Lead Scoring vergibt Punkte an neue Kontakte im CRM, damit Ihr Vertrieb weiß, wen er zuerst anruft. Die Punkte sind schnell in einer Tabelle verteilt, doch ob sie etwas taugen, zeigt erst ein Blick zurück: Wer heute viele Punkte bekommt, muss in den Daten der letzten Monate häufiger zur Opportunity geworden sein als jemand mit wenigen. Stimmt das nicht, zählt Ihr Score nur Klicks.
Dieser Beitrag baut ein Lead-Scoring-Modell für einen B2B-Anbieter im deutschsprachigen Raum Schritt für Schritt auf. Er zeigt eine Punktetabelle zum Anpassen, rechnet das Modell an 240 Leads aus sechs Monaten nach und leitet daraus den Schwellenwert ab, ab dem ein Lead an den Vertrieb geht. Alle Zahlen im Rechenbeispiel stammen von uns und sind keine Marktdaten. Ihre eigenen Zahlen werden anders aussehen, und genau dafür ist die Rückrechnung da.
Was Lead Scoring im B2B leisten soll
Im B2B kommen Anfragen über viele Wege herein. Ein Formular auf der Website, ein Whitepaper-Download, die Anmeldung zum Webinar, ein Badge-Scan am Messestand, eine Antwort auf eine Anzeige. Jeder dieser Wege kann einen Kontakt im CRM anlegen. Im CRM stehen diese Kontakte zunächst nebeneinander, und wer nur begrenzt Zeit für Rückrufe hat, braucht eine Reihenfolge.
Ein Score liefert diese Reihenfolge, indem er Merkmale und Handlungen eines Kontakts in eine Zahl umrechnet. Ab einer festgelegten Zahl geht der Lead an den Vertrieb. Darunter bleibt der Lead in der Marketingbetreuung und erhält weitere Inhalte. Steigt sein Interesse, wird er erneut bewertet.
Das klingt nach einer technischen Aufgabe für das CRM, und die Einrichtung ist tatsächlich schnell erledigt. Die eigentliche Arbeit liegt woanders, denn ein Modell muss zwei verschiedene Fragen beantworten, es muss an echten Abschlüssen geprüft sein, und Marketing und Vertrieb müssen den Schwellenwert gemeinsam tragen. Fehlt einer dieser drei Teile, ruft der Vertrieb weiter nach Gefühl an und der Score steht unbeachtet in einer Spalte.
Unserer Erfahrung nach ist der dritte Teil der schwierigste. Das sieht dann etwa so aus: Marketing legt die Punkteverteilung allein fest, der Vertrieb ruft die ersten zehn hoch bewerteten Leads an, erreicht drei Studierende und einen Wettbewerber und vertraut dem Score danach nicht mehr. Ein solcher Vertrauensverlust lässt sich schwer zurückholen. Holen Sie den Vertrieb deshalb von Anfang an mit an den Tisch.
Eine Abgrenzung noch, weil die Begriffe oft durcheinandergehen. Der Score ist das Werkzeug, mit dem Sie Leads sortieren. Der Marketing Qualified Lead (MQL) ist der Status, den ein Kontakt bekommt, sobald er den Schwellenwert erreicht. Der Sales Qualified Lead (SQL) ist ein Lead, den der Vertrieb nach dem ersten Gespräch als echte Verkaufschance annimmt. Zwischen MQL und SQL entscheidet sich, ob Ihr Modell funktioniert.
Passt der Kontakt, und will er jetzt?
Ein Score muss zwei Fragen beantworten, die nichts miteinander zu tun haben. Die erste lautet, ob der Kontakt zu Ihnen passt: Branche, Unternehmensgröße, Funktion, Markt. Die zweite lautet, ob er gerade Interesse zeigt, etwa durch eine Anfrage, einen Besuch der Preisseite oder die Teilnahme an einem Webinar. Die Passung eines Unternehmens bleibt meist über Monate gleich, das Interesse einer Person kann sich dagegen von Woche zu Woche ändern.
