Gruppe.Lead-Scoring priorisiert Vertriebszeit. Der Beitrag zeigt ein Modell, das ohne KI auskommt, in einer Stunde aufgebaut ist und dennoch funktioniert.
Fachbeitrag von LeadRaum Redaktion
Die LeadRaum Redaktion bündelt Erfahrung aus über einem Jahrzehnt Performance Marketing, Kampagnensteuerung und Vertriebsprozessen. Alle Beiträge werden vor Veröffentlichung fachlich geprüft und regelmäßig aktualisiert.
Kurz beantwortet: Lead-Scoring bewertet Kontakte anhand von Profil- und Verhaltensmerkmalen mit Punkten, um Vertriebszeit zu priorisieren. Profilkriterien wie Unternehmensgröße oder Region beschreiben die Passung, Verhaltenskriterien wie Preisseitenbesuche die Dringlichkeit. Ein brauchbares Modell nutzt selten mehr als acht bis zehn Kriterien.
Ein Beispielmodell mit fünf Kriterien. Wählen Sie die Ausprägungen eines konkreten Leads aus und sehen Sie, wo er landet – und was daraus folgen sollte.
Score = Summe der Kriterienpunkte, normiert auf 100
Lead-Scoring hat einen schlechten Ruf, weil es oft überkonstruiert wird: 40 Kriterien, verschachtelte Regeln, ein Score, den niemand erklären kann. Ein wirksames Modell ist deutlich einfacher – und gehört zu den Bausteinen, die Marketing-Automatisierung mittlerer Priorität zuordnet.
Der häufigste konzeptionelle Fehler ist, alles in einen Wert zu pressen. Sinnvoll sind zwei getrennte Dimensionen:
Daraus ergibt sich eine Vier-Felder-Logik:
| Geringe Dringlichkeit | Hohe Dringlichkeit | |
|---|---|---|
| Hohe Passung | Beobachten, gezielt aktivieren | Sofort kontaktieren |
| Geringe Passung | Ignorieren oder Newsletter | Prüfen, meist disqualifizieren |
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.
Passung (positiv)
Passung (negativ)
Dringlichkeit
Negative Kriterien werden regelmäßig vergessen. Sie sind der Grund, warum Scoring überhaupt Zeit spart: Sie sortieren aus, statt nur zu ordnen.
Zwei Schwellen genügen:
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.
Ein Kontakt aus dem Bearbeitungsgebiet, Ansprechpartner mit Entscheidungsbefugnis, passender Bedarf: 15 + 15 + 20 = 50 Punkte allein aus dem Profil. Besucht dieser Kontakt zusätzlich die Preisseite (+15) und öffnet die Terminbuchungsseite (+25), steht der Score bei 90, deutlich über einer Übergabeschwelle von etwa 60.
Bleibt derselbe Kontakt danach 30 Tage inaktiv, zieht die Verfallsregel 20 Punkte ab, der Score fällt auf 70. Nach weiteren 30 Tagen ohne Reaktion sind es 50, und der Kontakt rutscht unter die Schwelle und verschwindet aus der Vertriebsliste, ohne dass ihn jemand manuell aussortieren musste. Genau dieser Verfall fehlt in vielen selbstgebauten Tabellen, weil er sich schlecht in einer einfachen Punktesumme abbilden lässt.
Ein Modell ist eine Hypothese. Prüfen Sie sie:
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.
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. Wo KI im Marketing insgesamt sinnvoll ansetzt und wo eher nicht, ordnet KI im Marketing breiter ein. Wie Lead-Scoring mit Vorhersagen über künftigen Bedarf zusammenhängt, beschreibt der Beitrag zum Predictive Marketing.
Die meisten gängigen CRM-Systeme bringen eine eigene Scoring-Funktion mit, oft als einfache Punktevergabe pro Regel, teils bereits mit automatischem Verfall. Bevor Sie ein Modell in Tabellenform pflegen, lohnt sich der Blick, ob die vorhandene Software das ohnehin abbildet. Ein Vergleich der verbreiteten Systeme findet sich in CRM-Systeme im Vergleich.
Niedrig punktende Kontakte müssen nicht ungenutzt bleiben. Automatisierte E-Mail-Strecken pflegen sie weiter, bis der Score von selbst steigt. Aufbau und typische Fehler dabei beschreibt E-Mail-Marketing.
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.
Vereinbaren Sie ein unverbindliches Beratungsgespräch mit unseren Experten.
Lead-Scoring bewertet Kontakte mit Punkten anhand von Profil- und Verhaltensmerkmalen, um Vertriebszeit zu priorisieren. Kontakte mit hoher Passung und hoher Aktivität werden zuerst kontaktiert, unpassende automatisch aussortiert.
Acht bis zehn reichen in der Regel aus. Umfangreichere Modelle werden selten gepflegt und selten verstanden. Wichtiger als die Anzahl ist, dass negative Kriterien enthalten sind und dass die Kriterien regelmäßig gegen echte Abschlüsse geprüft werden.
Die Schwelle richtet sich nach der Vertriebskapazität, nicht nach einem theoretischen Idealwert. Setzen Sie sie so, dass die Menge übergebener Leads zu der Zahl von Gesprächen passt, die tatsächlich geführt werden können.
Nein. Ein regelbasiertes Modell ist bis zu mehreren hundert abgeschlossenen Fällen die bessere Wahl, weil es erklärbar ist und ohne große Datenmengen funktioniert. Modellbasiertes Scoring lohnt sich erst bei ausreichender Historie.
Score-Verfall zieht Punkte automatisch wieder ab, wenn ein Kontakt eine Zeit lang inaktiv bleibt – etwa 20 Punkte nach 30 Tagen ohne Reaktion. Ohne diese Regel bleiben längst kalte Kontakte fälschlich als vielversprechend markiert, weil ihr Score aus einer früheren aktiven Phase stammt.
Praxis nach Branche
Dieselben Mechanismen, übersetzt auf die Anfragesituation einzelner Branchen.
„Die Leads sind schlecht“ ist ein Gefühl, keine Kennzahl. Der Beitrag zeigt, wie Lead-Qualität messbar wird – und welche Maßnahmen sie tatsächlich verbessern.
Automatisierung skaliert einen guten Prozess – und einen schlechten ebenso. Der Überblick zeigt, welche Abläufe sich lohnen und welche Reihenfolge sich bewährt hat.
Der Überblicksbeitrag zum Cluster: Wer macht was, in welcher Frist, mit welchem Ergebnis? Ein Leadmanagement-Prozess, der ohne Reibung funktioniert.