Hero background

fit score vs intent score

Fit score vs intent score

Fit score vs intent score

In this post:
No headings found on page

Een fit score meet hoe goed een account lijkt op de bedrijven waaraan je verkoopt. Een intent score meet hoe groot de kans is dat dat account binnenkort koopt. Fit gaat over wie ze zijn. Intent gaat over wat ze deze maand doen.

Je hebt ze allebei nodig, en dan als twee aparte getallen. Telt je CRM ze op tot één lead score, dan kunnen een ideale klant die het hele jaar niet aan je heeft gedacht en een bedrijf dat slecht past maar ineens je prijspagina leest, op precies dezelfde waarde uitkomen. De rep die naar dat getal kijkt, kan op geen enkele manier zien welke van de twee hij voor zich heeft.

Hieronder zetten we de twee scores naast elkaar. Je ziet wat er in elke score gaat en hoe je ze samen leest, zodat ze bepalen wie er deze week gebeld wordt.

TL;DR

  • Fit draait op feiten die langzaam veranderen (branche, omvang, regio, tech stack, rol), gemeten tegen je ICP. Intent draait op gedrag dat snel verandert (bezoeken aan de prijspagina, replies, aanmeldingen voor je product, pieken in onderzoek op sites van derden). Scoor ze apart.

  • Eén samengevoegd getal verbergt de reden erachter. Een account met fit 92 en intent 24 komt gemiddeld op dezelfde 58 uit als een account met fit 31 en intent 85, terwijl die twee een tegenovergestelde aanpak nodig hebben.

  • Zet fit op de ene as en intent op de andere. Hoog op allebei betekent dat een rep nu in actie komt. Hoge fit met lage intent gaat naar nurture, hoge intent met lage fit krijgt eerst een zorgvuldige kwalificatiestap, en laag op allebei sla je over.

  • Geef first-party gedrag meer gewicht dan ingekochte intentdata, en lees trigger events als een signaal over timing. Bombora ziet bijvoorbeeld pas een piek op een onderwerp bij een score van 60 of hoger, gemeten tegen het eigen basisniveau van dat bedrijf.

  • Fit blijft kwartalen geldig, intent zakt binnen weken weg. Laat intent dus vervallen en blijf van fit af. Met score decay in HubSpot laat je oude events afnemen over 1, 3, 6 of 12 maanden.

  • De grote tools houden de twee al uit elkaar. HubSpot bouwt fit-, engagement- en gecombineerde scores, Salesforce Account Engagement koppelt een score aan een grade, en GitLab vindt een account in 6sense pas klaar voor sales als fit en koopfase allebei door de check komen.

  • De gebruikelijke fouten zijn de samengevoegde score, intent najagen zonder fit, hard pushen op fit zonder intent, en scoren tegen een ICP die niemand heeft getest. Bij outbound bouwt fit de lijst en bepaalt intent de volgorde. Bij inbound komen ze allebei binnen zodra iemand een formulier invult, en bepalen ze wie binnen een paar minuten een rep aan de lijn krijgt.

Fit score vs intent score in één oogopslag

Het verschil zie je het snelst als je de twee naast elkaar zet.


Fit score

Intent score

Vraag die hij beantwoordt

Willen we überhaupt aan dit account verkopen?

Gaat dit account waarschijnlijk binnenkort kopen?

Typische input

Branche, aantal medewerkers, omzet, regio, gebruikte tools, functietitel en senioriteit

Bezoeken aan de prijspagina, demo-aanvragen, replies op e-mails, aanmeldingen voor je product, pieken in onderzoek naar een onderwerp, trigger events

Waar de data vandaan komt

Enrichment-providers en je CRM

Website- en productanalytics, je sequencer, aanbieders van intentdata

Hoe snel hij verandert

Per kwartaal, als het bedrijf groeit, verhuist of van stack wisselt

Binnen dagen of weken, en hij hoort vanzelf weg te zakken

Wat hij bepaalt

Welke accounts op je lijst horen

Welke accounts op die lijst nu aandacht krijgen

Hoe het meestal misgaat

Een ICP gebouwd op meningen in plaats van gewonnen deals

Ruis van studenten, concurrenten en sollicitanten die veel klikken

De twee staan los van elkaar. Een bedrijf kan bovenaan de ene schaal staan en onderaan de andere, en beide metingen kunnen tegelijk kloppen. Die onafhankelijkheid is precies de reden om ze apart bij te houden.

