフレームワーク) - [Google Apps Script](https://humbulls.com/knowledge/tag/google-apps-script) 最終更新日:2026.8.2 / 公開日:2026.7.10 **本記事のポイント** - リードスコアリングは、MQL を 1 文で定義してから Fit (属性) と Behavior (行動) を分け、合計点だけでなく両方の最低点を満たしたリードだけを営業へ渡す仕組みです - 初期モデルは Fit 40 点・Behavior 60 点の 100 点満点で十分です。ただし、この配分は公式推奨値ではなく、自社データで補正するための出発点です - 過去データを AI で比較すれば配点表は 1 時間で作れます。実装後は 30 / 60 / 90 日の 3 回で閾値と配点を見直します 「資料をダウンロードしただけの人まで営業に渡ってしまう」「スコアはあるのに、営業が信用していない」。humbulls が支援するなかで、リードスコアリングについてよく聞く悩みです。原因はデータ不足ではなく、MQL の定義より先に点数を付けていることにあります。 本記事では、Fit 40 点・Behavior 60 点の初期モデルを作り、HubSpot または Apps Script に実装するまでの型を解説します。特別な統計スキルは不要で、過去データと巻末の AI 実行キットがあれば、最初の配点表は 1 時間で作れます。 ## 1. 100 点の配点表より先に決めること — MQL 定義を 1 文にする 「料金ページを見たから 10 点、メールを開いたから 2 点。合計 50 点なら MQL でいいですか」。配点会議は、このように個別の行動から始まりがちです。 リードスコアリングとは、見込み客の属性と行動に点数を付け、営業が追う順番を揃える仕組みです。HubSpot の現行ツールでは、属性を見る Fit score、行動を見る Engagement score、両方を合わせる Combined score の 3 種類があります。 **点数を付ける前に、「誰が、何をしたら営業へ渡すか」を 1 文にしてください。** たとえば、MQL を次のように定義します。 > 対象業界・従業員 50 名以上の企業に所属し、過去 30 日以内に料金ページを閲覧したか、相談フォームを送信した担当者 この 1 文には、Fit の条件が 2 つ、Behavior の条件が 1 つ入っています。先に定義があれば、点数は条件の重みを表すだけになります。MQL と SQL の境界がまだ言葉になっていない場合は、先に [MQL と SQL の違いと定義](https://humbulls.com/knowledge/mql-sql-definition?hsLang=ja) を決めてください。 よくある失敗は、100 点満点の表を先に作り、後から「50 点以上を MQL と呼ぶ」と決めることです。これでは高得点の理由と営業が追う理由が一致しません。MQL の文章を作り、その条件を点数へ翻訳する順番なら、営業にも説明できます。 → MQL 定義から初期配点へ変換する作業は、巻末の [実行キット①](https://humbulls.com/knowledge/lead-scoring-ai#kit-1) で進められます。 ## 2. Fit 40 点・Behavior 60 点 — 初期モデルを 2 群に分ける 「会社規模を重くするか、問い合わせを重くするかで議論が終わらない」。同じ 100 点の中で属性と行動を混ぜると、配点の根拠が見えなくなります。 最初は Fit 40 点、Behavior 60 点に分けると整理しやすくなります。HubSpot の既定スコア上限も 100 点で、Combined score では合計・Fit・Engagement の 3 つのプロパティを持てます。 以下は BtoB サービスを想定した初期モデル例です。HubSpot の公式推奨配点ではありません。 | Fit (最大 40 点) | 点数 | Behavior (最大 60 点) | 点数 | | --- | --- | --- | --- | | 対象業界に一致 | 10 | 相談・デモフォーム送信 | 25 | | 従業員規模が対象範囲 | 10 | 料金ページを 30 日以内に閲覧 | 15 | | 部門・役職が購買関与者 | 10 | 導入事例または料金資料を DL | 10 | | 対象地域に所在 | 5 | ウェビナーに参加 | 5 | | 利用中ツールが連携対象 | 5 | メール内リンクをクリック | 5 | | **合計** | **40** | **合計** | **60** | ![Fit 40 点と Behavior 60 点を合算するリードスコア初期モデル](https://humbulls.com/hubfs/blog-figures/lead-scoring-ai-figure-01-score-model.png) Behavior を 60 点にしたのは、行動が営業の優先順位へ直結しやすいからです。一方で Fit を 0 点にすると、対象外企業が資料を何度も見ただけで上位へ来ます。40 点を残すことで、「関心は高いが対象外」と「対象企業で関心も高い」を分けられます。 加点だけではなく、対象外を下げる減点も置きます。