Ein Modell, das beides in einen Topf wirft, belohnt Fleiß statt Kaufabsicht. Nehmen Sie zwei Kontakte aus derselben Woche. Eine Studentin schreibt ihre Abschlussarbeit über Instandhaltung, lädt fünf Whitepaper herunter und öffnet fünfmal den Newsletter. Ein IT-Leiter eines Herstellers mit 300 Beschäftigten besucht einmal Ihre Preisseite und geht wieder.
Zählt Ihr Modell nur Interesse, liegt die Studentin vorn. In unserer Beispieltabelle weiter unten bekäme sie für die Downloads 10 Punkte (dort ist bei zwei Downloads Schluss) und für die Newsletter-Öffnungen 5, zusammen 15. Der IT-Leiter bekäme für die Preisseite 10. Ihr Vertrieb würde also zuerst die Studentin anrufen.
Mit Passungskriterien kehrt sich das um. Der IT-Leiter erhält 15 Punkte für die Zielbranche, 10 für die Unternehmensgröße, 15 für seine Funktion im Buying Center und 10 für den Sitz im bedienten Markt. Das sind 50 Punkte für die Passung und 60 insgesamt. Die Studentin verliert 50 Punkte, weil Studierende in diesem Modell ausgeschlossen sind, und landet im negativen Bereich. Jetzt steht der richtige Name oben auf der Liste.
In HubSpot ist diese Trennung bereits angelegt. Das Lead-Scoring-Tool unterscheidet Interaktions-Scores, die Handlungen wie Websitebesuche, Newsletter-Anmeldungen, CTA-Klicks und geöffnete Marketing-E-Mails bewerten, von Fit-Scores, die Eigenschaften wie Berufsbezeichnung, Unternehmensgröße oder Jahresumsatz bewerten, und bietet dazu kombinierte Scores aus beidem an. Das Tool gibt es in HubSpot mit Marketing Hub Professional oder Enterprise und mit Sales Hub Professional oder Enterprise.
Besonders hilfreich ist eine Matrix statt einer einzigen Zahl. HubSpot ordnet Kontakte über Schwellenwerte in Kategorien von A (hohe Passung) bis C (geringe Passung) und von 1 (hohes Engagement) bis 3 (geringes Engagement) ein. Ein Kontakt mit geringer Passung, aber hoher Aktivität ist dort C1. A1 ruft der Vertrieb sofort an. Bei A3 lohnt sich eher eine persönliche Nachricht als ein Anruf, weil das Unternehmen passt, die Person sich aber noch nicht rührt. C1 bekommt weitere Inhalte und keinen Termin.
Ein Lead-Scoring-Modell zum Anpassen
Die folgende Tabelle ist ein Beispiel. Sie ist auf einen gedachten Softwareanbieter zugeschnitten, der an mittelständische Hersteller und deren IT-Leitungen in Deutschland, Österreich und der Schweiz verkauft. Passung und Interesse bekommen je höchstens 50 Punkte, zusammen höchstens 100. Ihre Zielbranchen, Ihr Größenband und Ihre Funktionen setzen Sie selbst ein.
| Kriterium | Bereich | Punkte im Beispiel |
|---|---|---|
| Zielbranche (zum Beispiel Maschinenbau, Fertigung) | Passung | +15 |
| Unternehmensgröße im Zielband (zum Beispiel 50 bis 1.000 Beschäftigte) | Passung | +10 |
| Funktion im Buying Center (IT-Leitung, Geschäftsführung, Einkauf, Fachbereichsleitung) | Passung | +15 |
| Sitz im bedienten Markt | Passung | +10 |
| Freemail-Adresse (gmx.de, web.de, t-online.de, gmail.com) | Passung | -10 |
| Wettbewerber, Studierende, Agenturen | Passung | -50 |
| Demo- oder Angebotsanfrage | Interesse | +30 |
| Preisseite besucht | Interesse | +10 |
| Messegespräch mit Notiz im CRM | Interesse | +10 |
| Webinar besucht (nicht nur angemeldet) | Interesse | +8 |
| Whitepaper-Download (höchstens 10 Punkte) | Interesse | +5 |
| Badge-Scan ohne Gespräch | Interesse | +2 |
| Newsletter-Öffnung (höchstens 5 Punkte) | Interesse | +1 |
Einige Zeilen verdienen eine Erklärung, weil sie auf den deutschsprachigen Markt zugeschnitten sind.
