Lead-Scoring
Lead-Scoring ist eine Methode, Interessenten anhand ihrer Merkmale und ihres Verhaltens numerische Punkte zuzuweisen, um zu bewerten, wie verkaufsbereit jeder ist.
Das Wichtigste in Kürze
- Ein Score ist eine gewichtete Summe aus Passungsmerkmalen und Verhaltenssignalen.
- Passung und Verhalten funktionieren als zwei Achsen oft besser als eine Gesamtsumme.
- Gewichte leiten sich aus den Gemeinsamkeiten früherer Kunden ab.
- Ohne Verfall schlägt Zugehörigkeit die Kaufabsicht, und Langzeitabonnenten besetzen die Spitzenstufe.
- Liefern Sie stets die zwei oder drei Signale mit, die den Score erzeugt haben.
Im Detail
Ein Lead-Score ist eine gewichtete Summe. Jedes Signal trägt einen Punktwert, Punkte werden addiert, sobald Signale eintreffen, und Schwellen zerteilen die laufende Summe in Stufen. Zwei Signalfamilien werden meist getrennt gehalten: Passungsmerkmale, die beschreiben, wer der Kontakt ist, und Verhalten, das beschreibt, was er getan hat. Viele Teams führen sie als zwei Achsen statt als eine Summe, denn ein gut passender Kontakt ohne Aktivität braucht eine andere Reaktion als ein schlecht passender Vielleser.
Gewichte sollten aus der Historie stammen, nicht aus dem Bauchgefühl. Nehmen Sie die Kontakte, die Kunden wurden, suchen Sie die geteilten Merkmale und Aktionen und vergeben Sie Punkte proportional dazu, wie stark jedes Signal sie von Nie-Käufern trennte. Zwei Mechanismen bringen Scores dann vom Kurs ab: Signale, die sich unbegrenzt anhäufen, lassen einen langjährigen Abonnenten allein durch Zugehörigkeit über einen echten Käufer steigen, und korrelierte Signale zählen dasselbe Verhalten doppelt.
Scoring zahlt sich nur dort aus, wo es eine Handlung ändert: Routing, Sequenzauswahl oder Alarmpriorität. Setzen Sie die Hot-Schwelle auf das Volumen, das ein Team an einem Tag wirklich abarbeiten kann, nicht auf eine runde Zahl. Ein Scorecard-Quiz liefert ungewöhnlich saubere Eingaben, weil der Punktwert an der Antwortoption selbst hängt und der Befragte sie bewusst wählt. Eine Sitzung erzeugt Passungs- und Absichtspunkte zugleich.
Ein Score verdichtet viele Fakten zu einer Zahl, und diese Verdichtung verbirgt den Grund. Ein Mitarbeiter, der eine 82 erhält, erfährt nichts darüber, welches Kriterium schwach ist; die Stufe sollte deshalb stets mit den zwei oder drei Signalen ausgeliefert werden, die sie erzeugt haben. Scoring braucht zudem Volumen: Bei wenigen Abschlüssen pro Jahr ist das historische Muster überwiegend Rauschen, und ein handgeschriebenes Regelwerk schlägt jedes gefittete Modell.
Beispiel aus der Praxis
So wird es gemessen
Beurteilen Sie das Modell an der Trennschärfe zwischen den Stufen. Berechnen Sie je Stufe den Anteil der Leads, die zu Opportunities wurden, und den Anteil der Abschlüsse. Das Modell funktioniert, wenn jede Stufe messbar besser konvertiert als die darunter. Konvertieren Hot und Warm ähnlich, liegt entweder die Schwelle falsch oder die Gewichte sind zu flach, um überhaupt zu unterscheiden.
Beobachten Sie danach Verteilung und Verzögerung. Verfolgen Sie den Anteil der Leads je Stufe von Monat zu Monat; ein Modell, das plötzlich ein Drittel des Traffics in die Spitzenstufe legt, hat meist einen neuen Kanal getroffen, kein besseres Publikum. Messen Sie die Zeit zwischen Schwellenübertritt und erstem menschlichen Kontakt, denn ein genauer Score mit langsamer Übergabe wirkt wie gar kein Score.
Häufige Fehler
Der erste Fehler ist, alles zu bewerten, was sich tracken lässt. Jeder Seitenaufruf bringt Punkte, das Modell belohnt still Surfvolumen statt Kaufsignal, und Newsletter-Leser steigen in die Spitzenstufe, bis der Vertrieb der Zahl nicht mehr traut. Beschränken Sie das Modell auf Signale, die Sie laut als Beleg für Kaufabsicht verteidigen könnten, und vergeben Sie Minuspunkte für echte Ausschlussgründe wie Freemail-Domains oder Wettbewerberadressen.
