Iliustracinis pavyzdys: Vilniaus IT paslaugų UAB pardavimų vadovė vadovauja trijų pardavėjų komandai. Per mėnesį jie sulaukia per 200 lead’ų iš svetainės, LinkedIn ir partnerių siuntimų. Teoriškai — puiki problema. Praktiškai — katastrofa. Trys pardavėjai bando pasiekti kiekvieną, bet daugelis skambučių nukeliauja kontaktams, kurie „tik informuojasi“, o realiai pirkti pasirengęs direktorius laukia atsakymo keturias dienas, kol kitas tiekėjas jį pasveikina pirmas. Per ketvirtį komanda gali pralaimėti ne vieną sandorį būtent dėl lėto reagavimo — ne dėl kainos ar kokybės.
Sprendimas nėra samdyti ketvirtą pardavėją. Sprendimas — lead’ų scoring sistema, kuri automatiškai pasako: „šis lead’as nori pirkti per dvi savaites, o tas — tik renka informaciją.“ Šiame straipsnyje aptarsiu tris lead’ų scoring lygius (nuo Excel’io iki AI predictive), šešiąs scoring’o dimensijas pritaikytas Lietuvos B2B rinkai su konkrečiais svoriais, įrankių palyginimą su 2026 kainomis ir tai, kaip per dvi savaites pastatyti custom AI scoring’o modelį ant jūsų istorinių pardavimų duomenų.
Kas yra lead scoring ir kodėl B2B Lietuvoje to vis dar nedarome
Lead scoring — tai kiekvieno lead’o „karštumo“ vertinimas pagal keletą kriterijų vienu metu: firmografija (kas yra įmonė), elgsena (ką jie daro jūsų svetainėje ir el. pašte), sprendimo priėmėjo titulas ir ketinimų signalai. Rezultatas — 0–100 balas, rodantis, kiek tikėtina, kad šis lead’as pavirs klientu per artimiausius 30–60 dienų.
Lietuvos B2B rinkoje lead’ų scoring vis dar nėra norma dėl kelių priežasčių: daugelis 5–30 darbuotojų įmonių mano, kad tai skirta didelėms korporacijoms su dešimčių tūkstančių lead’ų srautais; kita dalis žino apie scoring’ą, bet laiko jį per brangiu ar per sudėtingu diegti. 2026 m. abi prielaidos nėra teisingos — custom AI scoring modelis gali būti pastatytas per dvi savaites ir veikti su orientaciškai €30–60/mėn. platformų kaina (pvz., n8n Cloud Starter — 20 €/mėn. mokant metams, 2026 m. spalio duomenimis, plius OpenAI API naudojimas), jei naudojate n8n ir OpenAI vietoj Enterprise CRM licencijų.
Rankinis vs taisyklinis vs AI scoring
Rankinis: pardavėjas įvertina lead’ą intuicija po pirmo kontakto. Šis vertinimas netikslus, nevienodas ir kenčia nuo pardavėjų „gerų dienų“ efekto. Neretai to paties lead’o rankinis vertinimas gerokai skiriasi tarp pardavėjų ar net skirtingomis dienomis.
Taisyklinis (rule-based): iš anksto nustatyti kriterijai, pvz., +20 taškų jei įmonė turi 50–200 darbuotojų, +15 jei lankytėsi kainos puslapyje. Šis metodas tikslesnis už rankiniį, tačiau nelankstus — taisyklės nesikeičia pagal realiausius pardavimų rezultatus ir neatsižvelgia į sudėtingas sąveikos kombinacijas.
AI predictive: modelis apmokytas ant jūsų istorinių pardavimų duomenų (500–2 000 sandorių) atpažįsta kompleksines kombinacijas, kurias žmogus nepastebėtų: pvz., kad ITK sektoriaus įmonės su 20–60 darbuotojų, lankiusios puslapį du kartus su savaitės pertrauka ir atsisiuntusios PDF, konvertuoja kelis kartus geriau nei tos, kurios lankėsi tik vieną kartą. Šis metodas reikalauja pakankamai duomenų, bet duoda mažiausiai klaidingų teigiamų rezultatų.
3 lygiai: nuo Excel’io iki AI predictive
1 lygis: Excel’is su trijais stulpeliais (pradžiai)
Pradinis scoring’as gali prasidėti nuo paprasto trijų stulpelių Excel’io: įmonės dydis (0–10), sprendimo priėmėjo titulas (0–10), ketinimų signalas (0–10). Kiekvienas lead’as gauna sumą iki 30 taškų. Lead’ai virš 20 taškų — prioritetiniai. Šis metodas nereikalauja jokio papildomo įrankio ir leidžia pradėti prioritizuoti per valandą. Didžiausias trūkumas: rankinis duomenų įvedimas ir greitai pasenstantys kriterijai.