Twee panelen die de input van een fit score, firmografische data en rol, vergelijken met de input van een intent score, gedrag op de site en ingekochte intentdata, ter illustratie van fit score vs intent score

Twee accounts, één samengevoegde score van 58

Deze situatie maakt het duidelijk. Account A is een softwarebedrijf met 400 medewerkers in je beste branche, met precies het soort salesleider dat bij je koopt. Niemand daar heeft in maanden je site bezocht. Fit 92, intent 24.

Account B is een adviesbureau met 15 medewerkers buiten je markt. Iemand daar was deze week drie keer op je prijspagina en downloadde twee gidsen. Fit 31, intent 85.

Neem het gemiddelde, zoals veel lead-scoringsetups in de praktijk doen, en beide accounts komen op 58 uit. Ze staan dan naast elkaar in de wachtrij van een rep, zonder iets in het record waaraan je ze uit elkaar kunt houden.

Twee accounts met tegenovergestelde fit- en intentscores die allebei gemiddeld op een samengevoegde score van 58 uitkomen, ter illustratie van waarom fit- en intentscores apart moeten blijven

De juiste aanpak is bijna tegenovergesteld. Account A hoort in een geduldige nurture-track of krijgt een goed getimede outbound touch, en op de dag dat de intent stijgt, gaat het voor in de wachtrij. Account B heeft eerst een snelle kwalificatievraag nodig, of een route naar een self-serve-abonnement, voordat iemand er een demo van een uur mee inplant.

Met gesplitste scores blijft dat verschil zichtbaar. Een rep die "fit 92, intent 24" ziet, weet wat hij moet doen zonder het record te openen. Hetzelfde geldt voor elke workflow die je erop bouwt.

De vier kwadranten, en wat je in elk kwadrant doet

Zet je fit op de ene as en intent op de andere, dan valt elk account in een van vier vakken. Het vak zegt meer dan het precieze getal, want elk vak vraagt om een ander soort inzet.

Een raster van twee bij twee met fit op de ene as en intent op de andere, met de kwadranten nu actie, nurture, de valkuil en overslaan, ter illustratie van fit score vs intent score

Hoge fit, hoge intent: nu in actie komen. Dit zijn de juiste bedrijven, en ze laten zien dat ze klaar zijn. Ze gaan direct naar een rep, met een reactietijd die in je routingregels staat.

Hoge fit, lage intent: nurturen en in de gaten houden. Meestal het grootste vak, en het vak waar het grootste deel van de omzet van volgend jaar in zit. Houd deze accounts in gerichte outbound en ads, en zet een alert zodat een stijging in intent ze naar boven haalt. Inspelen op die stijging is waar signal-based selling om draait.

Lage fit, hoge intent: voorzichtig aan. Dit vak zet teams vaker op het verkeerde been dan welk ander vak ook, want activiteit voelt als een kans. Een deel hiervan zijn studenten, concurrenten, bureaus die onderzoek doen voor iemand anders, of bedrijven die te klein zijn om je te kunnen betalen. Een paar zijn een teken dat je ICP te smal is. Komen er steeds gewonnen deals uit dit vak, pas dan je ICP aan in plaats van het patroon weg te redeneren.

Lage fit, lage intent: laten liggen. Geen outreach en geen nurturebudget. Kijk pas opnieuw als hun enrichment-data verandert, bijvoorbeeld na een investeringsronde of een grote wervingsgolf.

Waar je de lijnen trekt, is een kwestie van inschatten. Wij beginnen meestal met de mediaan van elke score als grens. Na een kwartaal kijken we uit welk vak de gewonnen deals echt kwamen, en dan verschuiven we de lijnen.

