# Lead scoring cho doanh nghiệp nhỏ: chấm điểm khách tiềm năng bằng quy tắc trước, AI sau

URL: https://opcaios.org/blog/lead-scoring-cho-doanh-nghiep-nho
Ngày: 2026-11-13
Cập nhật: 2026-10-25
Tác giả: Lê Quốc Nghĩa
Chuyên mục: Hướng dẫn

Lead scoring (chấm điểm khách tiềm năng) là gì? Lead scoring là cách gán cho mỗi khách tiềm năng một con số, thường từ 0 đến 100, để người bán biết nên gọi ai trước. Điểm được cộng từ hai nhóm: mức độ phù hợp với khách lý tưởng (fit) và mức độ tương tác gần đây (engagement), có thể bị trừ khi khách im lặng lâu. Với doanh nghiệp nhỏ, lead scoring bằng vài quy tắc đơn giản thường đủ dùng và dễ giải thích hơn mô hình AI, vì dữ liệu ít, khách ít và người bán cần biết vì sao một người được gọi. Bài này không hứa điểm số sẽ làm tăng tỉ lệ chốt; chúng tôi chưa đo được điều đó trên dữ liệu của mình. Bài trình bày cách dựng điểm fit và điểm hành vi, đặt ngưỡng chuyển cho người gọi, cho điểm giảm theo thời gian, lúc nào nên dùng AI, và các rủi ro về thiên lệch cùng dữ liệu cá nhân.

![Sơ đồ lead scoring cho doanh nghiệp nhỏ: điểm phù hợp cộng điểm hành vi có trần, trừ điểm khi im lặng, so với ngưỡng nóng, chuyển cho người gọi kèm lý do; AI chỉ thêm khi đủ dữ liệu](https://opcaios.org/images/blog/lead-scoring-cho-doanh-nghiep-nho/so-do.webp)
*Quy tắc trước: điểm phù hợp cộng điểm hành vi, có trần và có giảm theo thời gian, rồi mới tới ngưỡng gọi. Sơ đồ: OPCAIOS.*

## Lead scoring gồm những phần nào?

Lead scoring gồm ba phần: điểm phù hợp, điểm hành vi và quy tắc thời gian. Tài liệu HubSpot Knowledge Base (đọc ngày 25/10/2026) tách rõ hai loại điểm: điểm engagement đo hành động như vào trang, đăng ký bản tin, bấm nút, mở email; điểm fit đo thuộc tính như chức danh, quy mô công ty, doanh thu. HubSpot còn cho gộp hai loại thành điểm kết hợp, xếp nhãn dạng lưới từ A1 đến C3, chữ cái chỉ mức phù hợp, chữ số chỉ mức tương tác. Cách tách này hữu ích cho doanh nghiệp nhỏ vì hai câu hỏi khác nhau: "người này có đúng khách của mình không" và "người này có đang quan tâm không". Gộp làm một con số thì tiện xếp hạng, nhưng nên giữ được hai phần riêng để đọc lý do.

## Điểm phù hợp nên tính từ đâu?

Điểm phù hợp nên tính từ những thông tin khách tự cung cấp và có liên quan trực tiếp tới việc mua. Với doanh nghiệp nhỏ bán dịch vụ hoặc khoá học, các tín hiệu dễ có là:

1. **Nguồn đến:** khách được giới thiệu thường đáng tin hơn khách đến từ một danh sách nhập tay.
2. **Thông tin liên lạc:** có số điện thoại cộng nhiều hơn chỉ có email, vì gọi được.
3. **Cơ hội đang mở:** đã có một thương vụ đang tư vấn hoặc đã gửi báo giá.
4. **Đặc điểm ngành hoặc quy mô:** chỉ khi bạn thực sự bán khác nhau theo các nhóm này.

Không đưa vào những thuộc tính không liên quan như tuổi, giới tính, tôn giáo.

## Điểm hành vi nên đo những gì?

Điểm hành vi nên đo những hành động cho thấy khách đang tìm hiểu giải pháp, mỗi loại có trọng số và có trần riêng. Trần là giới hạn số điểm tối đa một loại hành vi được đóng góp, để một thói quen như mở email nhiều lần không tự đẩy khách lên nhóm nóng. HubSpot gọi cơ chế tương tự là giới hạn theo nhóm điểm và giới hạn tổng điểm. Một bảng trọng số giả định cho doanh nghiệp nhỏ có thể như sau (giả định, không phải số liệu thật):

| Hành vi | Điểm mỗi lần | Trần |
|---|---|---|
| Mở email | 2 | 10 |
| Bấm link trong email | 5 | 15 |
| Tải tài liệu | 8 | 16 |
| Nhắn tin hỏi qua Zalo hoặc Messenger | 8 | 16 |
| Đăng ký sự kiện | 10 | 20 |
| Tham dự sự kiện | 15 | 30 |

Xem thêm về đo email trong bài [Email marketing là gì](/blog/email-marketing-la-gi) và về hộp thư chung trong bài [chăm sóc khách Zalo OA và Messenger bằng AI](/blog/cham-soc-khach-zalo-oa-messenger-bang-ai-hop-thu-chung).