2 lygis: taisyklinis scoring CRM sistemoje
HubSpot Professional ir Pipedrive (su papildomais įrankiais) leidžia sukurti automatinį taisyklinį scoring’ą: kai lead’as aplankė kainos puslapį — automatiškai +20 taškų CRM’e; kai atsisiuntė PDF — +15; kai atsakė į pirmą el. laišką — +25. Sistema veikia automatiškai, bet taisyklės kuriamos rankiniu būdu ir reikalauja periodinio peržiūrėjimo. Geras starto taškas 100–300 lead’ų/mėn. apimties įmonėms.
3 lygis: predictive AI modelis ant istorinių duomenų
AI predictive scoring remiasi jūsų istoriniais duomenimis. Modelis analizuoja, kokie lead’ai per pastaruosius 12–24 mėnesius tapo klientais ir kokie liko nesandoriai — ir iš šio skirtumo mokosi atpažinti šiuos ypatumus naujuose lead’uose. Su 500+ sandorių istorija modelis paprastai prognozuoja patikimiau nei rankinis vertinimas — tikslumą verta pamatuoti su jūsų pačių istoriniais duomenimis. Detaliau apie šio lygio statybą — skyrelyje „Custom AI modelis su n8n“ žemiau.
Kokie signalai svarbiausi B2B Lietuvoje
Ne kiekvienas signalas turi vienodą vertę. Remiantis Lietuvos B2B rinkos specifika (dominuojantys sektoriai — IT, logistika, gamyba, profesionalios paslaugos, smulkios ir vidutinės įmonės), labiausiai konversiją nuspėjantys signalai yra šie keturi blokai:
Firmografija per Registrų centrą
Įmonės dydis (darbuotojų skaičius pagal viešus Sodros duomenis, patogiai pasiekiamus per privačius katalogus, pvz., Rekvizitai.lt), NACE veiklos kodas, įmonės amžius ir regionas — keturi pagrindiniai firmografiniai kintamieji Lietuvos rinkai. Optimalus klientas daugeliui IT paslaugų tiekėjų: 15–80 darbuotojų UAB, NACE 62.xx arba 70.xx kodas, veikianti 3–15 metų, Vilniaus, Kauno arba Klaipėdos regionas. Įmonės, atitinkančios šį profilį, dažniausiai konvertuoja geriau nei profilio neatitinkančios — ir tai turi atsispindėti scoring’o svoriais.
Elgsenos signalai svetainėje ir el. pašte
Svetainės puslapiai ir laikas: kainos puslapis (+25 taškų), paslaugos aprašas (+15), demo prašymas (+40), el. laiško atidarymas (+10), atsisiųsta PDF (+20), pakartotinis apsilankymas per 7 dienas (+15). Elgsenos signalai rodo sprendimo priėmimo stadiją: lead’as, kuris aplankė tris kartus per savaitę — aktyviai vertina pasiūlymus. Lead’as, atidaręs svetainę prieš tris mėnesius ir daugiau nesilankantis — tikriausiai jau priėmė sprendimą ne jūsų naudai.
Sprendimo priėmėjo titulas ir pozicija
Direktorius, įkūrėjas ar generalinis direktorius — +30 taškų. IT vadovas ar operacijų vadovas — +20. Projekto vadovas — +10. Buhalteris ar administratorius — +5 (dažniausiai tik renka informaciją vadovui). Titulas tiesiogiai koreliuoja su sprendimo priėmimo galia — o Lietuvos SMB įmonėse sprendimai dažnai priimami vieno asmens, ne komiteto.
Engagement greitis ir aktyvumas
Lead’ai, atsakantys per kelias valandas, paprastai konvertuoja gerokai geriau nei atsakantys po kelių dienų. LinkedIn ryšys arba sekimas — +10 taškų. Dalyvavimas webinare arba renginyje — +20. Atsakas į reaktyvacijos el. laišką po 30 dienų — +15. Šie signalai rodo aktyvų susidomėjimą, o ne pasyvų domėjimąsi, ir yra patys stipriausi trumpalaikiai konversijos rodikliai.
Praktinis modelis: 6 dimensijos su konkrečiais Lietuvos B2B svoriais
Šis modelis tinka B2B paslaugų ir SaaS įmonėms Lietuvoje. Bendras maksimalus balas — 100 taškų. Vidinė gradacija: 70–100 — „karštas“ (skambinti šiandien), 40–69 — „šiltas“ (nurse’inti el. laiškais), 0–39 — „šaltas“ (monitoringas).
