Fit-Score
Ein Fit-Score misst anhand firmografischer und demografischer Merkmale, wie gut ein Lead zum Wunschkundenprofil passt.
Das Wichtigste in Kürze
- Drücken Sie Fit als Prozentsatz des verfügbaren Gewichts aus, nicht als Rohsumme.
- Bauen Sie das Profil aus Kunden, die verlängert haben, nicht aus allen Abschlüssen.
- Fit beantwortet Eignung und sagt nichts über die aktuelle Kaufbereitschaft.
- Ein rückwärtsgewandtes Modell unterschätzt jedes gerade erst betretene Segment.
- Ein Quiz-Ergebnis dient zugleich internem Routing und Rückmeldung an Teilnehmende.
Im Detail
Ein Fit-Score vergleicht einen Lead mit einem Profil aus Kunden, die erfolgreich waren. Jedes Merkmal des Profils, Branche, Größenklasse, Region, Rolle, vorhandene Tools, erhält ein Gewicht danach, wie stark es gute Kunden vom Rest trennt, und der Score ist der Anteil des verfügbaren Gewichts, den der Lead trifft. Als Prozentsatz des Maximums statt als Rohsumme ausgedrückt, behält die Zahl ihre Bedeutung, wenn Merkmale hinzukommen oder wegfallen.
Ein Fit-Score taugt nur so viel wie die Definition eines guten Kunden dahinter. Bauen Sie das Profil aus allen, die je unterschrieben haben, entsteht ein weites, nutzloses Ziel; bauen Sie es aus Kunden, die verlängert und ausgebaut haben, entsteht ein enges, anspruchsvolles, das Abschlüsse ablehnt, die Ihr Vertrieb noch gewinnen könnte. Auch die Zahl der Merkmale zählt: zu wenige, und alle punkten ähnlich; zu viele, und der Score beschreibt Ihre Bestandskunden statt neue zu filtern.
Fit ist meist das erste Tor im Funnel und entscheidet, wie viel Aufwand ein Lead wert ist. Leads mit hohem Fit rechtfertigen einen Anruf, ein zugeschnittenes Angebot und Geduld; Leads mit niedrigem Fit erhalten Self-Service-Material. Im Scorecard-Funnel wird der Fit-Score bei der Übermittlung berechnet und dem Teilnehmer als Stufe zurückgespiegelt: Dieselbe Zahl bedient damit gleichzeitig eine interne Routing-Entscheidung und die Rückmeldung, für die der Teilnehmer gekommen ist.
Fit beschreibt Eignung, nie Kaufbereitschaft. Ein perfekt passendes Unternehmen ohne auslösendes Ereignis kauft dieses Jahr nicht, egal wie hoch der Score ist; deshalb sollte ein hoher Fit allein niemals Dringlichkeit bestimmen. Das Modell blickt zudem konstruktionsbedingt zurück: Es kodiert, wer früher kaufte, und unterschätzt daher systematisch ein neues Segment, das Sie gerade erst bedienen. Eine dauerhaft niedrig bewertete Gruppe, die trotzdem konvertiert, ist ein Anlass zur Neukalibrierung, kein Rauschen.
Beispiel aus der Praxis
So wird es gemessen
Der zentrale Test ist der Lift: Gewinnquote der Leads mit hohem Fit geteilt durch die Gewinnquote aller Leads. Ein Verhältnis nahe eins bedeutet, dass der Score nichts trennt. Lesen Sie ihn zusammen mit durchschnittlicher Dealgröße und Bindung je Fit-Band, denn ein Score, der Abschlüsse, aber keine Verlängerungen vorhersagt, wählt Menschen aus, die zusagen, nicht Kunden, die bleiben.
Beobachten Sie neben den Ergebnissen die Verteilung. Ein gesunder Fit-Score verteilt Leads über seine Spanne; drängt er alle in die Mitte, misst er Merkmale, die in Ihrem Traffic kaum variieren. Verfolgen Sie den Anteil der Abschlüsse, die unter Ihrer Vertriebsschwelle lagen, denn jeder davon ist ein Lead, den das Modell zu ignorieren riet, und ein direktes Argument für ein anderes Gewicht.
