Lead-Scoring umsetzen: Modell, Regeln und Prüfung

Lead-Scoring ordnet Kontakte, Unternehmen oder Verkaufschancen nach vereinbarten Merkmalen und erfassten Handlungen. Legen Sie zuerst fest, welche Entscheidung der Score stützen soll: Welche Fälle werden weiter beobachtet, fachlich geprüft oder an den Vertrieb übergeben? Punkte und Schwellen ergeben erst danach Sinn. Ein hoher Score ist keine Kaufzusage.

Bewerteten Datensatz und Ziel festlegen

Entscheiden Sie, ob Sie eine Person, ein Unternehmen oder eine Verkaufschance bewerten. Bei mehreren Anfragen derselben Person bildet ein Kontakt-Score die Absicht einer einzelnen Anfrage nur begrenzt ab. Halten Sie fest, welche Angaben dauerhaft zum Kontakt gehören und welche den jeweiligen Vorgang beschreiben.

Trennen Sie Passung und aktuelles Interesse. Ein Unternehmen kann gut zum Angebot passen und dennoch seit Langem inaktiv sein. Umgekehrt kann eine rege Person außerhalb des betreuten Marktes liegen. Getrennte Werte machen den Unterschied sichtbar.

Frage	Möglicher Eingang in das Modell	Vorab zu klären
Passung	Gepflegte Angaben zu Markt oder Bedarf	Welcher Wert gilt und wer korrigiert ihn?
Interesse	Zugeordnete Anfrage oder Interaktion	Zählt jeder Treffer oder nur ein bestimmter Vorgang?
Aktualität	Zeitpunkt eines Ereignisses	Wann verliert das Signal an Aussagekraft?
Übergabe	Schwelle und erforderliche Angaben	Wer prüft den Fall und was gilt als bearbeitet?

Passung vs. aktuelles Interesse im Lead-Scoring

Passung: Gepflegte Angaben zu Markt, Branche, Unternehmensgröße, Standort oder Funktion
Aktuelles Interesse: Zugeordnete Anfragen, Website-Besuche, E-Mail-Klicks, Downloads, Veranstaltungsteilnahme

Ein prüfbares Modell bauen

Verwenden Sie Signale, deren Bedeutung das Team erklären kann und die beim richtigen Datensatz ankommen. Eine konkrete Beratungsanfrage kann mehr aussagen als eine beiläufige Interaktion. Ein fehlender Wert darf nicht stillschweigend als passende Eigenschaft zählen. Für jede Regel halten Sie Signal, Datensatzbezug, Punkte, Wiederholung, Zeitbezug und fachliche Verantwortung fest.

Prüfen Sie Überschneidungen: Zwei Regeln können dieselbe Handlung belohnen. Begrenzen Sie wiederholte schwache Signale und entscheiden Sie, wann ältere Aktivität aus dem Wert fällt oder an Gewicht verliert. Dauerhafte Passungsmerkmale sollten nur bei einer Änderung oder Korrektur ihrer Grundlage angepasst werden.

HubSpot bietet als Produktbeispiel kombinierte Scores; dabei werden Gesamt-, Passungs- und Aktivitätswert getrennt gespeichert. Zum Erstellen und Ändern sind Scoring-Berechtigungen nötig.

In HubSpot beruhen Score-Kriterien auf Ereignis- und Eigenschaftsregeln, die in Score-Gruppen zusammengefasst werden. Jeder Score benötigt mindestens eine Gruppe; mehrere Gruppen können gemeinsam zum Gesamtwert beitragen.

Legen Sie außerdem fest, für welche Datensätze der Score berechnet wird. Der Einrichtungsablauf in HubSpot sieht dafür Einschlusslisten vor. Prüfen Sie vor der Aktivierung, ob der Bewertungsumfang zum Zweck passt, damit der Score nicht ungewollt auf andere Datensätze angewendet wird.

Schritte zur Umsetzung eines prüfbaren Lead-Scoring-Modells

Ziel definierenWelche Fälle werden beobachtet, geprüft oder an den Vertrieb übergeben?
Datensätze trennenKontakt, Unternehmen oder Deal – jeweils mit Passung und Interesse getrennt bewerten
Signale auswählenNur signifikante Merkmale und Handlungen, die das Team erklären kann
Regeln festlegenSignal, Datensatzbezug, Punkte, Wiederholung, Zeitbezug, Verantwortung dokumentieren
Schwellen prüfenAnhand bekannter Fälle: Was liegt darunter, was darüber? Prüfung in HubSpot möglich

Schwellen mit Handlungen verbinden

Beschreiben Sie für jede Stufe die nächste Handlung: beobachten, prüfen oder übergeben. Für eine Übergabe können zusätzlich vollständige Angaben und der Ausschluss einer bereits laufenden Bearbeitung nötig sein. Die spätere Zuweisung ist ein eigener Vorgang.