1. Firmografija — iki 25 taškų
įmonės dydis 15–80 darbuotojų (+15), NACE kodas atitinka ICP (+7), įmonės amžius 3–15 metų (+3). Duomenys automatiškai traukiami per Rekvizitai.lt API kiekvienam naujam lead’ui CRM’e.
2. Sprendimo priėmėjo titulas — iki 20 taškų
Direktorius/įkūrėjas (+20), IT/operacijų vadovas (+15), projektų vadovas (+10), kitas (+5). Tikrinama per LinkedIn arba kontaktinių formos titulo laukelį.
3. Elgsenos signalai svetainėje — iki 20 taškų
Demo prašymas (+20), kainos puslapis (+12), pakartotinis apsilankymas per 7 d. (+10), PDF atsisiuntimas (+8), paslaugų puslapis (+5). Stebima per Google Analytics arba Plausible API.
4. Engagement su el. paštu — iki 15 taškų
Atsakė per 2 val. (+15), atidarė el. laišką tris kartus (+8), paspaudė nuorodą (+5). Duomenys iš el. pašto įrankio per Lemlist arba Brevo API webhook’u.
5. Technologijų ketinimų signalai — iki 10 taškų
Naudoja jūsų tikslines technologijas (pvz., Pipedrive arba HubSpot — signalas, kad aktyviai ieško automatizavimo sprendimų +10), naudoja pasenusias sistemas (+5). Patikrinama per BuiltWith arba Apollo.io duomenis.
6. Regionas ir pasiekiamumas — iki 10 taškų
Vilnius/Kaunas/Klaipėda (+10), kiti Lietuvos miestai (+7), užsienio įmonė su Lietuvos operacijomis (+5). Regionas tiesiogiai veikia diegimo kainą ir aptarnavimo galimybes — todėl jis atsispindi scoring’e.
Įrankiai 2026 — kainos ir pasirinkimas
Lead’ų scoring’ą galima diegti keliomis kryptimis. Pasirinkimas priklauso nuo lead’ų srauto dydžio, CRM, kurį jau naudojate, ir biudžeto:
HubSpot Professional / Enterprise — nuo ~€100/vartot./mėn., kainos keičiasi
Professional plane yra taisyklinis lead scoring, o AI (predictive) scoring — Enterprise plane (2026 m. spalio duomenimis). Privalumas: viskas vienoje platformoje — CRM, el. paštas, analytics, scoring. Trūkumas: brangu (dažnai keli šimtai €/mėn. komandai, plius vienkartinis įdiegimo mokestis), scoring’as nekoreguojamas pagal Lietuvos specifines duomenų bazes. Tinka įmonėms, kurios jau naudoja HubSpot ir nori greito, integruoto sprendimo.
Pipedrive Premium / Ultimate — nuo ~€49/vartot./mėn., kainos keičiasi
Pipedrive aukštesniuose planuose yra LeadBooster lead’ų surinkimas ir galimybė vertinti (skoruoti) lead’us pagal nustatytus kriterijus. Tačiau scoring’as paremtas bendrais elgsenos signalais ir neintegruojasi su Lietuvos Registrų centro duomenimis. Tinka kaip pradinė stadija, bet optimalus tikslumas pasiekiamas pridėjus custom n8n integraciją.
n8n + OpenAI custom modelis — €30–60/mėn. platformų kaina
Geriausias pasirinkimas B2B įmonėms, norinčioms tikslaus scoring’o su Lietuvos duomenimis. N8n savarankiškai integruojasi su Rekvizitai.lt, svetainės analitika, el. pašto įrankiu ir CRM — ir kiekvienam naujam lead’ui siunčia duomenis OpenAI, kuris grąžina scoring’o balą ir rekomendaciją pardavėjui. Pradinis setup reikalauja daugiau darbo, bet mėnesinė kaina gerokai mažesnė nei CRM Enterprise planai. Plačiau apie CRM automatizavimą mažoms įmonėms su n8n integracija.
Custom AI modelio statymas su OpenAI ir n8n per 2 savaites
Custom AI lead scoring modelio statymas reikalauja keturių komponentų: istorinių duomenų, scoring’o prompt’o struktūros, n8n workflow’o ir validacijos ciklo. Štai kaip tai atrodo praktiškai:
1 savaite: duomenų paruošimas ir analizė
Iš CRM eksportuojate paskutinius 500–1 000 sandorių — tiek laimėtus („won“), tiek prarastus („lost“). Kiekvienam sandoriui užrašote: įmonės dydis, sektorius, sprendimo priėmėjo titulas, lead’o šaltinis (svetainė, LinkedIn, partneris), el. laiškų atsakymo greitis, ar buvo demo susitikimas. Šie duomenys tampa training dataset’u — iš jo AI mokosi, kas skiria laimėtus sandorius nuo prarastų ir kokie signalai buvo ankstyvieji rodikliai.