Hinter einer Anfrage von einer Freemail-Adresse bei gmx.de, web.de oder t-online.de kann eine Privatperson stehen, eine Studentin oder ein Selbstständiger, der nicht in Ihr Zielband fällt. Ein Ausschluss wäre trotzdem zu hart, weil auch ein Geschäftsführer gelegentlich von zu Hause schreibt. Mit einem Abzug von 10 Punkten fehlen einem solchen Kontakt bei sonst voller Passung noch 10 Interessenspunkte bis zum Schwellenwert, im Beispiel etwa ein Besuch der Preisseite.
Nach einer Fachmesse wie der it-sa in Nürnberg landen auf einen Schlag viele Messekontakte als Badge-Scans im CRM. Ein Scan sagt aber nur, dass jemand am Stand war, nicht, dass jemand mit ihm gesprochen hat. Unterscheiden Sie deshalb im Modell zwischen dem Scan und dem Gespräch. Ein Scan ohne Notiz bekommt im Beispiel 2 Punkte, ein Gespräch, zu dem jemand am Stand eine kurze Notiz ins CRM geschrieben hat, bekommt 10. Diese Notiz ist am Stand schnell geschrieben, und für den Score zählt sie mehr als jeder Scan.
Bei den Funktionen hilft ein Freitextfeld wenig, weil deutsche Funktionsbezeichnungen uneinheitlich sind. „Leiter IT“, „Head of IT“, „IT-Leitung“ und „CIO“ meinen oft dieselbe Rolle, und der „Geschäftsführer“ eines Mittelständlers kann selbst über Software entscheiden. Pflegen Sie im CRM eine Liste der Schreibweisen, die bei Ihnen tatsächlich vorkommen, und ordnen Sie jede davon einer Rolle im Buying Center zu.
Für Ausschlüsse wie Wettbewerber, Studierende und Agenturen sieht das Beispiel 50 Punkte Abzug vor. Das ist so viel wie die gesamte mögliche Passung, und genau das ist die Absicht. Ein solcher Kontakt kann mit Interesse allein den Schwellenwert nie erreichen. HubSpot sieht solche Abzüge ausdrücklich vor und nennt in seiner Dokumentation etwa Unternehmen aus Regionen, in denen Sie nicht tätig sind.
Eine Demo- oder Angebotsanfrage bringt im Beispiel zwar 30 Punkte, sollte aber trotzdem auf keinen Score warten. Wer ausdrücklich ein Gespräch will, geht sofort an den Vertrieb, möglichst mit einer Antwort noch am selben Arbeitstag. Das Modell regelt nur die Reihenfolge aller anderen.
Whitepaper und Newsletter haben eine Obergrenze, damit Fleiß nicht in Kaufabsicht umgerechnet wird. Im Beispiel bringen fünf Downloads genauso 10 Punkte wie zwei. HubSpot erlaubt solche Obergrenzen je Kriteriengruppe, und die Standardobergrenze für einen gesamten Score liegt dort bei 100 Punkten, erweiterbar bis zu einer Spanne von -10.000 bis 10.000. Für das Modell in diesem Beitrag reichen 100 Punkte. Ob ein Whitepaper überhaupt hinter einem Formular stehen sollte, ist eine eigene Frage, die wir im Beitrag zu Gated Content im B2B behandeln.
Auch ein Verfall der Punkte gehört ins Modell, weil Interesse veraltet. Wer im Frühjahr ein Webinar besucht hat und seitdem nichts mehr getan hat, steht im Herbst nicht mehr kurz vor einer Entscheidung. Im Beispiel halbieren sich die Interessenspunkte nach drei Monaten. HubSpot bezeichnet das als Score-Verfall: Je länger ein Ereignis zurückliegt, desto stärker wird seine Punktzahl reduziert, in Intervallen von 1, 3, 6 oder 12 Monaten und um einen Prozentsatz, den Sie festlegen. Die Passung verfällt nicht, denn ein Hersteller mit 300 Beschäftigten bleibt einer.
