Lead Scoring – Leads bewerten, priorisieren und gezielter in Kunden verwandeln

Lead Scoring ist eine Methode aus Marketing und Vertrieb, mit der Interessenten – sogenannte Leads – anhand definierter Kriterien bewertet und priorisiert werden. Ziel ist es herauszufinden, welche Kontakte aktuell die höchste Wahrscheinlichkeit besitzen, zu Kunden zu werden, und bei welchen Leads zunächst weitere Marketingmaßnahmen sinnvoll sind.

Dafür werden einem Lead Punkte oder andere Bewertungswerte zugeordnet. Diese können beispielsweise auf Unternehmensmerkmalen, dem Verhalten auf einer Website, Interaktionen mit Marketingmaßnahmen oder bereits bekannten Kaufabsichten basieren.

Ein Interessent, der lediglich einen Blogartikel liest, erhält beispielsweise eine niedrigere Bewertung als ein Interessent, der zusätzlich eine Preisseite besucht, ein Whitepaper herunterlädt und anschließend eine Produktdemo anfordert.

Lead Scoring schafft damit eine Verbindung zwischen Marketing, Marketing-Automation und Vertrieb. Statt sämtliche Leads gleich zu behandeln, können Unternehmen ihre Ressourcen auf diejenigen Kontakte konzentrieren, bei denen eine konkrete Verkaufschance besteht.

Besonders im B2B-Bereich mit längeren Entscheidungsprozessen kann Lead Scoring dabei helfen, den richtigen Zeitpunkt für die Übergabe eines Interessenten vom Marketing an den Vertrieb zu bestimmen.

Was ist Lead Scoring?

Lead Scoring bezeichnet die systematische Bewertung eines Leads anhand vorher definierter Kriterien.

Das Ergebnis wird häufig als numerischer Punktwert dargestellt.

Ein einfaches Beispiel:

Ein Unternehmen definiert folgende Bewertungen:

• Newsletter-Anmeldung: +5 Punkte
• Whitepaper heruntergeladen: +10 Punkte
• Preisseite besucht: +15 Punkte
• Produktdemo angesehen: +20 Punkte
• Kontaktformular ausgefüllt: +30 Punkte

Hat ein Interessent mehrere dieser Aktionen durchgeführt, werden die entsprechenden Werte addiert.

Ein Lead könnte beispielsweise 60 Punkte erreichen und dadurch als besonders interessant für den Vertrieb eingestuft werden.

Das Prinzip lautet:

Je stärker ein Lead zum gewünschten Kundenprofil passt und je größer sein erkennbares Kaufinteresse ist, desto höher ist sein Lead Score.

Dabei sollte die Bewertung allerdings nicht ausschließlich auf einzelnen Aktionen basieren. Ein professionelles Lead-Scoring-Modell berücksichtigt sowohl die Eigenschaften eines Kontakts als auch dessen tatsächliches Verhalten.

Warum ist Lead Scoring wichtig?

Unternehmen generieren Leads über unterschiedlichste Kanäle. Dazu gehören beispielsweise:

• Suchmaschinen
• Google Ads
• Social Media
• LinkedIn
• Newsletter
• Messen
• Webinare
• Whitepaper
• Kontaktformulare
• Landingpages
• Telefonakquise
• Empfehlungen
• Events

Nicht jeder dieser Leads besitzt jedoch dieselbe Qualität.

Ein Student, der für eine Studienarbeit ein Whitepaper herunterlädt, kann beispielsweise sehr aktiv auf einer Website sein, ohne eine Kaufabsicht zu besitzen.

Gleichzeitig könnte ein Geschäftsführer eines passenden Unternehmens bereits nach wenigen Interaktionen eine konkrete Anfrage stellen.

Lead Scoring soll solche Unterschiede sichtbar machen und dem Vertrieb dabei aktiv unterstützen seine Zeiten und Priorisierung richtig zu setzen.

Welche Faktoren werden beim Lead Scoring berücksichtigt?

Ein Lead Score kann aus mehreren unterschiedlichen Datenkategorien bestehen.