Wat gaat er precies in een fit score en een intent score?

Een fit score bouw je uit feiten die zelden veranderen. Aan de bedrijfskant is dat firmografische data zoals branche, aantal medewerkers, omzet en locatie, plus technografische data over de tools die ze al gebruiken. Dat weeg je allemaal af tegen je ideale klantprofiel.

Aan de persoonskant komen rol en senioriteit erbij. Hetzelfde bedrijf kan via de Head of RevOps een uitstekende fit zijn en via een stagiair op finance irrelevant. Een fit score op contactniveau en een op accountniveau zijn dus allebei nuttig.

De gewichten horen uit je eigen historie te komen. Een ICP-scoringsmodel zet de kenmerken die je beste klanten delen om in punten. Die kenmerken vind je het zuiverst als je je ICP bouwt op basis van CRM-data, in plaats van op een whiteboard tijdens een workshop.

Een intent score bouw je uit bewijs dat elke week verandert. Meestal put hij uit drie soorten input, en die verdienen geen gelijk gewicht.

  • Je eigen engagementdata. Bezoeken aan de prijspagina, demo-aanvragen, replies op sales-e-mails, aanmeldingen voor een gratis trial. Dit is gedrag in je product en op je site, dus dit weegt het zwaarst.

  • Ingekochte intentdata. Onderzoeksactiviteit op netwerken van uitgevers en op reviewsites, gerapporteerd op accountniveau. Volgens Bombora laten bedrijven met een score van 60 of hoger op een onderwerp een piek zien, gemeten tegen het eigen basisniveau van dat bedrijf. Deze data komt eerder binnen dan je eigen data, maar bevat meer ruis. Daarom laten wij ze de doorslag geven bij twijfel, in plaats van er direct een actie op te starten.

  • Trigger events. Een investeringsronde, een nieuwe salesleider of een wervingsgolf. Zulke koopsignalen zeggen dat een account dat past eerder in beweging komt, en een trigger event verklaart vaak waarom de intent überhaupt begon te stijgen.

Bij elkaar opgeteld is de intent score jouw inschatting van koopintentie, omgezet in iets waar een workflow op kan handelen. Wil je de uitgebreide versie van waar deze data vandaan komt en hoeveel je erop kunt vertrouwen? Ons artikel over wat intentdata is loopt de bronnen een voor een door.

Fit beweegt per kwartaal, intent per week

De branche en omvang van een bedrijf veranderen van kwartaal tot kwartaal nauwelijks. Een account dat in januari bij je ICP paste, past daar in april vrijwel zeker nog steeds bij. Je kunt fit dus berekenen als je enrichment ververst, en er in de tussentijd op vertrouwen.

Bij intent is het andersom. Een bezoek aan de prijspagina van afgelopen dinsdag zegt veel. Hetzelfde bezoek van afgelopen voorjaar zegt heel weinig, en een piek in onderzoek kan alweer afkoelen voordat je volgende campagne de deur uit gaat.

Twee lijnen over twaalf weken, een vlakke fit score naast een intent score die piekt en weer wegzakt, ter illustratie van hoe fit- en intentscores met verschillende snelheden veranderen

Daarom heeft intent decay nodig en fit niet. De lead-scoringtool van HubSpot heeft een instelling voor decay die de punten van een event automatisch verlaagt op basis van hoe lang geleden het gebeurde, met intervallen van 1, 3, 6 of 12 maanden. Voor de meeste B2B-intentsignalen kiezen wij de kortste. Een bedrijf past niet slechter bij je omdat het stil werd, dus de fit score hoort geen punten te verliezen door stilte.

De verschillende snelheden wijzen ook op een simpele manier om met de twee te werken. Bouw je targetlijst op fit en houd die stabiel. Laat daarna intent, die elke dag opnieuw wordt berekend, bepalen welke accounts op die lijst deze week worden bewerkt. Meng je ze, dan moet je steeds een getal herberekenen dat half blijvend en half bederfelijk is. Voor geen van beide taken heb je daar dan nog iets aan.