Bewerten Sie das Buying Center, nicht nur den einzelnen Kontakt
Sind an einem Kauf mehrere Abteilungen beteiligt, bei einer Software für die Fertigung etwa der Fachbereich, die IT, der Einkauf und der Datenschutz, hinterlässt jede dieser Personen eigene Spuren auf Ihrer Website. Für sich genommen wirken diese Spuren unauffällig.
Im oben beschriebenen Modell kommen drei Kontakte desselben Herstellers (eine Fertigungsleiterin, ein IT-Leiter und eine Mitarbeiterin aus dem Einkauf) in derselben Woche auf jeweils 30 Punkte. Einzeln liegt jeder deutlich unter dem Schwellenwert von 50, und keiner von ihnen landet beim Vertrieb. Zusammengerechnet kommt das Unternehmen auf 90 Punkte. Drei Personen aus drei Abteilungen, die sich gleichzeitig mit Ihrem Angebot beschäftigen, sind ein Signal, das kein Einzelscore zeigt.
Deshalb lohnt sich ein zweiter Score auf Unternehmensebene. In HubSpot lassen sich Scores für Unternehmen anlegen, mit Marketing Hub oder Sales Hub in der Professional- oder Enterprise-Edition, und zwar als Interaktions-Score, als Fit-Score oder als Kombination. Entscheidend ist, dass Ihre Kontakte dem richtigen Unternehmen zugeordnet sind, sonst zählt der Account-Score nur einen Teil der Signale.
Für die Übergabe an den Vertrieb gilt dann eine einfache Regel. Erreicht ein Kontakt den Schwellenwert, wird er an den Vertrieb übergeben. Erreicht ein Unternehmen den Schwellenwert, erhält der Vertrieb den gesamten Account mit allen bekannten Kontakten und den von ihnen besuchten Seiten. Ihr Vertrieb ruft dann nicht einfach die Person mit den meisten Punkten an, sondern spricht die Beteiligten gezielt auf das mögliche Projekt an.
Dabei hilft eine zweite Spalte in der Liste für den Vertrieb, die zeigt, welche Rolle noch fehlt. Haben Sie IT und Fachbereich, aber niemanden aus dem Einkauf, weiß Ihr Vertrieb, wonach er im ersten Gespräch fragen sollte.
Rechnen Sie das Modell an den Leads der letzten sechs Monate nach
Bevor ein Modell live geht, sollten Sie wissen, ob es funktioniert hätte. Dafür müssen Sie nicht warten: Sie nehmen alle Leads der letzten sechs Monate, bewerten jeden nachträglich mit dem neuen Modell und schauen, welche davon zu einer Opportunity geworden sind.
Entscheidend ist dabei, mit welchem Datenstand Sie bewerten. Bewerten Sie jeden Lead nur mit den Merkmalen und Handlungen, die zu einem festen Stichtag im CRM standen, und zählen Sie nur Opportunities, die danach entstanden sind. Als Stichtag eignet sich eine Frist ab Anlage des Leads, die für alle Leads gleich ist, im Beispiel 30 Tage. Ist eine Opportunity schon früher entstanden, bewerten Sie den Lead mit dem Stand vom Vortag ihrer Anlage. Ohne diese Regel fließen Handlungen in den Score ein, die erst nach dem ersten Vertriebsgespräch kamen, etwa der Besuch der Preisseite kurz vor dem Angebot, und die Rückrechnung kann das Modell besser aussehen lassen, als es im Alltag ist.
Im Beispiel sind das 240 Leads, jeder mit dem Datenstand zu seinem Stichtag bewertet, und 22 davon wurden danach zur Opportunity. Die Gesamtquote liegt also bei 9,2 %. Teilt man die Leads nach ihrem nachträglichen Score in vier Gruppen auf, ergibt sich folgendes Bild:
- 0 bis 24 Punkte: 110 Leads, 2 Opportunities, eine Quote von 1,8 %
- 25 bis 49 Punkte: 70 Leads, 5 Opportunities, 7,1 %
- 50 bis 74 Punkte: 40 Leads, 9 Opportunities, 22,5 %
- 75 bis 100 Punkte: 20 Leads, 6 Opportunities, 30 %
Die Quote steigt mit jeder Gruppe, und das ist der wichtigste Befund. Wird in Ihrer Rückrechnung die Gruppe mit 50 bis 74 Punkten seltener zur Opportunity als die Gruppe darunter, sortiert Ihr Modell nach etwas anderem als der Aussicht auf ein Geschäft, und jeder Schwellenwert wäre geraten. Der zweite Befund ist der Abstand zwischen den Gruppen 25 bis 49 und 50 bis 74 Punkten: Die Quote steigt dort von 7,1 % auf 22,5 % und damit ungefähr auf das Dreifache. Zwischen diesen beiden Gruppen trennt das Modell am deutlichsten.
