Customer-Fit-Scoring
Customer-Fit-Scoring ist der Prozess, jedem Lead eine numerische Punktzahl zuzuweisen, die widerspiegelt, wie genau er zu Ihrem idealen Kundenprofil passt, damit Teams die bestpassenden Interessenten priorisieren können.
Das Wichtigste in Kürze
- Fit-Scoring macht aus einem geschriebenen Kundenprofil eine automatische Routing-Entscheidung.
- Fit fragt, ob hier überhaupt verkauft wird; Intent fragt, ob der Zeitpunkt stimmt.
- Nach Verfügbarkeit statt Vorhersagekraft gewählte Merkmale flachen die gesamte Verteilung ab.
- Setzen Sie Schwellen danach, wie viele Gespräche das Team täglich wirklich schafft.
- Scores sehen weder Fürsprecher noch konkurrierende Projekte oder Einstellungsstopps.
Im Detail
Fit-Scoring verwandelt ein geschriebenes Kundenprofil in eine wiederholbare Entscheidung. Jedes Merkmal des Profils wird zu einer Eingabe, jede Eingabe trägt ein Gewicht aus der historischen Trennschärfe zwischen guten und schlechten Kunden, und die Summe ordnet den Lead einem Band zu. Zum Scoring statt zum Reporting wird es, weil das Band eine Handlung auslöst: oberhalb der Linie steigt ein Mensch ein, unterhalb bedient Automation den Lead. Fit beantwortet, ob hier verkauft wird, nicht wann.
Zwei Dinge entscheiden über die Funktion: welche Merkmale eingehen und wo die Schwellen liegen. Merkmale, die wegen Verfügbarkeit statt Vorhersagekraft gewählt werden, flachen die Verteilung ab, sodass die meisten Leads in der Mitte liegen und der Score nicht mehr trennt. Aus dem Bauch gesetzte Schwellen überschwemmen oder unterversorgen den Vertrieb. Beides driftet, denn das Modell ist an einem beweglichen Markt kalibriert und verliert ohne erneute Prüfung an Trennschärfe.
Im Betrieb ist Fit die eine Achse eines Rasters, Intent die andere. Hoher Fit mit hoher Absicht geht sofort an den Vertrieb; hoher Fit mit geringer Absicht geht ins Nurturing, der Fit-Wert bleibt gespeichert; geringer Fit wird unabhängig von der Begeisterung abgelenkt. Eine Scorecard ist ein praktischer Erhebungspunkt, weil sie die Fit-Merkmale als strukturierte Antworten sammelt und die Gewichte noch in der Sitzung anwendet, sodass die Routing-Entscheidung vor jeder Warteschlange feststeht.
Fit-Scoring unterstellt, die Vergangenheit sage die Zukunft voraus, was beim Eintritt in ein neues Segment ohne gewonnene Deals sofort bricht. Es sieht zudem die Faktoren nicht, die viele Abschlüsse entscheiden: einen internen Fürsprecher, ein konkurrierendes Projekt, einen Einstellungsstopp. Eine zweistellige Zahl lädt außerdem zu falscher Sicherheit ein, weil sie belastbarer wirkt als die wenigen Selbstauskünfte dahinter. Ein Band ist eine Reihenfolge, kein unumstößliches Urteil.
Beispiel aus der Praxis
So wird es gemessen
Prüfen Sie zuerst die Trennschärfe. Tragen Sie die Conversion zur Opportunity je Fit-Band auf und suchen Sie einen stetigen Anstieg vom untersten zum obersten Band. Eine flache Linie bedeutet, dass die Merkmale kein Signal tragen. Sehen Sie sich auch die Verteilung an: Landen die meisten Leads in einem einzigen Band, sitzen die Schwellen falsch und der Score entscheidet nichts.
Verfolgen Sie danach die Abweichung zwischen Score und den Menschen, die ihn nutzen. Zählen Sie, wie oft der Vertrieb Leads mit hohem Fit im Erstgespräch disqualifiziert und wie oft er Leads mit geringem Fit von sich aus eskaliert. Beide Richtungen zeigen auf ein fehlendes Merkmal, und die Frage, welche Formularfrage gefehlt hat, benennt es meist sofort.
Häufige Fehler
Der häufigste Fehler ist der fehlende Rücktest. Gewichte werden in einer Sitzung vereinbart, ab sofort auf jeden Lead angewandt und nie an tatsächlichen Abschlüssen geprüft. Lassen Sie das Modell vor dem Start über die Abschlüsse des Vorjahres laufen und sehen Sie nach, ob gewonnene und verlorene Accounts in sichtbar verschiedenen Bändern landen. Tun sie das nicht, sind die Gewichte als Rechnung verkleidete Meinungen.