Hoe HubSpot, Salesforce en 6sense ze uit elkaar houden

Geen van de grote platforms vraagt je om de twee dimensies weg te gooien. Dat zegt iets over hoe vaak één getal teams in de steek laat.

In HubSpot bouw je fit-, engagement- en gecombineerde scores. Fit kwalificeert records op hun property-waarden, engagement op hun acties. Zet je een gecombineerde score aan, dan maakt HubSpot naast het totaal nog steeds aparte properties voor fit en engagement. Engagement zoals HubSpot het bedoelt, is het first-party deel van intent. De volledige setup behandelen we in onze gids over lead scoring in HubSpot.

Salesforce Account Engagement (voorheen Pardot) gebruikt een score voor activiteit en een lettercijfer voor fit. De Trailhead-module over modellen voor lead qualification beschrijft hoe je de twee samenbrengt: een stijgende score, als schatting van interesse, gecombineerd met een stijgende grade, als schatting van de mogelijke fit.

6sense geeft per account een rating voor profile fit en een voorspelde koopfase. Het openbare marketinghandboek van GitLab laat zien hoe één bedrijf die gebruikt: hun regel voor een 6sense qualified account gaat pas aan als de profile fit Moderate of Strong is en de in-market stage Decision of Purchase. Fit en intent werken hier als een poort met twee sloten. Ze worden nergens bij elkaar opgeteld.

Waar fit- en intentscoring meestal misgaat

Vier kaarten met de samengevoegde score, intent zonder fit, fit zonder geduld en verouderde fit, ter illustratie van veelgemaakte fouten bij fit score vs intent score
  1. De samengevoegde score. Eén getal waaraan je niet kunt zien welke dimensie het omhoog duwde. Elke routingregel en elk rapport dat erop bouwt, erft die verwarring, en reps gaan aan de score twijfelen.

  2. Intent zonder fit. Op elk account springen dat beweegt. Het voelt productief, want deze accounts reageren. Ondertussen loopt de agenda vol met bedrijven die nooit gingen tekenen.

  3. Fit zonder geduld. Accounts met een hoge fit en nul intent bestoken met de ene sequence na de andere. Ze waren nog niet klaar, en nu hebben ze geleerd je domein te negeren. Deze accounts hadden lichtere, rustigere nurture nodig tot er iets veranderde.

  4. Verouderde fit. Een fit score gebouwd op een ICP die niemand naast echte resultaten heeft gelegd. Hij rangschikt accounts vol vertrouwen tegen het verkeerde beeld van een goede klant. Haal de gewonnen en verloren deals van de afgelopen twaalf maanden op, kijk wat ze scoorden toen ze binnenkwamen, en pas de gewichten aan waar die twee niet overeenkomen.

Alle vier komen terug op dezelfde discipline. Houd de scores apart, leg ze naast de deals die je echt hebt gesloten, en laat elke score het ene werk doen waar hij goed in is.

Beide scores gebruiken bij outbound en inbound

Bij outbound doet fit zijn werk voordat de eerste e-mail de deur uitgaat. Fit filtert je totale markt tot de bedrijven die het benaderen waard zijn, en intent bepaalt daarna de volgorde. In de setups die wij bouwen, haalt Clay meestal de firmografische, technografische en signaaldata op, berekent beide scores en schrijft ze terug naar het CRM. Zo zien reps ze op het accountrecord, in plaats van in een spreadsheet.

Bij inbound komen beide scores binnen op het moment dat iemand een formulier invult. Fit komt uit enrichment op het bedrijf. Intent komt uit wat die persoon net deed, plus alles wat het account verder heeft gedaan. Een lead met hoge fit en hoge intent moet een rep binnen een paar minuten bereiken. Daar maken speed to lead en heldere lead routing van twee getallen een telefoontje. Een lead met hoge intent en lage fit gaat eerst door lead qualification, voordat iemand een demo aanbiedt.