Datentabelle
| Score-Gruppe | Opportunity-Quote (%) |
|---|---|
| 0 bis 24 Punkte | 1,8 % |
| 25 bis 49 Punkte | 7,1 % |
| 50 bis 74 Punkte | 22,5 % |
| 75 bis 100 Punkte | 30,0 % |
Im Beispiel legen wir den Schwellenwert deshalb an die Grenze zwischen diesen Gruppen, auf 50 Punkte. Das ist eine Arbeitsentscheidung, keine Messung: Ob 50 tatsächlich der beste Schwellenwert ist oder ob er eher bei 45 oder 55 liegen sollte, lässt sich anhand von vier groben Gruppen nicht erkennen. Reicht Ihre Datenmenge, prüfen Sie die Gegend um die Grenze in engeren Gruppen, etwa in Schritten von 10 Punkten. Reicht sie nicht, entscheidet die Kapazität Ihres Vertriebs, wie weiter unten beschrieben.
Bei 50 Punkten gehen 60 der 240 Leads an den Vertrieb, ein Viertel. In diesen 60 Leads stecken 15 der 22 Opportunities. Das sind 68 %. Die übrigen 180 Leads bleiben im Marketing, und unter ihnen wurden in sechs Monaten 7 zu Opportunities, eine Quote von 3,9 %. Ihr Vertrieb telefoniert mit einem Viertel der Leads und erreicht dabei 68 % der Verkaufschancen.
Was mit den 7 Opportunities unter dem Schwellenwert passiert, ist die nächste Frage. Schauen Sie sich jede einzeln an. Manchmal fehlt ein Kriterium im Modell, etwa eine Branche, die Sie nicht auf der Liste hatten, oder der Lead kam über eine Empfehlung und hat online kaum Spuren hinterlassen. Im ersten Fall passen Sie das Modell an. Im zweiten Fall ist das in Ordnung, denn ein Score bewertet nur die Signale, die im CRM ankommen, und ersetzt nicht das Netzwerk Ihres Vertriebs.
Haben Sie in diesen sechs Monaten genug Deals gewonnen, rechnen Sie dieselbe Tabelle ein zweites Mal mit den gewonnenen Deals statt mit den Opportunities. Das ist die strengere Prüfung. Sie zeigt, ob der Score im Rückblick nicht nur mit Gesprächen, sondern auch mit Aufträgen zusammenhängt.
Die Rückrechnung hat zwei Voraussetzungen, die Sie vorher prüfen sollten. Erstens müssen Sie im CRM erkennen können, welcher Lead zu welcher Opportunity geführt hat. Wer Opportunities ohne Verbindung zum ursprünglichen Kontakt anlegt, kann nichts nachrechnen. Zweitens brauchen Sie historische Daten zu Branche, Größe und Funktion sowie die Handlungen der Kontakte mit Datum, sonst lässt sich der Stichtag nicht anwenden. Fehlt ein Kriterium für die Vergangenheit, rechnen Sie ohne dieses Kriterium und nehmen es erst nach der nächsten Prüfung auf.
Auch die Menge zählt, denn bei 240 Leads und 22 Opportunities hängt die Quote einer kleinen Gruppe an wenigen Abschlüssen. In der obersten Gruppe stehen 6 Opportunities bei 20 Leads, und eine mehr oder weniger verschiebt die Quote dieser Gruppe um 5 Prozentpunkte. Lesen Sie die Gruppen deshalb als Richtung, nicht als genaue Quote. Steigt die Quote über alle Gruppen, haben Sie eine brauchbare Grundlage für den Schwellenwert. Springt sie hin und her, prüfen Sie zuerst die Datenmenge und dann die Kriterien.
