Lead-Scoring-Modell
Ein Lead-Scoring-Modell ist ein definiertes Regelsystem, das Leads anhand von Attributen und Verhalten numerische Punkte zuweist und so einen Wert für die Kaufbereitschaft erzeugt.
Das Wichtigste in Kürze
- Fit-Regeln lesen Attribute, Engagement-Regeln lesen Aktionen, der Score ist ihre Summe.
- Negative Punkte sind so nötig wie positive, um Nicht-Käufer herauszufiltern.
- Engagement-Punkte sollten verfallen, sonst bleiben alte Leads dauerhaft als heiß markiert.
- Stufengrenzen bedeuten erst dann etwas, wenn das Lead-Volumen Gruppen trennbar macht.
- Eine Fit-Engagement-Matrix bewahrt den Grund, den eine einzelne Zahl verdeckt.
Im Detail
Ein Scoring-Modell ist eine Regeltabelle: Jeder Faktor hat eine Bedingung, einen Punktwert und eine Kategorie, und der Score eines Leads ist die Summe der zutreffenden Regeln. Fit-Regeln lesen Attribute wie Mitarbeiterzahl, Branche oder Jobtitel; Engagement-Regeln lesen Aktionen wie einen Quizabschluss oder einen Besuch der Preisseite. Schwellenwerte zerteilen den fortlaufenden Score anschließend in Stufen. Manche Teams führen Fit und Engagement als zwei getrennte Achsen und nutzen eine Matrix statt einer Zahl, was den Grund hinter einem Score erhalten bleibt.
Drei Entscheidungen bestimmen, ob das Modell funktioniert: welche Signale enthalten sind, wie stark jedes gewichtet wird und wo die Stufengrenzen liegen. Mehr Signale wirken sicherer, verwässern aber die starken, denn hundert kleine Pluspunkte können die eine Frage überstimmen, die tatsächlich Umsatz vorhersagt. Negative Punkte zählen ebenso wie positive; ohne sie sammelt eine Studentin bei der Recherche denselben Score wie ein Käufer. Der dritte Hebel ist der Verfall: Nie ablaufende Engagement-Punkte machen jeden alten Lead dauerhaft heiß.
Die meisten Teams beginnen damit, die gewonnenen Deals des Vorjahres durchzugehen, Gemeinsamkeiten dieser Käufer zu notieren und drei oder vier dieser Merkmale als Regeln mit runden Gewichten abzubilden. Die Feinjustierung folgt später aus Ergebnisdaten. Eine Pivix-Scorecard macht das Modell auch für den Teilnehmer sichtbar: Jede Antwort trägt ihre Punkte, Kategorien bündeln verwandte Fragen, und die entstehende Stufe wählt Ergebnisseite und Nachfassen. Diese Offenlegung zwingt dazu, die Gewichte begründbar zu halten.
Ein regelbasiertes Modell kann nichts lernen, was ihm niemand gesagt hat, und übersieht daher Kaufmuster, die niemand kodiert hat. Es braucht außerdem Volumen, damit Stufen etwas bedeuten; bei dreißig Leads im Monat ist der Unterschied zwischen 68 und 72 als Präzision verkleidetes Rauschen. Lange Deals mit vielen Beteiligten sprengen die Ein-Score-Annahme, weil die Person am Formular selten die unterschreibende ist. Und ein auf einem Markt kalibriertes Modell reiht Leads aus einem anderen falsch ein.
Beispiel aus der Praxis
So wird es gemessen
Der Kerntest ist die Trennung: Gruppieren Sie Leads nach Stufe und vergleichen Sie, wie oft jede Stufe zu einem Termin und danach zu einem Abschluss führt. Ein funktionierendes Modell zeigt eine saubere Treppe, heiß über warm über kalt. Konvertieren zwei benachbarte Stufen gleich gut, ist die Grenze dazwischen willkürlich und sollte verschoben oder zusammengelegt werden.
Beobachten Sie die Stufenverteilung über die Zeit als Drift-Alarm: Klettert der heiße Anteil ohne veränderte Traffic-Qualität von einem Zehntel auf ein Drittel, sind die Schwellen weich geworden. Die zweite Diagnose ist der Beitrag je Regel. Vergleichen Sie für jede Regel die Konversion der Leads, auf die sie zutrifft, mit den übrigen, und streichen Sie Regeln ohne Unterschied.
Häufige Fehler
Gewichte entstehen im Workshop, wo die lauteste Meinung gewinnt, und werden nie an einem abgeschlossenen Deal überprüft. Ein halbes Jahr später steckt die heiße Stufe voller Leads, die der Vertrieb nicht anruft. Bauen Sie das Modell rückwärts: Nehmen Sie die letzten fünfzig gewonnenen und verlorenen Datensätze, bewerten Sie sie mit den aktuellen Regeln und prüfen Sie, ob sich beide Gruppen überhaupt trennen. Tun sie das nicht, sind die Gewichte Dekoration.