Grundsätzlich lässt sich zwischen expliziten Daten und impliziten Daten unterscheiden.

Explizite Daten

Explizite Daten sind Informationen, die über den Lead oder das Unternehmen bekannt sind.

Im B2B-Bereich können dies beispielsweise sein:

• Position
• Unternehmen
• Branche
• Unternehmensgröße
• Mitarbeiterzahl
• Umsatz
• Standort
• verwendete Technologie
• Budget
• Verantwortungsbereich
• Unternehmensart

Diese Informationen helfen bei der Beurteilung, ob ein Lead grundsätzlich zur gewünschten Zielgruppe gehört.

Implizite Daten

Implizite Daten entstehen aus dem Verhalten eines Interessenten.

Dazu können gehören:

• Websitebesuche
• Produktseitenaufrufe
• Downloads
• Newsletter-Öffnungen
• Klicks
• Webinar-Teilnahmen
• wiederkehrende Besuche
• Preisseitenaufrufe
• Demo-Anfragen
• Kontaktanfragen

Sie geben Hinweise darauf, wie intensiv sich ein Interessent mit einem Angebot beschäftigt.

Lead Fit und Lead Engagement

Professionelle Lead-Scoring-Modelle betrachten häufig zwei Dimensionen.

Lead Fit

Der Lead Fit beantwortet die Frage: Wie gut passt dieser Kontakt grundsätzlich zu unserem idealen Kunden?

Ein Softwareunternehmen könnte beispielsweise folgende Zielgruppe definiert haben:

• Unternehmen mit mindestens 20 Mitarbeitern
• Sitz in Deutschland, Österreich oder der Schweiz
• E-Commerce als Geschäftsmodell
• Entscheider aus Geschäftsführung, Marketing oder E-Commerce
• bestimmter Mindestumsatz

Je stärker ein Unternehmen diesen Kriterien entspricht, desto höher ist der Fit.

Lead Engagement

Lead Engagement beantwortet dagegen die Frage: Wie stark beschäftigt sich der Interessent aktuell mit unserem Unternehmen oder Angebot?

Ein Lead kann beispielsweise einen sehr guten Fit besitzen, aber aktuell keinerlei Kaufinteresse zeigen.

Ein anderer Lead zeigt möglicherweise sehr viel Aktivität, passt aber nicht zur Zielgruppe.

Erst die Kombination beider Dimensionen ermöglicht eine sinnvolle Bewertung.

Beispiel für ein Lead-Scoring-Modell

Ein einfaches B2B-Modell könnte folgendermaßen aufgebaut sein:

Die tatsächlichen Punktwerte sollten nicht einfach übernommen werden. Sie müssen anhand des eigenen Geschäftsmodells und realer Conversion-Daten entwickelt werden, damit im Anschluss auch eine ordentliche Aussage über den potentiellen Kunden getroffen werden kann. Auch die Kriterien müssen an den einzelnen Kunden entsprechend angepasst werden.

Positives und negatives Lead Scoring

Lead Scoring besteht nicht ausschließlich aus positiven Punkten, wie man der obigen Tabelle entnehmen kann.

Auch negative Signale können wichtig sein, um einen Kunden auf seiner Journey besser einschätzen zu können.

Positive Signale

Ein steigendes Kaufinteresse können beispielsweise zeigen:

• wiederholte Produktseitenbesuche
• Preisseitenaufrufe
• Demo-Anfragen
• Downloads von Case Studies
• Teilnahme an Webinaren
• Interaktion mit Vertriebs-E-Mails
• Nutzung eines Produktkonfigurators
• konkrete Angebotsanfragen

Negative Signale

Ein Lead kann gleichzeitig an Relevanz verlieren.

Mögliche negative Kriterien sind:

• lange Inaktivität
• Abmeldung vom Newsletter
• unpassende Unternehmensgröße
• nicht bediente Region
• Bewerber statt potenzieller Kunde
• Wettbewerber
• Student oder Recherchekontakt
• dauerhaft nicht erreichbarer Kontakt

Durch negative Bewertungen lässt sich verhindern, dass scheinbar aktive, aber kommerziell irrelevante Kontakte automatisch an den Vertrieb übergeben werden.