## Đặt ngưỡng chuyển cho người gọi thế nào?

Ngưỡng chuyển cho người gọi là mức điểm mà khi khách vượt qua, hệ thống báo cho người bán và đề xuất việc cần làm. Cách đặt thực dụng gồm bốn bước:

1. Chọn một mốc ban đầu, ví dụ 70 trên 100, rồi xem tuần đầu có bao nhiêu khách vượt mốc.
2. Nếu người gọi không xử lý kịp, nâng mốc; nếu gần như không ai vượt, hạ mốc.
3. Mỗi khách chỉ được báo một lần khi vừa vượt mốc, để tránh báo lặp gây nhờn.
4. Kèm lý do và việc nên làm, ví dụ "đã dự sự kiện: gọi hỏi phần quan tâm nhất".

Muốn ghép điểm vào phễu tự động, xem [phễu bán hàng tự động cho OPC](/blog/phau-ban-hang-tu-dong-cho-opc).

## Vì sao điểm phải giảm theo thời gian?

Điểm phải giảm theo thời gian vì một lần tải tài liệu ba tháng trước không còn nói lên mức quan tâm hôm nay. Có hai cách làm phổ biến. Cách thứ nhất là chỉ đếm hành vi trong một cửa sổ thời gian, ví dụ 90 ngày gần nhất; hành vi cũ hơn tự rơi khỏi điểm. Cách thứ hai là trừ một khoản cố định khi khách không có hoạt động trong một số ngày. HubSpot Knowledge Base (đọc ngày 25/10/2026) mô tả thêm cơ chế giảm điểm theo chu kỳ 1, 3, 6 hoặc 12 tháng, giảm tuyến tính từ giá trị điểm ban đầu và áp dụng cả cho sự kiện cũ. Với doanh nghiệp nhỏ, cửa sổ thời gian cộng một khoản trừ khi im lặng là đủ, vì dễ giải thích cho người gọi: "điểm giảm vì hai tuần nay không ai liên hệ và khách không làm gì". Quan trọng là điểm phải được tính lại định kỳ, không chỉ lúc khách mới vào.

## Khi nào nên dùng AI để chấm điểm lead?

Nên dùng AI để chấm điểm lead khi đã có đủ khách đã chốt và khách không chốt để mô hình học, và khi quy tắc tay không còn theo kịp. HubSpot ghi rằng tính năng tạo điểm bằng AI cần gói Marketing Hub Enterprise và tối thiểu 50 liên hệ mẫu, trong đó 25 đã chuyển đổi và 25 chưa (đọc ngày 25/10/2026). Con số này cho thấy một điểm chung: không có dữ liệu kết quả thì AI không có gì để học. Doanh nghiệp nhỏ thường có vài chục khách mỗi tháng, nên thứ tự hợp lý là:

1. Bắt đầu bằng quy tắc minh bạch như các bảng ở trên.
2. Ghi lại kết quả thật: ai đã mua, ai từ chối, vì sao.
3. Sau vài tháng, so điểm với kết quả để chỉnh trọng số bằng tay.
4. Chỉ khi có đủ mẫu mới thử mô hình, và vẫn giữ lý do đọc được.

AI hữu ích sớm hơn ở việc khác như tóm tắt lịch sử khách hay nháp tin nhắn; xem [LLM là gì](/blog/llm-la-gi).

## Thiên lệch và dữ liệu cá nhân cần lưu ý gì?

Thiên lệch trong lead scoring là khi điểm số ưu tiên hoặc bỏ rơi một nhóm người vì lý do không liên quan tới khả năng mua, ví dụ cộng điểm theo vùng hay theo kiểu tên. Dữ liệu cá nhân là toàn bộ thông tin bạn dùng để chấm điểm: email, số điện thoại, lịch sử mở thư, tin nhắn. Bốn nguyên tắc nên giữ:

1. **Chỉ dùng tín hiệu liên quan tới việc mua**, không dùng thuộc tính nhạy cảm.
2. **Cho người bán thấy lý do**, để họ phát hiện điểm vô lý.
3. **Tôn trọng người đã từ chối nhận tin**: loại khỏi chấm điểm và khỏi chuỗi tự động.
4. **Có cách xoá hoặc ẩn danh** khi khách yêu cầu, và nói rõ mục đích trong chính sách quyền riêng tư.

Tại Việt Nam, Luật Bảo vệ dữ liệu cá nhân (Luật 91/2025/QH15, hiệu lực từ 01/01/2026 theo các tổng hợp của PwC và EY) và Nghị định 356/2025/NĐ-CP hướng dẫn là văn bản nên đọc; phần này chỉ để tham khảo, không phải tư vấn pháp lý. Xem thêm [5 quy tắc bảo mật dữ liệu kinh doanh khi dùng AI](/blog/bao-mat-du-lieu-kinh-doanh-khi-dung-ai-5-quy-tac).