採用応募・競合・ベンダー営業は -30 点、メール配信停止は -10 点、といった形です。HubSpot も positive / negative points の両方に対応しています。 よくある失敗は、メール開封やページ閲覧を無制限に加点することです。同じ人が 10 回見ただけで点数が膨らみます。項目ごとの上限を決め、問い合わせや商談予約のような強い行動へ点数を寄せてください。 ## 3. MQL 閾値は合計点だけで決めない — 3 条件を AND でつなぐ 「合計 65 点なのに、営業が見ると対象外企業だった」。合計点だけを条件にすると、こうした逆転が起きます。 初期モデルでは、次の 3 条件をすべて満たしたときだけ MQL とします。 1. 合計が 50 点以上 2. Fit が 20 点以上 3. Behavior が 30 点以上 | リード | Fit | Behavior | 合計 | 判定 | | --- | --- | --- | --- | --- | | A: 対象企業 + 相談フォーム | 30 | 35 | 65 | MQL | | B: 対象外 + 行動多数 | 10 | 55 | 65 | 保留 | | C: 対象企業 + 行動少数 | 35 | 15 | 50 | ナーチャリング | | D: Fit・行動とも低い | 15 | 20 | 35 | 対象外 | ![Fit と Behavior の両方に最低点を置く MQL 判定マトリクス](https://humbulls.com/hubfs/blog-figures/lead-scoring-ai-figure-02-threshold-matrix.png) **MQL は 50 点の人ではなく、Fit 20 点・Behavior 30 点・合計 50 点をすべて超えた人です。** この数値も初期値です。自社の平均単価、営業人数、月間リード数で変わります。 **大事なのは、合計点だけで判定しないことです。** HubSpot の Combined score にある A1〜C3 の区分も、Fit と Engagement を別々に見る同じ考え方です。 よくある失敗は、MQL 件数を増やすために合計閾値だけを 50 から 40 へ下げることです。件数は増えても、低 Fit のリードが混ざれば営業の受け取り率は下がります。調整するときは Fit・Behavior・合計のどこが詰まっているかを分けて見ます。 → 3 条件を含む初期配点表は、巻末の [実行キット①](https://humbulls.com/knowledge/lead-scoring-ai#kit-1) で作れます。 ## 4. 過去データを AI で比較する — 初期配点を 1 時間で作る 「配点に根拠が必要なのは分かる。でも分析担当者はいない」。ここで AI を使います。 必要なのは、過去の転換・未転換リードを同じ列で並べた表です。列は会社規模、業界、役職、流入元、主要ページ閲覧、フォーム送信、最終ステージなど。氏名・メールアドレスは分析に不要なので外します。 1 時間の使い方は次の通りです。 | 時間 | 作業 | 出力 | | --- | --- | --- | | 0〜10 分 | MQL 定義と候補項目を渡す | Fit / Behavior の列分類 | | 10〜25 分 | 転換・未転換データを整える | 欠損・表記ゆれの一覧 | | 25〜45 分 | 両群の差を比較する | 転換群に偏る項目の候補 | | 45〜60 分 | 40 / 60 点へ配分する | 初期配点表と根拠 | AI に任せるのは、差の整理と配点案の作成までです。「この項目なら必ず転換する」と予測させる作業ではありません。件数が少ない場合は、根拠欄に「データ不足」と書かせ、担当者の仮説と分けます。 HubSpot の AI score は Marketing Hub Enterprise 限定で、最低 50 件、内訳は転換 25 件・未転換 25 件が必要です。この数字は AI score の利用条件であり、手動モデルの品質保証ラインではありません。50 件に満たないチームは、仮説モデルとして始めて 90 日の運用データで補います。 よくある失敗は、AI に点数だけを出させることです。「対象業界 +10」の横に、転換群と未転換群の件数差、採用理由、見直し条件まで出させます。根拠が読めない点数は、営業との会議で残りません。 → 匿名化した表から配点根拠まで出す指示は、巻末の [実行キット①](https://humbulls.com/knowledge/lead-scoring-ai#kit-1) にまとめています。 ## 5. HubSpot / Starter に実装して 90 日で補正する 「モデルはできた。でも今のプランではスコアリング画面が見つからない」。HubSpot の標準スコアは Marketing Hub Professional / Enterprise、または Sales Hub Professional / Enterprise が対象です。 プランによって実装を分けます。 | 環境 | 実装方法 | 更新 | | --- | --- | --- | | HubSpot Professional / Enterprise | Combined score に property group と event group を設定 | HubSpot が履歴を含めて再計算 | | HubSpot Starter | Sheets で Fit / Behavior / Total を計算し、Apps Script でカスタムプロパティへ書き戻す | time-driven trigger で日次更新 | Professional 以上では、最初に 5〜10 件の既知リードを Test record で確認し、その後 Preview distribution で全体分布を見ます。上位 5% しか MQL にならない、または半数が MQL になるなら、ワークフローへつなぐ前に閾値を戻します。 Starter では `lead_fit_score`、`lead_behavior_score`、`lead_total_score` の 3 プロパティを作り、Sheets 側で計算します。 → 日次同期は [HubSpot を Apps Script で Sheets に同期](https://humbulls.com/knowledge/hubspot-apps-script-sheets-sync?hsLang=ja) の構成をそのまま使えます。 Apps Script の time-driven trigger は自動実行できますが、指定時刻ぴったりではなく一定の時間帯で動きます。失敗時は作成者へ通知されるため、運用担当のアカウントで作成し、実行ログを月 1 回確認してください。 配点は 90 日間固定しません。次の順で補正します。 | 時点 | 見る数字 | 変更範囲 | | --- | --- | --- | | 30 日 | MQL 件数・営業受け取り率 | 明らかな対象外条件の減点だけ追加 | | 60 日 | MQL→SQL 転換・差し戻し理由 | Fit / Behavior の最低点を調整 | | 90 日 | SQL→商談・受注との関係 | 各項目の配点と合計閾値を見直す | 行動の鮮度が落ちる項目には減衰を入れます。HubSpot は 1・3・6・12 ヶ月の間隔を選べるため、初期モデルではページ閲覧やメール反応を 3 ヶ月で減衰させ、相談フォームや商談予約は別ルールに分けます。 よくある失敗は、配点変更と営業フロー変更を同じ日に行うことです。原因が分からなくなるので、1 回の見直しで動かすのは配点・閾値・運用のどれか 1 つにします。自動通知や担当者割り当ては [HubSpot ワークフロー活用例](https://humbulls.com/knowledge/hubspot-workflow-examples?hsLang=ja) を参考に、分布確認の後で接続してください。 → 実装仕様書は巻末の [実行キット②](https://humbulls.com/knowledge/lead-scoring-ai#kit-2)、90 日の補正は [実行キット③](https://humbulls.com/knowledge/lead-scoring-ai#kit-3) で進められます。 ## まとめ リードスコアリングは、細かな配点テクニックではなく、営業へ渡す理由を揃える仕組みです。MQL を 1 文で定義し、Fit 40 点・Behavior 60 点の初期モデルへ翻訳し、合計 50 点だけでなく Fit 20 点・Behavior 30 点も満たすようにします。ここまで決めれば、過去データの整理と配点案は AI で 1 時間に圧縮できます。 実装後の仕事は、30 / 60 / 90 日で営業の受け取りと商談化を見ながら補正することです。 リードを育てる前段の設計は [リードナーチャリングの 5 ステップ](https://humbulls.com/knowledge/lead-nurturing-guide?hsLang=ja)、実装テンプレを含む全体像は [BtoB マーケ AI 活用ガイド](https://humbulls.com/resources/btob-guide?hsLang=ja) にまとめています。 **まずはキット①へ過去データを貼り、初期配点表を作るところから始めてみてください。** ## 🤖 AI 実行キット 本文の判断と実装を、そのまま AI で実行するためのキット集です。プロンプトは Claude (ブラウザ版で可) にコピペすれば動きます。 ### キット① 過去データから初期配点表を作る — 60 分 **種別**: 判断キット **使うもの**: Claude (ブラウザ版で可。表が大きい場合は Claude Code) **事前に用意するもの**: 転換・未転換リードを同じ列で並べた CSV または表。氏名・メールアドレスは削除し、会社規模 / 業界 / 役職 / 流入元 / 主要行動 / 最終ステージを残します。データがなければ、営業とマーケの会議メモでも始められます。 **プロンプト**: ``` リードスコアリングの初期配点表を作ってください。 【MQL の定義】 対象業界・従業員 50 名以上の企業に所属し、過去 30 日以内に 料金ページを閲覧したか、相談フォームを送信した担当者(記入例) 【過去データ】 (匿名化した CSV または表を貼り付ける。