Der zweite Fehler ist, Fit und Intent zu einer Zahl zu verschmelzen. Ein neugieriger Student und ein perfekt passender Account, der seit Monaten nicht da war, können dieselbe Summe erreichen, und der Vertrieb erkennt den Unterschied erst im geöffneten Datensatz. Führen Sie beide als getrennte Felder, routen Sie über die Kombination und nutzen Sie eine Mischzahl höchstens im Reporting, wo die Unschärfe nicht schadet.
Häufig gestellte Fragen
Was ist der Unterschied zwischen Fit-Scoring und Intent-Scoring?
Fit-Scoring misst, wie gut ein Lead zu Ihrem ICP passt — ob Sie überhaupt an ihn verkaufen sollten — während Intent-Scoring misst, wie kaufbereit er gerade ist. Die Passung ist relativ stabil, die Absicht schwankt mit dem Verhalten. Beide in einer Matrix zu kombinieren erlaubt es, Leads zu priorisieren, die gut passen und aktiv engagiert sind.
Wie wähle ich die Gewichtungen für einen Fit-Score?
Beginnen Sie mit den Attributen, die Bindung und Expansion bei Ihren besten Kunden am stärksten vorhersagen, und gewichten Sie diese höher. Vermeiden Sie es, Felder nur deshalb hoch zu gewichten, weil sie leicht zu erfassen sind. Validieren Sie das Modell, indem Sie prüfen, ob hoch bewertete Leads tatsächlich abschließen und länger bleiben, und passen Sie die Gewichte mit der Zeit an.
Kann ein Scorecard-Quiz Fit-Scores automatisch berechnen?
Ja — jede Antwort kann Punkte tragen, Kategorien summieren sich zu einem Gesamtwert, und Rating-Stufen ordnen den Wert Bändern wie Starke oder Geringe Passung zu. Ergebnisseite und Lead-Routing reagieren dann sofort anhand der Stufe. So wird aus Fit-Scoring statt einer manuellen CRM-Aufgabe ein automatisierter Schritt im Funnel.
Welche Merkmale gehören in einen Customer-Fit-Score?
Nur Merkmale, die in Ihrer eigenen Historie gewonnene von verlorenen Accounts getrennt haben, oft Branche, Teamgröße oder Struktur, vorhandene Tools und der genannte Anwendungsfall. Prüfen Sie jeden Kandidaten, indem Sie seine Häufigkeit bei Gewinnen und Verlusten vergleichen. Was auf beiden Seiten ähnlich häufig auftritt, erzeugt Rauschen, so leicht es auch zu erheben ist.
Wie setze ich die Schwelle für die Vertriebsübergabe?
Beginnen Sie bei der Kapazität, nicht beim Score. Legen Sie fest, wie viele Gespräche das Team täglich gut führen kann, sehen Sie sich die aktuelle Verteilung an und setzen Sie die Schwelle dort, wo ungefähr so viele Leads sie überschreiten. Danach justieren Sie am Verhalten: viel Disqualifizierung heißt zu niedrig, unausgelastete Mitarbeitende heißen zu hoch.
Wie unterscheidet sich Fit-Scoring vom Lead-Scoring allgemein?
Lead-Scoring ist der Oberbegriff und mischt meist, wer jemand ist, mit dem, was er getan hat. Fit-Scoring isoliert bewusst die erste Hälfte. Getrennt gehalten bleibt der Fit-Wert stabil, während das Verhalten schwankt, sodass ein gut passender Account ein Jahr lang genurtured werden kann, ohne dass sein Wert verfällt, und bei Rückkehr sofort erkannt wird.
Funktioniert Fit-Scoring ohne Drittdaten?
Ja, und häufig besser. Die stärksten Merkmale sind meist selbst angegebene wie das genannte Problem, die Teamstruktur und die aktuellen Tools, die Anbieter entweder gar nicht haben oder schlecht ableiten. Ein kurzer Qualifizierungsablauf erhebt sie direkt, und freiwillig gegen ein Ergebnis gegebene Antworten sind in der Regel genauer als ein angehängter Drittdatensatz.
Wie oft sollten Fit-Scores neu kalibriert werden?
Prüfen Sie das Modell mindestens halbjährlich an aktuellen Ergebnissen, und sofort nach Eintritt in ein neues Segment oder einer Preisänderung. Das Warnsignal ist ein steigender Anteil gewonnener Deals aus niedrigen Bändern. Meist reicht die Anpassung einiger Gewichte statt eines Neubaus, gelegentlich verliert ein Merkmal jedoch jede Vorhersagekraft und gehört entfernt.
Sollten Leads mit geringem Fit abgelehnt werden?
Selten rundheraus, aber sie sollten keine Vertriebszeit verbrauchen. Leiten Sie sie zu Selbstbedienungsinhalten, einer günstigeren Stufe oder einem Partner, und behalten Sie den Datensatz, damit spätere Änderungen bei Größe oder Tools ihn nach oben bewegen können. Manche Leads mit geringem Fit werden im Wachstum zu guten Accounts, und Löschen nimmt diese Option.