## Kinh nghiệm của OPCAIOS

OPCAIOS chấm điểm lead trong CRM nội bộ bằng quy tắc, không dùng AI để ra điểm. Điểm có hai phần cộng lại, giới hạn trong khoảng 0 đến 100. Phần cơ bản dựa trên nguồn đến (giới thiệu cao nhất, nhập tay thấp nhất), việc có số điện thoại và email, có cơ hội đang mở hay đã tới giai đoạn tư vấn, số lần người của chúng tôi đã tương tác, số lần khách gửi form hoặc đặt lịch trong 30 ngày, và trừ điểm khi 14 ngày không có hoạt động. Phần hành vi tối đa 60 điểm, đếm trong 90 ngày (sự kiện thì 180 ngày): mở và bấm email trong chuỗi, tải tài liệu, bình luận trên Page, nhắn tin, đăng ký, tham dự hoặc xem lại sự kiện, gửi form thêm lần nữa; mỗi loại có trần riêng. Ngưỡng nóng mặc định là 70 và chỉnh được; khách vượt ngưỡng mà chưa ai liên hệ chỉ được báo một lần, kèm lý do và một việc nên làm. Khách chỉ có email dùng một lần thì không gửi báo; người đã ngừng theo dõi hoặc đã ẩn danh không được chấm. Chúng tôi chưa đo điểm số có dự đoán đúng người mua hay không, và không công bố số lead.

## Câu hỏi thường gặp

### Doanh nghiệp nhỏ có cần lead scoring không?
Cần khi số khách tiềm năng mỗi tuần nhiều hơn số người bạn gọi kịp. Nếu mỗi tuần chỉ có vài người hỏi, cứ gọi hết, nhanh và chu đáo là đủ. Khi danh sách bắt đầu dài, lead scoring giúp sắp thứ tự: ai vừa dự sự kiện, ai vừa nhắn hỏi giá, ai đã im lặng nhiều tuần. Bắt đầu bằng một bảng tính hoặc CRM có cột điểm và vài quy tắc là đủ, chưa cần phần mềm đắt tiền.

### Nên có bao nhiêu quy tắc chấm điểm?
Khoảng 5 đến 10 quy tắc là dễ quản lý. Mỗi quy tắc phải trả lời được câu "vì sao hành động này cho thấy khách muốn mua". Quá nhiều quy tắc làm điểm khó giải thích và khó chỉnh. Nên đặt trần cho từng loại hành vi để một thói quen như mở email không tự đẩy điểm lên cao. Sau mỗi tháng, xem lại quy tắc nào hầu như không bao giờ kích hoạt và bỏ bớt.

### Ngưỡng 70 điểm có phải con số chuẩn không?
Không có con số chuẩn. 70 trên 100 chỉ là mốc khởi đầu thường gặp. Ngưỡng đúng là ngưỡng mà người gọi xử lý kịp mọi khách vượt mốc trong ngày hoặc trong tuần. Nếu báo quá nhiều, người gọi bỏ qua và điểm mất tác dụng; nếu quá ít, khách tốt bị chậm. Theo dõi vài tuần, so nhóm đã mua với nhóm không mua, rồi chỉnh.

### Mở email có nên được cộng nhiều điểm không?
Không nên cộng nhiều. Lượt mở email đo bằng ảnh theo dõi, và một số ứng dụng thư hoặc bộ lọc tự tải ảnh, nên lượt mở có thể không phải người thật đọc. Bấm link, trả lời thư, nhắn tin hoặc đặt lịch là tín hiệu mạnh hơn. Hãy cho mở email trọng số thấp và trần thấp, xem như tín hiệu phụ, và dùng cửa sổ thời gian để lượt mở cũ hết tác dụng.

### Khi nào chuyển sang chấm điểm bằng AI?
Khi bạn đã ghi lại đủ kết quả thật (ai mua, ai không) để mô hình có dữ liệu học, và khi quy tắc tay không còn theo kịp. Ví dụ HubSpot yêu cầu tối thiểu 50 liên hệ mẫu cho tính năng điểm AI. Trước mốc đó, quy tắc minh bạch thường tốt hơn. Muốn học cách dựng CRM, chấm điểm và tự động hoá chăm sóc khách bằng AI, xem [khoá đào tạo ứng dụng AI](/services/dao-tao-ung-dung-ai) của OPCAIOS.

*Nguồn: HubSpot Knowledge Base, trang "Understand the lead scoring tool" (đọc ngày 25/10/2026); bảng trọng số trong bài là giả định; chưa kiểm chứng tài liệu Salesforce và chưa đối chiếu toàn văn Luật 91/2025/QH15 và Nghị định 356/2025/NĐ-CP trong bài này; hiệu quả của điểm số chưa được OPCAIOS đo. Kinh nghiệm là của OPCAIOS.*