Een overzichtskaart met fit opgebouwd uit gewogen kenmerken en intent uit gewogen signalen, gebruikt bij outbound en inbound, ter illustratie van fit- en intentscores binnen lead scoring

Niets hiervan vervangt lead scoring. Fit en intent zijn de bouwstenen van een goed lead-scoringmodel: fit bepaalt wie in de pipeline hoort, en intent rangschikt ze op hoe klaar ze zijn. Heb je een jaar of twee aan resultaten, dan kan predictive lead scoring leren welke combinaties bij jou converteren. Ook zonder machine learning is één score opsplitsen in twee al een flinke stap vooruit.

Kort gezegd

De fit score en de intent score beantwoorden vragen die alleen op elkaar lijken. De ene vraagt of een account het waard is om aan te verkopen. De andere vraagt of dit het moment is. Eén getal kan het ene antwoord bevatten of het andere. Beide tegelijk, in een vorm waar iemand iets mee kan, lukt het niet.

Houd ze als twee velden, laat intent wegzakken terwijl fit blijft staan, en lees ze samen als raster in plaats van als totaal. De kwadranten nemen dan het meeste beslissingswerk over: wie vandaag gebeld wordt, wie warm blijft, wie eerst een zorgvuldige vraag krijgt en wie je met rust laat.

Het minder zichtbare voordeel is vertrouwen. Als reps zien waarom een account op die plek staat, gebruiken ze de rangschikking. Zien ze dat niet, dan vallen ze terug op hun eigen onderbuikgevoel.

Dit is het soort aanpassing dat wij doorvoeren in de eigen HubSpot of Salesforce van een klant: twee scorevelden, de routingregels die ze uitlezen en een notitie van één pagina over elk gewicht. Daarna zijn de scores van je team, en daar horen ze ook. Jij merkt namelijk eerder dan wie dan ook van buiten dat je kopers veranderen.

Veelgestelde vragen

Bouw je eerst de fit score of eerst de intent score?

Begin met fit. Weten welke accounts überhaupt de moeite waard zijn, is de meer basale vraag, en een simpel fitfilter voorkomt al de meeste verspilde outreach voordat je ook maar iets aan intentdata uitgeeft. Voeg intent toe zodra je signalen hebt die het waard zijn om hem mee te voeden, zoals bezoeken aan de prijspagina, replies of een feed van derden. Houd de twee vanaf dag één als aparte velden, dan hoef je later nooit een samengevoegde score te ontwarren.

Is een intent score hetzelfde als een engagementscore?

Niet helemaal. Een engagementscore telt meestal wat iemand doet met je eigen kanalen en content, zoals paginabezoeken, ingevulde formulieren en replies op e-mails. Een intent score is breder en kan ook onderzoeksactiviteit op sites van derden meenemen, plus trigger events zoals een investeringsronde of nieuwe aannames. In tools als HubSpot is de engagementscore in feite het first-party deel van intent, en veel teams gebruiken de twee termen door elkaar.

Is een fit score hetzelfde als een ICP-score?

Ze overlappen sterk. Een ICP-score beoordeelt een bedrijf tegen je ideale klantprofiel, en dat is de kern van een fit score op accountniveau. Een volledige fit score voegt daar vaak een laag op persoonsniveau aan toe, die checkt of het contact de juiste rol en senioriteit heeft. Een sterke ICP-score met het verkeerde contact kan dus nog steeds een zwakke totale fit opleveren voor die specifieke lead.

Kun je fit en intent wel samenvoegen tot één score?

Dat kan, zolang de onderdelen zichtbaar blijven. De gecombineerde score van HubSpot houdt bijvoorbeeld aparte properties voor fit en engagement naast het totaal, en sommige teams gebruiken labels als A1 of C3, waarbij de letter de fit laat zien en het cijfer de intent. Het probleem is een los totaal zonder iets erachter, want dan kan niemand zien waarom een account op die plek staat.

Hoe betrouwbaar is intentdata van derden?