Lead Decay – wenn Leads mit der Zeit an Wert verlieren

Ein wichtiger Bestandteil moderner Lead-Scoring-Systeme ist der sogenannte Score Decay.

Dabei verlieren ältere Aktivitäten mit der Zeit an Bedeutung.

Ein Beispiel:

Ein Interessent hat vor zwölf Monaten die Preisseite besucht und mehrere Whitepaper heruntergeladen. Seitdem gab es keinerlei Aktivität.

Ohne Score Decay könnte dieser Kontakt weiterhin einen hohen Lead Score besitzen.

Tatsächlich ist das damalige Kaufinteresse möglicherweise längst verschwunden.

Ein System kann deshalb beispielsweise definieren:

• 30 Tage ohne Aktivität: -5 Punkte
• 60 Tage ohne Aktivität: -10 Punkte
• 90 Tage ohne Aktivität: -20 Punkte
• 180 Tage ohne Aktivität: Rückstufung auf inaktiv

Dadurch bleibt der Lead Score dynamisch.

MQL und SQL

Lead Scoring wird häufig verwendet, um Leads unterschiedlichen Vertriebsphasen zuzuordnen.

Marketing Qualified Lead – MQL

Ein Marketing Qualified Lead (MQL) ist ein Kontakt, der nach den Kriterien des Marketings eine erhöhte Kaufwahrscheinlichkeit zeigt.

Beispielsweise:

Lead Score ab 50 Punkten = MQL

Der Kontakt kann anschließend intensiver durch Marketing-Automation betreut oder für eine weitere Qualifizierung vorgesehen werden.

Sales Qualified Lead – SQL

Ein Sales Qualified Lead (SQL) wurde als ausreichend relevant für eine konkrete vertriebliche Bearbeitung eingestuft.

Beispielsweise:

Lead Score ab 80 Punkten + Entscheiderposition + erkennbare Kaufabsicht = SQL

Das Vertriebsteam übernimmt anschließend den Kontakt.

MQL ist nicht automatisch SQL

Ein häufiger Fehler besteht darin, hohe Marketingaktivität mit unmittelbarer Kaufbereitschaft gleichzusetzen.

Ein Interessent kann zahlreiche Inhalte herunterladen und trotzdem noch nicht kaufbereit sein.

Deshalb sollten Marketing und Vertrieb gemeinsam definieren, wann eine Übergabe tatsächlich sinnvoll ist.

Lead Scoring im Sales Funnel

Lead Scoring kann entlang des gesamten Sales Funnels eingesetzt werden.

Dadurch lässt sich erkennen, wie sich ein Lead schrittweise durch den Funnel bewegt.

Lead Scoring und Marketing-Automation

Besonders leistungsfähig wird Lead Scoring in Verbindung mit Marketing-Automation.

Das System kann automatisch auf Veränderungen des Scores reagieren.

Ein Beispiel:

Ein neuer Lead lädt ein Whitepaper herunter.

Score: 10 Punkte

Anschließend startet automatisch eine E-Mail-Serie.

Der Lead besucht daraufhin eine Case Study.

Score: 20 Punkte

Drei Tage später besucht er die Leistungsseite.

Score: 35 Punkte

Danach öffnet er die Preisseite mehrfach.

Score: 60 Punkte

Das System stuft ihn als MQL ein und startet einen weiteren Nurturing-Workflow.

Schließlich fordert der Interessent eine Beratung an.

Score: 100 Punkte

Nun wird automatisch ein Deal im CRM angelegt und der zuständige Vertriebsmitarbeiter informiert.

Damit wird Lead Scoring zum Steuerungselement zwischen Marketing-Automation und Vertrieb.

Lead Scoring im B2B-Marketing

Im B2B-Bereich ist Lead Scoring besonders interessant, weil Kaufentscheidungen häufig komplex sind.

