Lead Scoring entwickeln: Modell, Kriterien und Praxis

Lead Scoring ordnet Kontakten Punkte zu, damit Teams nicht jeden Download gleich behandeln. Ein gutes Modell macht Priorisierung nachvollziehbarer; es beweist weder Kaufabsicht noch ersetzt es ein Gespräch. Der Score ist eine Hypothese, die regelmäßig an akzeptierten Opportunities und realen Geschäftsergebnissen geprüft wird.

Ziel und Entscheidung definieren

Beginnen Sie nicht mit Punktwerten, sondern mit der Entscheidung: Soll ein Lead eine persönliche Prüfung erhalten, in eine Informationsstrecke wechseln oder vorerst pausieren? Definieren Sie den Empfänger, die Reaktionszeit und das gewünschte Ergebnis. Ohne operationalen Folgeschritt erzeugt Scoring nur eine weitere Zahl im CRM.

Legen Sie eine gemeinsame Definition von Kontakt, qualifiziertem Lead und Opportunity fest. Was sind Leads? erklärt diese Stufen. Der Vertrieb muss Übergaben annehmen oder mit standardisiertem Grund zurückgeben können; sonst fehlen die Daten für Verbesserung.

Passung und Interesse getrennt bewerten

Ein zweidimensionales Modell ist verständlicher als eine einzige undurchsichtige Summe. Der Fit-Score misst Zielkundenpassung: Branche, Größe, Region, Anwendungsfall und technische Voraussetzungen. Der Interest-Score nutzt beobachtbares Interesse: konkrete Antwort, Terminbuchung, wiederholte Beschäftigung mit entscheidungsnahen Inhalten oder Teilnahme an einem Fachgespräch.

Ein gut passendes Unternehmen ohne aktuelles Interesse braucht andere Behandlung als ein sehr aktiver Kontakt außerhalb der Zielgruppe. Stellen Sie beide Werte in einer Matrix dar. Nur hohe Passung plus belastbares Interesse löst eine schnelle persönliche Prüfung aus.

Kriterien und Punkte auswählen

Verwenden Sie wenige Kriterien mit erklärbarem Bezug zur Zielentscheidung. Eine direkte Anfrage kann 20 Punkte erhalten, ein wahrgenommener Termin 15, ein relevanter Vergleichsinhalt 5 und ein einzelner allgemeiner Seitenbesuch höchstens 1. Unternehmensmerkmale werden separat gewichtet. Dokumentieren Sie Quelle, Aktualität und Begründung jedes Merkmals.

Negative Werte sind ebenso wichtig. Ziehen Sie Punkte für klare Nichtpassung, wiederholte Unzustellbarkeit, fehlende Zuständigkeit oder lange Inaktivität ab. Abmeldung und Widerspruch sind keine negativen Verkaufssignale, die später „verfallen“, sondern müssen im Kommunikationsprozess zuverlässig respektiert werden.

Schwellen mit historischen Daten kalibrieren

Analysieren Sie vergangene Kontakte: Welche Merkmale lagen vor der akzeptierten Opportunity tatsächlich vor? Teilen Sie Daten in Entwicklungs- und Prüfmenge, damit das Modell nicht nur bekannte Fälle erklärt. Fehlen ausreichende Daten, starten Sie mit einer einfachen fachlichen Hypothese und manueller Kontrolle.

Ein Schwellenwert von 50 ist nicht besser als 30, wenn die Punkte willkürlich sind. Prüfen Sie Anteil akzeptierter Übergaben, verpasste gute Leads, Rückgabegründe und spätere Conversion. Die Pipeline CRM sollte Score, Zeitpunkt und zugrunde liegende Signale getrennt speichern, damit Änderungen nachvollziehbar bleiben.

Beachten Sie Zeitverfall: Ein Termin gestern ist aussagekräftiger als ein Download vor neun Monaten. Legen Sie je Signal eine begründete Halbwerts- oder Ablaufregel fest, statt den Gesamtwert pauschal jeden Monat zu reduzieren. Stabile Firmenmerkmale veralten anders als Verhalten. Änderungen der Beschäftigung oder Unternehmensdaten müssen korrigierbar sein.

Datenschutz und Profiling beachten

Artikel 5 DSGVO verlangt Rechtmäßigkeit, Transparenz, Zweckbindung, Datenminimierung und sachliche Richtigkeit. Definieren Sie Rechtsgrundlage, Informationspflichten, Löschfristen und Zugriffsrechte für jedes Signal. Verwenden Sie keine Daten nur deshalb, weil sie technisch verfügbar sind.