データがなければ 営業とマーケの会議メモを貼り付ける) 【分類・配点基準(必ずこの基準に従うこと)】 - 会社・担当者の属性は Fit、閲覧・送信・参加などの行動は Behavior - 初期上限は Fit 40 点 / Behavior 60 点 / 合計 100 点 - MQL は Fit 20 点以上 AND Behavior 30 点以上 AND 合計 50 点以上 - 強い行動(相談・デモ・商談予約)を、弱い行動(開封・単純閲覧)より重くする - 採用応募・競合・ベンダー営業・配信停止は減点候補にする - データから差を確認できない項目は「データ不足」と書き、推測値と分ける 【出力】 1. Fit 配点表(項目 / 条件 / 点数 / 根拠 / 見直し条件) 2. Behavior 配点表(同じ列) 3. 減点表 4. MQL 閾値を満たす例 2 件、満たさない例 2 件 5. 営業と合意が必要な未確定事項 ``` **出力の確認ポイント**: - Fit と Behavior の点数を合計して、それぞれ 40 / 60 を超えていないか - 根拠が「一般的だから」だけの項目は、仮説として表示されているか - 合計点だけで MQL を判定せず、Fit と Behavior の最低点が入っているか **うまくいかないとき**: - すべての項目に同じような点が付く場合は、「相談フォームを 25 点として、他の行動を相対評価する」と基準点を 1 つ固定して再実行してください - データ件数が少ない場合は、精密な点数を求めず 5 点刻みの仮説モデルに戻します ### キット② HubSpot / Starter の実装仕様書を作る — 30 分 **種別**: 実装キット **使うもの**: Claude Code。HubSpot MCP がなければ、プロパティ一覧の CSV または画面スクショを入力にします **事前に用意するもの**: キット①の配点表、契約中の HubSpot Hub とプラン、スコアに使う既存プロパティ一覧。 **プロンプト**: ``` 次の配点表を HubSpot に実装する仕様書を作ってください。 【契約環境】 - Hub: Marketing Hub Starter(記入例。正式プランを書く) - 更新頻度: 毎日 1 回(記入例) - 配点表: (キット①の結果を貼り付ける) 【実装分岐(必ずこの基準に従うこと)】 A. Professional / Enterprise で標準 Lead Scoring が使える → Combined score、property group、event group、threshold を設計 B. Starter で標準 Lead Scoring が使えない → Google Sheets + Apps Script で計算し、lead_fit_score / lead_behavior_score / lead_total_score の 3 property へ日次反映 【安全条件】 - 最初は既知の 5〜10 records だけで計算結果を確認する - 全体分布の確認前に営業通知・担当者自動割り当てへ接続しない - 同一行動の無制限加点を禁止し、項目ごとの上限を持たせる - token / private app key はコードへ直書きしない 【出力】 1. 採用する実装分岐と理由 2. property / group / rule の一覧 3. テスト用 5 records と期待点数 4. 日次更新フロー 5. 公開前チェックとロールバック手順 ``` **出力の確認ポイント**: - 契約プランで使えない標準機能を前提にしていないか - 3 つの点数を別プロパティで確認できるか - 営業通知をつなぐ前に、テストと分布確認が置かれているか **うまくいかないとき**: - プラン判定が曖昧なら、HubSpot の Settings > Account Management > Billing で正式プラン名を確認して入力し直します - Starter 代替のコードが長くなりすぎたら、既存の Sheets 同期処理と score 計算を別関数に分けます ### キット③ 30 / 60 / 90 日の補正レポートを作る — 20 分 **種別**: 判断キット **使うもの**: Claude (ブラウザ版で可) **事前に用意するもの**: MQL 一覧と、その後の営業受け取り / 差し戻し / SQL / 商談 / 受注の結果。件数だけでも動きます。 **プロンプト**: ``` リードスコアリングの補正案を作ってください。 【現在のルール】 - Fit 最低点: 20(記入例) - Behavior 最低点: 30(記入例) - 合計最低点: 50(記入例) - 現在の配点表: (貼り付ける) 【運用結果】 (MQL / 営業受け取り / 差し戻し理由 / SQL / 商談 / 受注の表を貼る) 【補正基準(必ずこの順で判定すること)】 1. 対象外が混じる → 減点条件または Fit 最低点を見直す 2. 対象企業だが温度が低い → Behavior 最低点を見直す 3. 相談・商談予約が過小評価 → 強い行動の点数を見直す 4. 古い閲覧だけで高得点 → 1 / 3 / 6 / 12 ヶ月の減衰を検討する 5. 