Lead-Datenbank
Eine Lead-Datenbank ist der zentrale, strukturierte Speicher erfasster Interessentendaten, einschließlich Kontaktangaben, Quelle, Qualifizierungs-Scores und Interaktionsverlauf.
Das Wichtigste in Kürze
- Die Identitätsregel entscheidet, ob eine wiederkehrende E-Mail einen oder zwei Datensätze erzeugt.
- Ein Herkunftsfeld beantwortet, welche Erfassung den Datensatz wann angelegt hat.
- Strenge Eingabeprüfungen erhöhen die Datenqualität und kosten einige echte Conversions.
- Veraltete Datensätze archivieren statt löschen, damit die Historie für Neubewertungen bleibt.
- Eine für einen Zweck erteilte Einwilligung deckt nicht automatisch eine andere Nutzung.
Im Detail
Eine Lead-Datenbank wird durch drei Dinge bestimmt: welche Felder es gibt, was als dieselbe Person gilt und wer schreiben darf. Die Identitätsregel leistet dabei die meiste Arbeit, denn sie entscheidet, ob eine zweimal eingehende E-Mail-Adresse einen Datensatz mit zwei Ereignissen oder zwei konkurrierende Datensätze erzeugt. Die meisten Systeme gleichen zuerst über die normalisierte E-Mail ab, danach über Unternehmensdomain und Name, und führen an jedem Datensatz ein Herkunftsfeld, das sagt, welche Erfassung ihn wann angelegt hat.
Die Qualität sinkt auf zwei Wegen gleichzeitig. Datensätze verfallen, weil Menschen den Job wechseln und Postfächer abgeschaltet werden, und die Datenbank verwässert, weil jeder Zulauf Datensätze hinzufügt, ohne welche zu entfernen. Prüfungen bei der Eingabe heben die Qualität, kosten aber Conversion, denn eine strenge E-Mail-Prüfung weist neben Fälschungen auch echte Menschen ab. Konsequentes Löschen hält die Basis sauber, zerstört aber Historie. Die meisten Teams archivieren daher, statt zu löschen, und prüfen erneut, statt dem Alter zu vertrauen.
Im Alltag wird mit gespeicherten Segmenten gearbeitet, nicht mit dem Durchblättern von Datensätzen. Nützliche Segmente kombinieren ein Eignungsmerkmal, ein Aktualitätsfenster und einen Status, sodass eine Vertriebskraft eine Liste öffnet und keine Tabelle. Datensätze aus einem Scorecard-Quiz kommen mit den Antworten an, wodurch sich Segmente danach bilden lassen, was die Person über ihre Lage gesagt hat, und nicht nur nach dem Kanal. Neben den Segmenten stehen Sperrlisten, die bereits kontaktierte Datensätze fernhalten.
Größe ist kein Vermögenswert. Eine Datenbank mit hunderttausend Datensätzen, von denen nur wenige tausend zum aktuellen Idealkundenprofil passen, ist ein Speicherkostenposten mit Compliance-Risiko und keine Pipeline. Auch Einwilligungen haben eine Haltbarkeit: Ein für einen Zweck unter einer Datenschutzerklärung erhobener Datensatz lässt sich nicht immer für einen anderen nutzen, und diese Grenze ist rechtlich, nicht technisch. Scores altern ebenfalls, sodass eine Eignungsbewertung von vor zwei Jahren ein Unternehmen beschreibt, das es so vielleicht nicht mehr gibt.
Beispiel aus der Praxis
So wird es gemessen
Zwei Verhältnisse beschreiben den Zustand der Datenbank. Der zustellbare Anteil ist die Zahl der Datensätze, deren E-Mail noch Post annimmt, geteilt durch alle aktiven Datensätze; fällt er, überholt der Verfall den Zulauf. Der adressierbare Anteil ist die Zahl der zum aktuellen Idealkundenprofil passenden Datensätze geteilt durch die Gesamtzahl und die ehrliche Größenkennzahl. Wächst die Datenbank, während dieser Anteil fällt, wachsen nur die Kosten.
Verfolgen Sie die Dublettenrate als monatliche Zahl neuer Datensätze, die später mit einem bestehenden verschmolzen werden; ein Anstieg zeigt einen Erfassungsweg, der die Abgleichregel überspringt. Ergänzen Sie die Feldvollständigkeit für die zwei bis drei Merkmale, die Ihre Segmente wirklich nutzen, gemessen nur an Datensätzen des letzten Quartals, da ältere immer schlechter aussehen und aktuelle Probleme verdecken.