Lead Scoring kann Profiling im Sinne der DSGVO sein. Bei ausschließlich automatisierten Entscheidungen mit rechtlicher oder ähnlich erheblicher Wirkung ist insbesondere Artikel 22 zu prüfen. Auch unterhalb dieser Schwelle sind faire Kriterien, menschliche Kontrolle und Korrekturmöglichkeiten wichtig. Diese Einordnung wurde am 18. Juli 2026 geprüft und ist keine Rechtsberatung.

Automatisierung sicher einführen

Berechnen Sie zunächst vier Wochen lang im Hintergrund, ohne automatische Kontaktaufnahme. Lassen Sie Vertrieb und Marketing Grenzfälle bewerten. Prüfen Sie doppelte Aktivitäten, Bot-Traffic, Rollenwechsel und fehlerhafte Firmendaten. Danach kann ein Score eine Aufgabe auslösen, nicht zwingend sofort eine Nachricht.

Jede Automation braucht Stopps: Widerspruch, Abmeldung, aktive Opportunity, laufender Supportfall und manuelle Sperre. Lead Nurturing eignet sich für passende, aber noch nicht entscheidungsreife Kontakte. Ein Score darf keine kanalbezogenen Werberegeln umgehen.

Dokumentieren Sie auch, wer das Modell ändern darf. Neue Kriterien werden zuerst im Testmodus berechnet und mit der bisherigen Version verglichen. Ein Dashboard zeigt nicht nur durchschnittliche Scores, sondern auch ungewöhnliche Sprünge, fehlende Daten und die Verteilung nach Segment. So fällt auf, wenn ein Trackingfehler plötzlich hunderte scheinbar heiße Leads erzeugt.

Gesprächssignale kontrolliert nutzen

In Discovery-Gesprächen entstehen starke Signale wie bestätigtes Problem, Projekttermin oder benannte Beteiligte. Übertragen Sie nur klar bestätigte Informationen und unterscheiden Sie Aussage von Interpretation. Bei einer Aufzeichnung informieren Sie alle Beteiligten und holen die erforderliche Zustimmung ein.

Kuno ist ein privatsphärenorientierter physischer KI-Sprachrekorder, made in Germany. Audio wird auf dem Gerät erfasst; Verarbeitung und Speicherung erfolgen gemäß Produktbeschreibung EU-gehostet. Hardware und KI-Funktionen werden mit monatlichem oder jährlichem Plan kombiniert. Kuno entscheidet nicht autonom über Leadqualität und ersetzt weder CRM noch Datenschutzprüfung.

Freigegebene Discovery-Gespräche strukturiert nachbereiten: Kuno ansehen.

Modell überwachen und verbessern

Führen Sie monatlich eine Stichprobe falsch positiver und falsch negativer Bewertungen durch. Prüfen Sie quartalsweise Gewichtungen, Schwellen und Datenqualität. Segmentieren Sie Ergebnisse nach Quelle und Zielgruppe, damit ein dominanter Kanal das Modell nicht verzerrt. Änderungen erhalten Version, Begründung und Wirksamkeitsdatum.

Wichtige Kennzahlen sind akzeptierte Übergaben, Zeit bis zur Bearbeitung, Rückgabequote, Conversion zur Opportunity, gewonnenes Geschäft und Anteil verpasster passender Leads. B2B-Leadgenerierung liefert den vorgelagerten Prozess; Scoring optimiert dessen Priorisierung, nicht dessen grundlegende Relevanz.

Ein Modell in sechs Schritten starten

Definieren Sie Entscheidung und Zielgruppe. Wählen Sie fünf bis zehn Fit- und Interessenskriterien. Klären Sie Datenquelle und Rechtsgrundlage. Testen Sie das Modell im Schattenbetrieb. Kalibrieren Sie mit manueller Rückmeldung. Automatisieren Sie erst danach begrenzte Aufgaben mit sicheren Stopps.

Das beste Lead Scoring ist nicht maximal komplex. Es ist erklärbar, datensparsam und verbessert nachweislich die Zusammenarbeit zwischen Marketing und Vertrieb. Wenn das Team den Wert nicht begründen oder korrigieren kann, ist das Modell noch nicht produktionsreif.

Aus transparenten Gesprächen bestätigte Signale und nächste Schritte gewinnen: Kuno mit monatlichem oder jährlichem KI-Plan entdecken.