Nuttig, maar met veel ruis. Intentdata van derden werkt meestal op accountniveau. Je ziet dus dat een bedrijf een onderwerp onderzoekt. Wie dat doet en waarom, zie je meestal niet. Pieken in onderzoek kunnen komen van studenten, consultants of een team dat iets heel anders aan het bekijken is. Zie het als een vroege hint die de prioriteit van een account verhoogt, en laat je eigen first-party signalen bepalen wanneer een rep echt contact opneemt.

Wat moet sales doen met een lead met hoge intent die slecht past?

Rustig aan voordat je een volledige demo inplant. Stel een of twee kwalificatievragen, per e-mail of in een kort gesprek, om budget, omvang en use case te checken. Sluiten de antwoorden ze uit, verwijs ze dan naar een self-serve-abonnement, een partner of nuttige content. Worden meerdere van zulke leads goede klanten, dan is dat een teken dat je fitcriteria te smal zijn en bijgewerkt moeten worden.

Gelden fit- en intentscores voor personen of voor bedrijven?

Allebei, en B2B-teams hebben meestal beide niveaus nodig. Fit op bedrijfsniveau vraagt of het account bij je ICP past, fit op persoonsniveau checkt rol en senioriteit. Intent werkt net zo: een bezoek van één persoon aan je prijspagina is een signaal op leadniveau, terwijl meerdere mensen van één bedrijf die je categorie onderzoeken een signaal op accountniveau zijn. Tel je intent op persoonsniveau op naar het account, dan krijg je een eerlijker beeld.

Welke tools berekenen fit- en intentscores?

De meeste CRM's en marketingplatforms kunnen het. HubSpot bouwt fit-, engagement- en gecombineerde scores, en Salesforce Account Engagement koppelt een activiteitsscore aan een grade voor fit. Accountplatforms zoals 6sense geven profile fit naast een voorspelde koopfase, en aanbieders als Bombora leveren intent per onderwerp. Clay wordt vaak gebruikt om die input samen te brengen, eigen scores te berekenen en ze terug te schrijven naar het CRM.

Hoe verhouden fit- en intentscores zich tot MQL's en MQA's?

Meestal zijn het de inputs die bepalen wanneer een lead of account die fase bereikt. Een marketing qualified lead of marketing qualified account definieer je doorgaans met twee aparte drempels, een voor fit en een voor intent, in plaats van één gecombineerde drempel. Als je beide eist, worden drukke contacten die slecht passen geen MQL. En accounts met een sterke fit die geen activiteit tonen, gaan dan pas naar sales als ze klaar zijn voor een gesprek.

Deel dit bericht

Intent

Data

Prospecting

Revenue tips, Weekly

Workflows, automation strategies, and GTM insights delivered straight

Klaar om je te bouwen
GTM-engine

Laten we praten over je salesuitdagingen en hoe we je kunnen helpen schalen

Nebor brand chevron in purple, section accent
Nebor brand chevron in orange and purple, section accent
Revenue tips, Weekly

Workflows, automation strategies, and GTM insights delivered straight

Klaar om je te bouwen
GTM-engine

Laten we praten over je salesuitdagingen en hoe we je kunnen helpen schalen

Nebor brand chevron in purple, section accent
Nebor brand chevron in orange and purple, section accent

Begrippenlijst

Gerelateerde begrippen

De basis GTM-concepten begrijpen

Klaar om je pipeline te bouwen

Laten we bespreken hoe je leadgeneratie implementeert in je GTM-strategie

Laten we bespreken hoe je leadgeneratie implementeert in je GTM-strategie

Boek een call met ons team om te bespreken hoe deze workflow past binnen je salesproces en tijdlijn.

Diensten

Case studies

Resources

Over ons

Diensten

Case studies

Resources

Over ons

Nebor logo, a go-to-market and RevOps agency based in Amsterdam

Diensten

Case studies

Resources

Over ons

Nebor logo, a go-to-market and RevOps agency based in Amsterdam