Prompt’o struktūra scoring’ui
OpenAI scoring’o prompt’as privalo turėti: kontekstą apie jūsų įmonės tikslinį kliento profilį (ICP), scoring’o dimensijų aprašus su svoriais, naujojo lead’o duomenis ir instrukciją grąžinti JSON su balu (0–100), pagrindine priežastimi ir rekomenduojamu veiksmu („skambinti šiandien“, „siųsti nurse’inimo el. laišką“, „stebėti“). Prompt’as privalo būti specifinis jūsų verslui — generinis prompt’as „įvertink šį lead’ą“ duos bendrus, netikslus rezultatus, neatsižvelgiančius į Lietuvos rinkos ypatumus.
2 savaitė: n8n workflow’as ir validacija
N8n workflow’as trigeriuojamas, kai naujas lead’as patenka į CRM. Sekcija: surinka firmografiją iš Rekvizitai.lt, paima svetainės analitikos duomenis (Google Analytics arba Plausible API), patikrina el. pašto atsakymus (Lemlist arba Brevo), siunčia visus duomenis į OpenAI, ir scoring’o rezultatą įrašo atgal į CRM prie lead’o lauko. Pardavėjas CRM’e mato balą, pagrindines priežastis ir rekomenduojamą veiksmą — be rankinio darbo. Pirmąją savaitę rekomenduoju validuoti 20–30 scoring’o rezultatų rankiniu būdu prieš paleidžiant be priežiūros.
- 1Naujas lead’as patenka į CRMn8n
- 2Surenkama firmografijaRekvizitai.lt
- 3Pridedami elgsenos signalaiGoogle Analytics / Plausible · Lemlist / Brevo
- 4Modelis įvertina 0–100 baluOpenAI
- 5Balas, priežastys ir veiksmas – CRM kortelėjePirmą savaitę 20–30 rezultatų patikrinkite ranka.
Galimas rezultatas po 60 dienų
Iliustraciniai rodikliai — hipotetinis scenarijus 3 pardavėjų B2B komandai, diegiančiai AI lead scoring su n8n + OpenAI stack’u (ne išmatuoti kliento rezultatai ir ne garantija; jūsų skaičiai priklausys nuo lead’ų srauto ir proceso):
Svarbiausia: pardavėjai nustoja skambinti „šaltiems“ lead’ams ne todėl, kad juos ignoruoja, o todėl, kad sistema pati perkelia juos į automatinę nurse’inimo el. laiškų seką — ir pardavėjas mato tik tuos, kurie jau rodo aktyvius pirkimo signalus. Kiekvienas skambutis tampa prasmingesnis, nes pardavėjas žino: su šiuo lead’u verta kalbėtis šiandien.
Prieš scoring’ąPo 60 dienų
Lead’ai, kuriems skambina pardavėjai
Lead’ų rūšiavimas per savaitę
Top 30 % lead’ų konversija
Iliustraciniai rodikliai iš lentelės aukščiau, ne išmatuoti kliento rezultatai. Kur nurodytas intervalas (60–70 lead’ų, 4–5 val., 18–25 %), rodoma atsargesnė reikšmė.
Dažniausios klaidos diegiant lead scoring
Per daug dimensijų nuo pirmos dienos
20–30 scoring’o kintamųjų iš karto sukuria sistemą, kurios nebesupranta nei pardavėjai, nei vadovai. Pradėkite nuo 5–6 dimensijų ir pridėkite naujus kintamuosius tik tada, kai aiškiai matote, kad esamieji nepavyksta prognozuoti konversijos. Mažiau kintamųjų — aiškesnė interpretacija, didesnis pasitikėjimas sistema.
Scoring’as neatnaujinamas periodiškai
Lead scoring modelis nėra statinis. Rinka keičiasi, jūsų ICP keičiasi, sektorių konjunktūra keičiasi. Rekomenduoju peržiūrėti scoring’o svorius kartą per ketvirtį: palyginkite, ar top 30 % lead’ai išlieka labiausiai konvertuojantys ir ar yra naujų signalų, kurių modelis dar neatsižvelgia. Neperiodiškai atnaujinamas modelis per metus tampa mažiau tikslesnis.