Nicht jede Rückrechnung zeigt einen so deutlichen Abstand wie im Beispiel. Steigt die Quote gleichmäßig von Gruppe zu Gruppe, trennt Ihr Modell zwar in die richtige Richtung, aber an keiner Stelle besonders scharf. Dann richtet sich der Schwellenwert nach der Kapazität Ihres Vertriebs. Fragen Sie, wie viele Rückrufe pro Woche realistisch sind, und legen Sie die Linie dort, wo ungefähr so viele Leads pro Woche darüber liegen. Bleibt die Quote dagegen in allen Gruppen ähnlich, trennt das Modell in Ihrer Rückrechnung nicht. In diesem Fall verringern Sie die Interessenspunkte, gewichten die Passung stärker und wiederholen die Rückrechnung, bevor irgendein Lead nach dem neuen Modell an den Vertrieb geht.
Den Schwellenwert mit dem Vertrieb festlegen und das Modell pflegen
Die Rückrechnung schlägt einen Schwellenwert vor. Beschließen sollten ihn Marketing und Vertrieb gemeinsam, in einer Sitzung und mit der Gruppentabelle auf dem Bildschirm. Der Vertrieb sieht dann, warum die Linie bei 50 liegt, und er kann sagen, wie viele Rückrufe pro Woche er tatsächlich schafft. Passt die Menge über dem Schwellenwert nicht zur Kapazität, verschieben Sie den Wert gemeinsam, bevor das Modell live geht.
Halten Sie in derselben Sitzung zwei Dinge schriftlich fest. Das erste ist die Reaktionszeit. Bis wann bekommt ein Lead über dem Schwellenwert einen Anruf oder eine persönliche Nachricht? Ein Arbeitstag ist ein guter Ausgangspunkt. Das zweite ist die Regel für Ablehnungen. Lehnt der Vertrieb einen Lead ab, wählt er einen Grund aus einer kurzen Liste, etwa „kein Projekt“, „falsche Unternehmensgröße“, „bereits Kunde“, „nicht erreichbar“. Diese Gründe zeigen Ihnen später, welches Kriterium nicht stimmt.
Nach drei Monaten rechnen Sie das Modell erneut nach, diesmal mit den Leads, die seit dem Start hereingekommen sind, und mit demselben Stichtag. Häuft sich ein Ablehnungsgrund, suchen Sie das Kriterium dahinter. Lehnt der Vertrieb viele Leads mit „falsche Unternehmensgröße“ ab, prüfen Sie zuerst Ihr Größenband. Lehnt er viele mit „kein Projekt“ ab, prüfen Sie die Punkte für Inhalte, die eher Einsteiger anziehen. Ändern Sie jeweils nur wenige Punkte und prüfen Sie das Ergebnis bei der nächsten Rückrechnung.
Vor dem Start gehört noch eine Frage des Datenschutzes auf den Tisch. Welche Verhaltensdaten dürfen in den Score einfließen, und auf welcher Grundlage werden sie erhoben? Klären Sie das mit Ihrer Datenschutzbeauftragten oder Ihrem Datenschutzbeauftragten, bevor das Modell Punkte für Seitenbesuche vergibt. Ein Modell, das später wegen fehlender Einwilligungen umgebaut werden muss, verliert seine Vergleichbarkeit.
Bleibt die Frage nach einem KI-Score. Laut HubSpot lassen sich für Kontakte auch Interaktions- oder Fit-Scores mit KI erstellen, und zwar nur mit Marketing Hub Enterprise. Aus unserer Sicht ist ein regelbasiertes Modell, das jeder im Vertrieb erklären kann, die bessere Wahl, solange Sie nur wenige Dutzend Abschlüsse im Jahr haben: Ein lernendes Modell hat dann wenig, woraus es lernen kann, und jede Punktzahl, die niemand erklären kann, macht die Zusammenarbeit mit dem Vertrieb schwerer.