Häufige Fehler
Der klassische Fehler ist, die eigenen Kunden zu beschreiben statt neue vorherzusagen. Sind die meisten Kunden Agenturen, punktet 'Agentur' am höchsten, und das Modell empfiehlt mehr vom Bestehenden, während ein angrenzender Markt übersehen wird, der genauso gut konvertiert. Beziehen Sie Verluste in die Kalibrierung ein, nicht nur Gewinne, und prüfen Sie je Merkmal, ob es Kunden von qualifizierten Nichtkäufern trennt.
Der zweite Fehler ist, den Score nach dem Start einzufrieren. Fit-Scoring entsteht meist in einer Positionierungsrunde und wird danach nie angefasst, sodass es gegen einen Markt bewertet, den Sie vor zwei Produktversionen verlassen haben. Setzen Sie ein Datum für die Neukalibrierung, und behandeln Sie jede Änderung an Preis, Paketierung oder Zielsegment als automatischen Anlass, Merkmalsliste und Gewichte zu prüfen.
Häufig gestellte Fragen
Wie oft sollte ich mein Fit-Score-Modell aktualisieren?
Überprüfe es mindestens vierteljährlich oder immer dann, wenn sich dein ICP verschiebt, etwa beim Schritt ins höhere Segment oder in eine neue Branche. Ein veraltetes Modell priorisiert weiter Kunden, die nicht mehr dein bestes Geschäft widerspiegeln.
Welche Merkmale gehören in einen Fit-Score?
Nur solche, die Sie für die meisten Leads beobachten können und die sich zwischen Kunden und Nichtkunden sichtbar unterscheiden. Branche, Firmengröße, Region und Rolle sind der übliche Anfang. Ergänzen Sie ein Merkmal zur Situation des Käufers, etwa ob der Prozess heute manuell läuft, denn das trennt oft besser als Firmografie. Streichen Sie alles, was nur für eine Minderheit vorliegt.
Was unterscheidet Fit-Score und Lead-Score?
Lead-Score ist der Oberbegriff und mischt oft Fit und Verhalten in einer Zahl. Der Fit-Score ist strikt die ICP-Hälfte: Er ändert sich nur, wenn sich ein Merkmal ändert, nicht wenn jemand eine Seite besucht. Getrennt geführt beantwortet er, ob das Pipeline-Problem die falsche Zielgruppe ist oder die richtige zum falschen Zeitpunkt.
Wie baue ich einen Fit-Score ohne viele Daten?
Beginnen Sie mit Urteil und machen Sie es explizit. Listen Sie die zehn besten Kunden, notieren Sie, was sie vor dem Kauf gemeinsam hatten, und übersetzen Sie diese Gemeinsamkeiten in drei oder vier gewichtete Merkmale. Das bleibt grob, aber ein geschriebenes Modell lässt sich testen und korrigieren, ein ungeschriebenes Bauchgefühl nicht.
Sollte ein niedriger Fit-Score automatisch disqualifizieren?
Für sich genommen nicht, außer es besteht eine harte Schranke wie eine nicht bediente Region oder eine regulierte Branche. Ein niedriger Score ist besser als Entscheidung über Aufwand zu lesen: kein aktiver Anruf, kein individuelles Angebot, aber weiterhin Zugang zu Self-Service. Automatisches Löschen nimmt Ihnen die Chance zu bemerken, dass das Modell falsch liegt.
Kann ein Fit-Score Abwanderung vorhersagen?
Ja, wenn er aus Kunden gebaut wurde, die geblieben sind, und nicht aus solchen, die unterschrieben haben. Ist Bindung Teil der Definition, ist ein Kunde mit niedrigem Fit, der trotzdem gekauft hat, ein absehbares Verlängerungsrisiko, und das gehört bei der Übergabe ins Onboarding vermerkt. Stammt das Profil nur aus gewonnenen Deals, sagt es nur den Kauf voraus.
Wie viele Fit-Stufen sollte eine Scorecard erzeugen?
Meist drei, denn jede Stufe braucht eigenen Text auf der Ergebnisseite und ein eigenes Follow-up. Drei erlauben die klare Aussage: starke Passung, teilweise Passung oder anderswo besser aufgehoben. Eine vierte Stufe lohnt nur, wenn es dafür ein wirklich anderes Angebot gibt, etwa eine Partnerempfehlung für Unternehmen, die Sie nicht direkt bedienen.