Beurteilen Sie geplante Schwellen anhand geeigneter bekannter Fälle. Welche relevanten Anfragen lägen darunter, welche unpassenden darüber? HubSpot ermöglicht die Prüfung einzelner Datensätze mit Gesamtwert und Punkten je Regel; die Verteilungsvorschau zeigt Scores einer Reihe von Datensätzen, aber nicht die Punkte einzelner Regeln. Grenzfälle betrachten Sie deshalb einzeln.

Signale nach ihrer Bedeutung auswählen

Für die Passung eignen sich gepflegte Merkmale wie Branche, berufliche Position, Unternehmensgröße, Standort oder Funktionsbereich. Für Engagement kommen beobachtbare Handlungen infrage, etwa Website-Besuche, E-Mail-Klicks, Downloads oder die Teilnahme an Veranstaltungen. Wählen Sie nur Signale, deren Zusammenhang mit dem Bewertungsziel das Team fachlich begründen kann.

Nicht jedes Signal muss Punkte hinzufügen: Unpassende Branchen oder klar definierte Ausschlusskriterien können den Wert senken. So bilden Sie neben Interesse auch mangelnde Passung ab. Prüfen Sie, ob ein Merkmal einen Unterschied für die angestrebte Entscheidung macht, bevor es in die Bewertung eingeht.

Vorteile und Risiken von AI vs. traditionellem Lead-Scoring

Vorteile von AI-Lead-Scoring: Automatisierte Mustererkennung, Anpassung an komplexe Datenströme, bessere Vorhersage von Kaufabsichten
Risiken von AI-Lead-Scoring: Geringere Transparenz, Schwierigkeiten bei der Erklärbarkeit für das Team, Abhängigkeit von Trainingsdaten
Vorteile traditioneller Methoden: Klarer Regelwerk-Überblick, leicht verständliche Gewichtung, fachliche Kontrolle durch Team
Risiken traditioneller Methoden: Zeitaufwand bei der Pflege, geringere Flexibilität bei unerwarteten Mustern, subjektive Entscheidungen

Bewertungsumfang und Einsatz klären

Die möglichen Score-Arten hängen davon ab, welcher Datensatz bewertet wird. HubSpot unterstützt Kontakt-Scores nur mit Marketing Hub, Unternehmens-Scores mit Marketing Hub oder Sales Hub und Deal-Scores mit Sales Hub. Für Kontakte und Unternehmen sind Passungs-, Engagement- oder kombinierte Scores möglich; Deal-Scores sind kombiniert. Prüfen Sie die verfügbare Score-Art, bevor Sie Kriterien festlegen.

HubSpot nennt unterschiedliche Scores für Vertriebs- und Marketingteams, Regionen sowie für die Bewertung bestehender Kunden durch den Support als mögliche Anwendungsfälle. Bei mehreren Scores helfen eindeutige Bezeichnungen, den passenden Wert zu erkennen.

Verfügbare Score-Typen in HubSpot nach Datensatz

Kontakt-Score: Marketing Hub erforderlich
Unternehmens-Score: Marketing Hub oder Sales Hub
Deal-Score: Sales Hub erforderlich (kombiniert)

Änderungen beobachten

Dokumentieren Sie die freigegebene Modellfassung und prüfen Sie vor einer Änderung, wo die Score-Eigenschaft verwendet wird. Beziehen Sie bei der anschließenden Kontrolle auch abhängige Ansichten und Abläufe ein.

Vergleichen Sie nach der Einführung die Score-Einordnung mit der tatsächlichen Bearbeitung. Halten Sie fest, weshalb hoch bewertete Fälle unpassend oder niedrig bewertete Fälle relevant waren. Ändern Sie Gewichte und Schwellen anhand dieser Befunde.

Score-Eigenschaften lassen sich laut HubSpot auch in Segmenten, Workflows und Berichten verwenden. Beobachten Sie deshalb nicht nur die Einstufung einzelner Kontakte, sondern auch, ob darauf aufbauende Auswertungen und Abläufe weiterhin zum Bewertungsziel passen.

Lead-Scoring umsetzen