Der zweite Fehler ist ein einziger Score für alles. Eine Zahl soll gleichzeitig beantworten, ob jemand zu Ihnen passt und ob er jetzt bereit ist, sodass ein perfekt passender Konzern ohne jede Aktivität wie ein eifriger Einzelunternehmer bewertet wird. Trennen Sie beides, als getrennte Fit- und Intent-Scores oder als Vier-Felder-Matrix, und steuern Sie jedes Feld anders: guter Fit ohne Absicht wird genährt, schlechter Fit unabhängig von Aktivität aussortiert.
Häufig gestellte Fragen
Was unterscheidet Fit- von Engagement-Scoring?
Fit-Scoring misst über Firmografie, wie gut ein Lead zu Ihrem Wunschkundenprofil passt, während Engagement-Scoring Verhalten und Absicht bewertet. Die besten Modelle kombinieren beides, damit Sie Leads priorisieren, die qualifiziert und interessiert sind.
Wie oft sollte ein Scoring-Modell aktualisiert werden?
Überprüfen Sie Ihr Modell mindestens vierteljährlich und immer dann, wenn sich Produkt, Preise oder Zielmarkt ändern. Kalibrieren Sie die Gewichte anhand aktueller gewonnener und verlorener Deals, damit der Score aussagekräftig bleibt.
Kann ein Quiz als Scoring-Modell dienen?
Ja. Ein Scorecard-Quiz vergibt Punkte pro Antwort, summiert sie und ordnet die Summe einer Ergebnisstufe zu. Damit ist das Quiz ein transparentes, in sich geschlossenes Scoring-Modell, das sofort beim Engagement eines Leads läuft.
Wie wähle ich die Punktgewichte in einem Lead-Scoring-Modell?
Arbeiten Sie rückwärts von gewonnenen Deals statt vorwärts aus dem Bauch. Notieren Sie Merkmale und Aktionen, die Ihre letzten Dutzend Kunden teilten, behalten Sie die drei oder vier, die Nicht-Kunden selten hatten, und geben Sie diesen runde Gewichte wie zehn oder zwanzig. Runde Zahlen sind Absicht: Sie zeigen, dass es Schätzungen sind. Nachjustiert wird erst, wenn Ergebnisdaten eine Regel widerlegen.
Sollte ein Lead-Scoring-Modell Minuspunkte enthalten?
Ja. Ohne Minuspunkte steigen Scores nur, und wer lange genug stöbert, wirkt irgendwann heiß. Ziehen Sie Punkte ab für Signale, die verlässlich auf Nicht-Käufer deuten: Freemail-Adresse bei einem B2B-Angebot, ein Jobtitel außerhalb des Buying Centers, eine Unternehmensgröße unter Ihrem Minimum oder eine Abmeldung. Minusregeln verhindern zudem, dass harmloses Lesen im Blog eine Stufe aufbläht.
Wie oft sollten Scoring-Gewichte neu kalibriert werden?
Prüfen Sie quartalsweise und bauen Sie neu, sobald sich etwas davor ändert: eine neue Preisstufe, ein neues Wunschkundenprofil, ein neuer Werbekanal oder ein überarbeitetes Quiz. Zwischen den Prüfungen beobachten Sie die Stufenverteilung wöchentlich, denn ein plötzlicher Sprung liegt meist am Traffic-Mix, nicht am Modell. Zur Kalibrierung brauchen Sie genügend abgeschlossene Vorgänge als Lernmaterial.
Wie viele Stufen sollte ein Lead-Scoring-Modell haben?
Meist drei, denn Stufen existieren, um unterschiedliche Aktionen auszulösen, und die meisten Teams haben genau drei: sofort anrufen, nähren oder ignorieren. Eine vierte lohnt nur bei einer echten vierten Aktion, etwa der Übergabe an einen Partner. Mehr Stufen als Aktionen erzeugt Grenzen, nach denen niemand handelt, und macht jede Stufe zu klein, um Konversion verlässlich zu messen.
Kann ein Quiz das gesamte Scoring-Modell ersetzen?
Für die Erstqualifizierung oft ja. Eine Scorecard sammelt Fit- und Intent-Antworten in einer Sitzung und liefert sofort eine Stufe, mehr als die meisten Formulare leisten. Was sie nicht sieht, ist das Verhalten danach: E-Mail-Antworten, wiederholte Besuche, Testnutzung. Behandeln Sie den Quiz-Score als Anfangsstand und lassen Sie spätere Aktivität ihn im Zeitverlauf erhöhen oder senken.
Warum ignoriert der Vertrieb unsere Lead-Scores?
Fast immer, weil dem Score die sichtbare Begründung fehlt. Mit der Zahl 84 kann niemand etwas anfangen; mit 84 wegen über fünfzig Mitarbeitenden, freigegebenem Budget und einer Migrationsfrage hat man einen Gesprächseinstieg. Zeigen Sie die stärksten beitragenden Regeln neben der Zahl und lassen Sie den Vertrieb falsche Scores markieren. Diese Rückmeldungen in die Gewichte einzuspeisen macht aus einer verordneten Kennzahl eine gemeinsame.