Häufige Fehler
Häufig wird die Dublettenbereinigung als einmaliges Aufräumprojekt behandelt statt als Regel bei der Eingabe. Die Basis wird zusammengeführt, alle freuen sich, und binnen eines Quartals sind die Dubletten zurück, weil drei Formulare weiterhin ungeprüft schreiben. Verankern Sie die Abgleichregel im Erfassungsweg, nicht nachträglich in einer Tabelle, und protokollieren Sie jede Zusammenführung, um eine echte zweite Person von einem Abgleichfehler zu unterscheiden.
Der zweite Fehler ist Freitext dort, wo eine feste Auswahl hingehört. Selbst eingetippte Jobtitel ergeben Dutzende Schreibweisen derselben Rolle, und darauf lässt sich kein verlässliches Segment bauen. Fragen Sie die Rolle über eine kurze Auswahl ab, speichern Sie den Rohtext bei Bedarf separat und halten Sie das Feld, auf dem die Segmentierung beruht, eingeschränkt. Dasselbe gilt für Unternehmensgröße und Branche.
Häufig gestellte Fragen
Welche Daten sollte eine Lead-Datenbank speichern?
Neben Kontaktdaten gehören Quelle, Qualifizierungs-Score, Quiz-Stufe und Interaktionsverlauf hinein. Dieser Kontext ermöglicht Segmentierung und Priorisierung, statt jeden Datensatz gleich zu behandeln.
Ist eine Lead-Datenbank dasselbe wie ein CRM?
Nicht ganz. Eine Lead-Datenbank konzentriert sich auf das Speichern und Ordnen roher Lead-Datensätze, während ein CRM die gesamte Beziehung und den Vertriebsprozess darauf aufbauend verwaltet.
Wie oft sollte eine Lead-Datenbank bereinigt werden?
Fortlaufend bei Dubletten und in festem Rhythmus beim Verfall. Dublettenvermeidung gehört in den Erfassungsweg und greift bei jedem Schreibvorgang. Verfallsprüfungen führen Sie besser quartalsweise für Datensätze älter als sechs Monate durch, prüfen die Zustellbarkeit und archivieren, was durchfällt. Ein jährliches Aufräumprojekt kommt zu selten, um den Effekt zu stoppen.
Sollte ich eine Leadliste kaufen, um die Datenbank zu füllen?
Gekaufte Listen bringen drei Probleme mit: Sie haben die Einwilligung nicht selbst eingeholt, die Datensätze wurden auch anderen verkauft, und es gibt keine Interaktionshistorie zum Bewerten. Wenn Sie eine nutzen, halten Sie sie in einem eigenen Segment mit eigener Quellenmarkierung, damit sie die Kennzahlen selbst gewonnener Leads nicht verfälscht. Bewerten Sie sie an der Antwortrate.
Wie viele Felder sollte ein Lead-Datensatz haben?
Nur solche, die eine Entscheidung verändern. Ein Feld verdient seinen Platz, wenn es in einem Segment, einer Routing-Regel oder einem Scoring-Modell vorkommt; sonst ist es ein Kästchen, das jemand füllen muss und dem später niemand traut. Die meisten B2B-Teams brauchen Kontaktdaten, Unternehmensgröße, Rolle, Quelle, Qualifizierungs-Score und letzte Aktivität.
Was passiert mit Leads, die nie reagiert haben?
Setzen Sie sie auf einen ruhenden Status, statt sie zu löschen, und halten Sie sie aus aktiven Segmenten heraus. Reaktivieren Sie planmäßig mit einem günstigen Kontaktpunkt und archivieren Sie nach einer festgelegten Zahl erfolgloser Versuche. Behalten Sie den Datensatz: Wer letztes Jahr nicht reagiert hat, meldet sich womöglich, wenn sich die Lage ändert.
Muss eine Lead-Datenbank vom CRM getrennt sein?
Für kleine Teams nicht; das Lead-Objekt des CRM genügt. Ein eigener Speicher lohnt sich erst bei hohem Zulaufvolumen, wenn mehrere Erfassungsquellen vor der Übergabe an den Vertrieb normalisiert werden müssen, oder wenn Marketing Datensätze halten muss, die das CRM nicht sehen soll. Für alles, woran Vertriebskräfte arbeiten, bleibt das CRM führend.
Wie halte ich Abmeldungen und Einwilligungsstatus korrekt?
Speichern Sie die Einwilligung als Feld am Datensatz, mit Zeitstempel und Herkunft der Erlaubnis, nicht als Mitgliedschaft in einer Verteilerliste. Listen werden neu gebaut und kopiert; ein Feld wandert mit dem Datensatz. Prüfen Sie den Status beim Versand statt beim Segmentaufbau und führen Sie eine Sperrliste, die kein Segment übergehen kann.