Lead-Scoring: Modell aufbauen, kalibrieren, nutzen

Diese Matrix beantwortet die eigentliche Frage – wen rufe ich zuerst an? – besser als jede Punktesumme. Welche Schwelle ein Kontakt überschreiten muss, um an den Vertrieb zu gehen, beschreibt MQL, SQL und SAL. 

Kriterien, die sich bewährt haben

Passung (positiv) 

• Unternehmensgröße oder Auftragsvolumen im Zielkorridor: +20
• Region im Bearbeitungsgebiet: +15
• Rolle mit Entscheidungsbefugnis: +15
• Angegebener Bedarf passt zum Leistungsangebot: +20

Passung (negativ) 

• Wettbewerber, Bewerber, Dienstleister: −50
• Region außerhalb: −30
• Freemail-Adresse bei B2B-Angebot: −10
• Budgetangabe unter Mindestgröße: −40

Dringlichkeit 

• Preis- oder Leistungsseite besucht: +15
• Terminbuchungsseite geöffnet: +25
• Formular begonnen, nicht abgeschickt: +20
• Auf E-Mail geantwortet: +25
• Mehr als 30 Tage keine Aktivität: −20

Negative Kriterien werden regelmäßig vergessen. Sie sind der Grund, warum Scoring überhaupt Zeit spart: Sie sortieren aus, statt nur zu ordnen. 

Schwellen festlegen

Zwei Schwellen genügen: 

1. Übergabeschwelle: Ab hier geht der Lead an den Vertrieb. Sie sollte so gesetzt sein, dass die Menge zur verfügbaren Kapazität passt.
2. Ausschlussschwelle: Darunter wird nicht aktiv nachgefasst, sondern nur automatisiert betreut.

Die Übergabeschwelle ist kein fachliches, sondern ein kapazitätsbezogenes Kriterium. Wenn Ihr Vertrieb 60 Gespräche im Monat führen kann, setzen Sie die Schwelle so, dass etwa 60 Leads sie überschreiten – nicht 200. 

Kalibrierung: der Schritt, der meistens fehlt

Ein Modell ist eine Hypothese. Prüfen Sie sie: 

1. Exportieren Sie die Leads der letzten sechs Monate mit Score und Ergebnis.
2. Bilden Sie Score-Gruppen und berechnen Sie die Abschlussquote je Gruppe.
3. Erwartet wird ein steigender Verlauf. Ist er flach, trennt das Modell nicht.
4. Prüfen Sie einzelne Kriterien: Welche unterscheiden Gewinner von Verlierern tatsächlich?
5. Streichen Sie Kriterien ohne Trennschärfe und gewichten Sie die verbliebenen neu.

Wenn Leads mit 80 Punkten genauso häufig abschließen wie Leads mit 30, ist Ihr Modell dekorativ – es sortiert, ohne zu unterscheiden.

Diese Auswertung setzt voraus, dass Abschlüsse sauber im CRM erfasst und mit dem Lead verknüpft sind, siehe Lead-Qualität messen. 

Wann sich KI-gestütztes Scoring lohnt

Modellbasiertes Scoring – ob durch eigene Modelle oder durch Plattformfunktionen – benötigt eine belastbare Datenbasis. Als grobe Orientierung: mehrere hundert abgeschlossene Fälle mit Ergebnis. Darunter liefert ein regelbasiertes Modell mit klaren Kriterien bessere und vor allem erklärbarere Resultate. 

Der entscheidende Vorteil regelbasierter Modelle ist die Nachvollziehbarkeit: Der Vertrieb sieht, warum ein Lead priorisiert wurde, und akzeptiert die Priorisierung dadurch eher. Eine Blackbox, die "87" ausgibt, wird ignoriert. 

Verbindung zu Kampagnen

Der Score ist nicht nur eine Vertriebshilfe. Als Conversion an Werbeplattformen zurückgemeldet, verändert er die Optimierung grundlegend: Statt auf Formularabsendungen wird auf hochwertige Leads optimiert. Wie das funktioniert, beschreiben Conversion-Tracking und Performance Max. 

Häufige Fehler

• Zu viele Kriterien. Was nicht gepflegt wird, verfällt.
• Punkte ohne Verfall. Aktivität von vor sechs Monaten sollte nicht gleich zählen wie die von gestern.
• Score als alleinige Entscheidungsgrundlage. Er priorisiert, er entscheidet nicht.
• Keine Rückkopplung aus dem Vertrieb. Ohne Abgleich mit Abschlüssen bleibt das Modell eine Vermutung.
• Getrennte Modelle je Kanal. Ein Lead ist ein Lead – die Bewertung sollte kanalunabhängig sein.