1 回の見直しで動かすのは配点・閾値・運用のどれか 1 種類だけ 【出力】 - 現状診断(データで言えること / 言えないことを分ける) - 変更候補を優先順に最大 3 件 - 変更前後の判定例 - 次の 30 日に追う数字 - 変更を見送る条件 ``` **出力の確認ポイント**: - 件数が少ないのに断定していないか - 3 件を超える変更を同時提案していないか - 営業の差し戻し理由が、Fit / Behavior のどちらへ効くか説明されているか **うまくいかないとき**: - SQL や商談の結果がまだなければ、30 日レビューとして対象外混入と営業受け取り率だけを見ます。受注予測まで広げません ## 参考文献 - [Understand the lead scoring tool](https://knowledge.hubspot.com/scoring/understand-the-lead-scoring-tool) — HubSpot Knowledge Base (取得日: 2026-07) - [Build lead scores to qualify contacts, companies, and deals](https://knowledge.hubspot.com/scoring/build-lead-scores) — HubSpot Knowledge Base (取得日: 2026-07) - [Learn about building a lead/person scoring program](https://experienceleague.adobe.com/en/docs/marketo-learn/tutorials/lead-and-data-management/lead-scoring-learn) — Adobe Marketo Engage (取得日: 2026-07) - [Installable Triggers](https://developers.google.com/apps-script/guides/triggers/installable) — Google for Developers (取得日: 2026-07) ![栗田一輝](https://humbulls.com/hs-fs/hubfs/square_humbulls-kazukikurita-profile-pics.jpg?width=216&name=square_humbulls-kazukikurita-profile-pics.jpg) Author 栗田一輝 humbulls 代表 / B2B マーケ × AI 活用の 設計・実装・運用支援。 [![AI × BtoBマーケティング完全ガイドをダウンロードする（無料）](https://hubspot-no-cache-na2-prod.s3.amazonaws.com/cta/default/22817028/interactive-375238103746.png)](https://cta-na2.hubspot.com/web-interactives/public/v1/track/redirect?encryptedPayload=AVxigLIMhaUO2JQVVs58hAgG6EsuOfdd9hwLFHdC3ozLH9m%2Fzg3b%2BJOPlB328AGLWKzWs5WNNcgL1A%2B2RJcGeu%2Bw3%2BfycdFvYvXSEOs3WOdgtwBTU7l2HYh%2F5wfmtyXTBen4EoU%2BVW6RZARNqh9b69Cyf4ljsS8%2Fzu1jt3NmIsnpxp7B&webInteractiveContentId=375238103746&portalId=22817028) [![運営会社 humbulls — サービスサイトへ](https://hubspot-no-cache-na2-prod.s3.amazonaws.com/cta/default/22817028/interactive-375237823210.png)](https://cta-na2.hubspot.com/web-interactives/public/v1/track/redirect?encryptedPayload=AVxigLKYg6hR5LiZFPsrbBca%2FLFTvPAkaTn1qlM8rxRiYIg7%2F1CM12t5O08MhzH6MfV03yw3hEzanzjJtyPBLX24i9vRj9xtGx6w%2BiSUY3Ml5IZVuKzAQ0Q%2BfvMMpxxqd%2BU3x%2BhaYc%2BIBFPsEYEdy0JsxSIxDBzhYdV6&webInteractiveContentId=375237823210&portalId=22817028) ## こんな記事も読まれています - ### [![ChatGPT 広告とは — 日本でいつから・仕組み・費用・出稿方法を解説](https://humbulls.com/hubfs/blog-covers/cover-chatgpt-ads.png) KNOWLEDGE 2026.7.31 ChatGPT 広告とは — 日本でいつから・仕組み・費用・出稿方法を解説](https://humbulls.com/knowledge/chatgpt-ads?hsLang=ja) - ### [![HubSpot Starter 完全ガイド — 