Ein letzter Schritt lohnt sich, wenn Sie Google Ads einsetzen. Google Ads erlaubt den Import von Offline-Conversions. Google beschreibt den Nutzen so, dass Sie dann sehen, was nach einem Klick auf Ihre Anzeige offline geschieht. Definieren Sie die Annahme eines Leads durch den Vertrieb als Offline-Conversion, nicht das Absenden des Formulars. Wie das in komplexen Kampagnen aussieht, beschreibt unser Beitrag zur Lead-Qualität in komplexen PPC-Kampagnen, und dieselbe Bezugsgröße empfehlen wir für den Vergleich der Kosten der Leadgenerierung im B2B.
Wenn Sie Ihr bestehendes Lead-Scoring-Modell an den Leads der letzten Monate nachrechnen möchten oder ein neues aufsetzen wollen, schauen wir uns das gern gemeinsam mit Ihnen und Ihrem Vertrieb an. Wie wir Nachfrage im B2B aufbauen und messen, beschreibt unsere Seite zur Demand Generation bei COSEOM®.
Fragen und Antworten zum Lead Scoring
Was ist Lead Scoring?
Lead Scoring ist ein Verfahren, das jedem Kontakt im CRM Punkte für Merkmale und Handlungen gibt. Ab einem festgelegten Schwellenwert geht der Kontakt an den Vertrieb. Im B2B bewertet ein gutes Modell zwei Dinge getrennt, die Passung zum Zielkunden und das aktuelle Interesse.
Welche Kriterien gehören in ein Lead-Scoring-Modell?
Für die Passung typischerweise Branche, Unternehmensgröße, Funktion und Markt, dazu Abzüge für Freemail-Adressen, Wettbewerber und Studierende. Für das Interesse Anfragen, Besuche der Preisseite, Webinar-Teilnahmen, Downloads und Messegespräche. Welche Kriterien bei Ihnen zählen, zeigt die Rückrechnung an Ihren eigenen Leads.
Wie viele Punkte braucht ein Lead, bevor er an den Vertrieb geht?
Eine allgemeingültige Zahl gibt es nicht. Legen Sie den Schwellenwert an die Grenze der Score-Gruppen, zwischen denen die Quote der Opportunities in Ihrer Rückrechnung am deutlichsten steigt, und prüfen Sie, ob Ihr Vertrieb die Menge der Leads darüber bearbeiten kann. Im Rechenbeispiel dieses Beitrags lag der Wert bei 50 von 100 Punkten.
Was ist der Unterschied zwischen MQL und SQL?
Ein Marketing Qualified Lead hat den Schwellenwert des Scores erreicht und wird an den Vertrieb übergeben. Ein Sales Qualified Lead ist ein Lead, den der Vertrieb nach dem ersten Kontakt als echte Verkaufschance angenommen hat. Die Quote der MQLs, die zu SQLs werden, zeigt, wie gut Ihr Modell trifft.
Lohnt sich Predictive Lead Scoring mit KI?
Mit wenigen Dutzend Abschlüssen im Jahr spricht viel für ein regelbasiertes Modell, das Ihr Vertrieb Punkt für Punkt nachvollziehen kann. Wenn Sie einen KI-Score testen, prüfen Sie ihn mit derselben Rückrechnung und demselben Stichtag wie Ihr Regelmodell und vergleichen Sie die Quoten der Gruppen. Laut HubSpot lassen sich Interaktions- oder Fit-Scores für Kontakte mit KI nur mit Marketing Hub Enterprise erstellen.
Wie oft sollte man das Modell anpassen?
Rechnen Sie es drei Monate nach dem Start erneut an den neuen Leads nach und danach in regelmäßigen Abständen. Ändern Sie jeweils nur wenige Kriterien, damit Sie sehen, welche Änderung gewirkt hat. Häufen sich bestimmte Ablehnungsgründe im Vertrieb, ist das der Anlass für eine frühere Prüfung.
Kann man Lead Scoring in HubSpot einrichten?
Ja. HubSpot hat ein eigenes Lead-Scoring-Tool, verfügbar mit Marketing Hub Professional oder Enterprise und mit Sales Hub Professional oder Enterprise. Es unterscheidet Interaktions-Scores und Fit-Scores, erlaubt Punkteabzüge, Obergrenzen je Kriteriengruppe und einen Verfall der Punkte nach 1, 3, 6 oder 12 Monaten.