Der zweite ist, die Schwelle als dauerhaft zu behandeln. Ein Team wählt sechzig als Hot-Grenze, ein neuer Kanal verdoppelt ein Quartal später den Traffic, und die Vertriebswarteschlange läuft über, während die Zahl unverändert bleibt. Schwellen sind eine Kapazitätsentscheidung, keine Eigenschaft des Modells; prüfen Sie sie neu, sobald sich Volumen oder Teamgröße ändert. Die Gewichte selbst kalibrieren Sie in längeren Abständen.
Häufig gestellte Fragen
Welche Signale werden beim Lead-Scoring verwendet?
Scoring kombiniert demografische und firmografische Passung, etwa Rolle und Unternehmensgröße, mit Verhaltensabsicht wie Content-Downloads, E-Mail-Engagement und Quiz-Antworten. Negative Signale, etwa eine private E-Mail-Domain, können Punkte abziehen, um schlechte Passungen herauszufiltern.
Was ist der Unterschied zwischen regelbasiertem und prädiktivem Lead-Scoring?
Regelbasiertes Scoring nutzt Gewichte, die ein Marketer manuell festlegt, was transparent, aber pflegeintensiv ist. Prädiktives Scoring verwendet ein auf historischen Conversions trainiertes Modell, um Gewichte automatisch zu vergeben, was besser skaliert, aber genügend Daten benötigt.
Wie handhaben Quiz-Funnels das Lead-Scoring?
In einem Scorecard-Quiz werden jeder möglichen Antwort Punkte zugewiesen, und das System summiert sie, während der Befragte fortschreitet. Der Endscore ordnet den Lead sofort einer Stufe zu, sodass Priorisierung und Routing im Moment der Erfassung erfolgen.
Wie viele Punkte sollte ein einzelnes Scoring-Signal wert sein?
Vergeben Sie Punkte proportional dazu, wie stark das Signal frühere Kunden von Nichtkunden trennte, und runden Sie auf eine grobe Skala. Drei oder vier Stufen, etwa fünf, zehn, zwanzig und vierzig, sind leichter zu erklären und zu pflegen als feine Werte. Die richtige Rangfolge der Signale zählt weit mehr als exakte Einzelgewichte.
Wo setze ich die Schwelle für das Lead-Scoring?
Setzen Sie sie auf die Zahl an Leads, die Ihr Team täglich wirklich bearbeiten kann, und prüfen Sie dann, ob diese Gruppe besser konvertiert als die darunter. Die Schwelle ist zuerst eine Kapazitäts- und erst danach eine Modellentscheidung. Von der Kapazität auszugehen verhindert eine Warteschlange, die schneller wächst, als jemand sie abtelefonieren kann.
Sollten Lead-Scores mit der Zeit verfallen?
Ja, bei Verhaltenspunkten. Absicht verblasst, deshalb sollte eine vor einem Jahr geöffnete E-Mail nicht so schwer wiegen wie eine von gestern; üblich ist, Verhaltenspunkte nach einer festgelegten Inaktivitätsspanne zu halbieren. Passungspunkte zu Unternehmensgröße oder Rolle sollten nicht verfallen, da sich diese Merkmale durch Datenaktualisierung ändern, nicht durch Zeitablauf.
Wofür dienen negative Punkte im Lead-Scoring?
Sie entfernen Kontakte, die Engagement anhäufen, ohne je kaufen zu können. Typische Abzüge betreffen Freemail-Domains, Wettbewerberadressen, Studierenden- oder Bewerbertitel, Abmeldungen und Rollen außerhalb Ihres Buying Centers. Minuspunkte sind meist wirksamer als weitere Plusregeln, weil sie die Spitzenstufe von Rauschen befreien, statt weiteres hinzuzufügen.
Wie viele Daten braucht prädiktives Lead-Scoring?
Genug abgeschlossene Deals, damit sich ein Muster vom Zufall unterscheidet, praktisch also Hunderte gewonnener und verlorener Datensätze, nicht Dutzende. Darunter liefert ein regelbasiertes Modell aus dem vorhandenen Vertriebswissen bessere Ergebnisse und bleibt erklärbar. Auf ein prädiktives Modell können Sie wechseln, sobald genügend Historie vorliegt.
Sollte man Kontakte oder Accounts bewerten?
Bewerten Sie beides, wenn ein Gremium entscheidet. Ein Kontakt-Score priorisiert Einzelpersonen für die Ansprache, ein Account-Score bündelt die Aktivität aller Personen im Unternehmen und zeigt, wie sich ein Buying Center bildet. Nur Kontakt-Scores zu nutzen verdeckt Accounts, in denen fünf Personen je ein wenig interagierten und niemand allein die Schwelle überschritt.