機能・制限・活用の全ノウハウ](https://humbulls.com/hubfs/blog-covers/cover-hubspot-starter-guide.png) KNOWLEDGE 2026.7.31 HubSpot Starter 完全ガイド — 機能・制限・活用の全ノウハウ](https://humbulls.com/knowledge/hubspot-starter-guide?hsLang=ja) - ### [![HubSpot Starter で Pro 級ダッシュボードを再現する — 4 層スタックの設計図](https://humbulls.com/hubfs/blog-covers/cover-hubspot-starter-pro-dashboard.png) KNOWLEDGE 2026.7.31 HubSpot Starter で Pro 級ダッシュボードを再現する — 4 層スタックの設計…](https://humbulls.com/knowledge/hubspot-starter-pro-dashboard?hsLang=ja) - ### [![HubSpot の料金プラン比較 2026 — 少人数チームの最小構成と費用目安](https://humbulls.com/hubfs/blog-covers/cover-hubspot-pricing-plan.png) KNOWLEDGE 2026.7.31 HubSpot の料金プラン比較 2026 — 少人数チームの最小構成と費用目安](https://humbulls.com/knowledge/hubspot-pricing-plan?hsLang=ja) - ### [![HubSpot でステップメール自動化 — Starter で組む 3 セグメント配信手順](https://humbulls.com/hubfs/blog-covers/cover-hubspot-email-automation.png) KNOWLEDGE 2026.7.31 HubSpot でステップメール自動化 — Starter で組む 3 セグメント配信手順](https://humbulls.com/knowledge/hubspot-email-automation?hsLang=ja) - ### [![生成 AI × BtoB マーケティング大全 — 業務別 30 の活用パターン](https://humbulls.com/hubfs/blog-covers/cover-ai-btob-marketing-guide.png) KNOWLEDGE 2026.7.31 生成 AI × BtoB マーケティング大全 — 業務別 30 の活用パターン](https://humbulls.com/knowledge/ai-btob-marketing-guide?hsLang=ja) [humbulls](https://humbulls.com/?hsLang=ja) マーケティングの「実務」を、毎週 humbulls から。 [サービスサイト](https://humbulls.com/?hsLang=ja) [ナレッジ](https://humbulls.com/knowledge?hsLang=ja) [セミナー](https://humbulls.com/event?hsLang=ja) [資料DL](https://humbulls.com/download?hsLang=ja) [お問い合わせ](https://humbulls.com/contact?hsLang=ja) © 2026 humbulls — [Legal & Privacy](https://humbulls.com/legal?hsLang=ja) ```json { "@context" : "https://schema.org", "@type" : "BlogPosting", "author" : { "@type" : "Person", "name" : "栗田一輝", "url" : "https://humbulls.com/knowledge/author/kazukikurita" }, "dateModified" : "2026-07-30T19:12:47.611Z", "datePublished" : "2026-07-10T05:29:28.000Z", "headline" : "リードスコアリングの設計手順 — 初期モデルを AI で 1 時間で作る｜humbulls", "image" : [ "https://humbulls.com/hubfs/blog-covers/cover-lead-scoring-ai.png" ], "mainEntityOfPage" : { "@id" : "https://humbulls.com/knowledge/lead-scoring-ai", "@type" : "WebPage" }, "publisher" : { "@type" : "Organization", "logo" : { "@type" : "ImageObject", "url" : "https://humbulls.com/hubfs/brand/logo-black-lockup.png" }, "name" : "株式会社humbulls" } } ```