False positive’ai ignoruojami
Jei sistema daug kartų „karštu“ pažymi lead’us, kurie nuperka, tai klaidingų teigiamų (false positive) problema. Kiekvienas false positive iššvaisto pardavėjo laiką ir erodina pasitikėjimą sistema. Stebėkite false positive rodiklį (orientyras — mažiau nei 20 %) ir koreguokite svorius, jei jis aukštesnis. Gerai prižiūrimoje sistemoje šis rodiklis per kelis mėnesius turėtų mažėti.
Scoring’as nėra suderintas su marketingu
Lead scoring veikia geriausiai, kai marketingo komanda žino, kokie lead’ai gauna aukštą balą, ir kuria turinį bei kampanijas, pritraukiančias būtent tokį ICP. Jei marketingas traukia vieną auditoriją, o scoring’as sistemingai ją vertina kaip „šaltą“ — tai sistemos ir strategijos konfliktas, o ne technologijos klaida. Išsprendžiamas mėnesiniais pardavimų + marketingo aptarimais apie scoring’o statistiką.
Privatumas ir BDAR: kokius duomenis galima naudoti scoring’ui
Lead’ų scoring’as Lietuvoje privalo atitikti BDAR (GDPR) reikalavimus. Svarbiausi aspektai:
Viešų duomenų naudojimas: juridinių asmenų duomenys (pavadinimas, NACE kodas, darbuotojų skaičius) yra vieši ir scoring’ui gali būti naudojami be sutikimo. Atkreipkite dėmesį: vadovo vardas ir pavardė yra asmens duomenys — net jei vieši, BDAR taikomas, todėl reikia teisinio pagrindo (dažniausiai teisėto intereso) ir informavimo pagal BDAR 14 str. Rekvizitai.lt yra privatus katalogas, agreguojantis viešus Registrų centro ir Sodros duomenis, o ne oficialus registras.
Elgsenos duomenys: svetainės analitikos duomenys ir el. laiškų atidarymai — privatumo politika privalo nurodyti, kad tokie duomenys renkami ir naudojami pardavimų tikslais. Inbound lead’ai (patys užpildė formą) — teisėtas interesas suteikia pagrindą pirmam kontaktui ir scoring’ui be atskiro sutikimo.
LinkedIn duomenų apribojimai: automatinis masinis LinkedIn scraping’as draudžiamas pagal LinkedIn naudojimo sąlygas. Naudoti galima tik viešai matomus profilio duomenis (titulas, įmonė), jei kontaktas pats prisijungė per LinkedIn OAuth integraciją. Pirktų duomenų bazų scraping’as — atskira BDAR rizika, reikalaujanti teisinių konsultacijų.
Anonimizacija n8n workflow’e: rekomenduoju asmeninius duomenis (vardas, el. paštas) atskirti nuo scoring’o komponentų — OpenAI’ui siunčiamas tik anonimintas įmonės profilis, ne individualūs asmens duomenys. Tai sumažina BDAR riziką ir pašalina galimus šališkumo (bias) klausimus automatiniame vertinime.
Aigentas paslauga: predictive lead scoring nuo €1 500 setup
Aigentas.lt diegia B2B lead’ų scoring sistemas Lietuvos įmonėms, naudodamas n8n, OpenAI ir Rekvizitai.lt integracijas. Nediegiu „AI scoring’o bendrai“ — diegiu specifinius scoring’o modelius su matuojamais rodikliais ir aiškiu ROI apskaičiavimu prieš investiciją.
Nemokamas pirminis aptarimas. Parašykite, kiek lead’ų gaunate per mėnesį, kokį CRM naudojate ir kaip dabar atrenkate, kam skambinti pirmiausia. Perskaitysiu ir el. paštu atsakysiu, ar AI scoring’as jums prasmingas jau dabar ir kokio tipo tiktų jūsų apimčiai. Jei reikės, suderinsime pokalbį.
Bazinis scoring’as (nuo €450). Taisyklinis CRM scoring’as su 5–6 dimensijomis, Rekvizitai.lt integracija ir n8n workflow’u. Geriausias pasirinkimas įmonėms, turinčioms 50–200 lead’ų/mėn. ir norinčioms greito, aiškaus rezultato. Diegimas per dvi savaites. Daugiau apie verslo procesų automatizavimą su n8n.
AI predictive scoring (nuo €1 500). Custom OpenAI modelis apmokytas ant jūsų istorinių pardavimų duomenų, n8n workflow’as su visomis integracijomis (Rekvizitai.lt, svetainės analitika, CRM, el. paštas), pirmo mėnesio validacijos etapas ir ketvirtinis modelio atnaujinimas. Geriausias pasirinkimas įmonėms, turinčioms 200+ lead’ų/mėn. ir 12+ mėnesių pardavimų istoriją.