An einer Entscheidung können beispielsweise beteiligt sein:

• Geschäftsführer
• Fachabteilungen
• Einkauf
• IT
• Marketing
• Finance
• externe Berater

Hinzu kommen häufig längere Verkaufszyklen. Ein B2B-Lead kann sich Wochen oder Monate mit einer Lösung beschäftigen, bevor eine konkrete Anfrage entsteht. Lead Scoring hilft dabei, diese Entwicklung frühzeitig zu erkennen.

Lead Scoring im E-Commerce

Auch im E-Commerce können Scoring-Modelle eingesetzt werden.

Hier wird allerdings häufig eher von Customer Scoring, Behavioral Scoring oder Predictive Scoring gesprochen.

Mögliche Signale sind:

• Anzahl der Shopbesuche
• betrachtete Produkte
• Warenkorbwert
• Warenkorbabbrüche
• Wunschlisten
• Käufe
• Retouren
• durchschnittlicher Bestellwert
• Kaufhäufigkeit
• Nutzung von Gutscheinen
• Produktbewertungen

Ein Shop könnte beispielsweise erkennen, dass ein Nutzer mehrfach dasselbe hochwertige Produkt betrachtet und bereits Zubehör auf seine Wunschliste gesetzt hat.

Daraufhin können passende Marketingmaßnahmen ausgelöst werden.

Lead Scoring und Behavioral Intelligence

Lead Scoring und Behavioral Intelligence ergänzen sich.

Behavioral Intelligence untersucht umfassend, wie sich Nutzer verhalten. Lead Scoring übersetzt ausgewählte Verhaltenssignale anschließend in eine konkrete Bewertung.

Beispielsweise kann eine Analyse zeigen, dass Leads, die innerhalb von sieben Tagen:

• mindestens drei Produktseiten besuchen,
• eine Case Study lesen und
• anschließend die Preisseite aufrufen,

überdurchschnittlich häufig eine Anfrage stellen.

Diese Erkenntnis kann direkt in das Lead-Scoring-Modell übernommen werden.

Predictive Lead Scoring

Klassisches Lead Scoring basiert auf Regeln, die Menschen definieren.

Modernere Systeme verwenden dagegen Predictive Lead Scoring.

Dabei analysieren Machine-Learning-Modelle historische Daten erfolgreicher und erfolgloser Leads.

Das System sucht automatisch nach Mustern, die mit einer späteren Conversion zusammenhängen.

Mögliche Faktoren sind:

• Branche
• Unternehmensgröße
• Herkunft des Leads
• Websiteverhalten
• Anzahl der Kontakte
• verwendete Inhalte
• zeitliche Abstände zwischen Aktionen
• bisherige Conversion-Muster

Anschließend berechnet das System eine Wahrscheinlichkeit für einen zukünftigen Abschluss.

Klassisches vs. Predictive Lead Scoring

Beide Verfahren können auch miteinander kombiniert werden.

Welche Datenquellen können verwendet werden?

Ein Lead-Scoring-System kann Informationen aus verschiedenen Systemen zusammenführen.

Dazu gehören:

• CRM
• Website-Analytics
• Marketing-Automation
• Newsletter-System
• Shopsystem
• ERP
• Customer Data Platform
• Webinar-Plattform
• Event-System
• Vertriebssystem
• Support
• Formulare

Je besser diese Systeme miteinander verbunden sind, desto vollständiger lässt sich ein Lead bewerten.

Vorteile von Lead Scoring

Vertrieb konzentriert sich auf relevante Leads

Vertriebsmitarbeiter müssen nicht jeden Kontakt manuell prüfen.

Sie können sich auf Leads mit hoher Abschlusswahrscheinlichkeit konzentrieren.

Schnellere Reaktionszeiten

Besonders kaufbereite Leads können automatisch erkannt und sofort an den Vertrieb weitergeleitet werden.

Bessere Zusammenarbeit zwischen Marketing und Vertrieb

Beide Abteilungen arbeiten mit gemeinsamen Kriterien für die Leadqualität.

Effizienteres Lead Nurturing

Noch nicht kaufbereite Leads können automatisch mit relevanten Inhalten weiterentwickelt werden.

Höhere Conversion Rate

Vertriebliche Ressourcen werden stärker auf aussichtsreiche Kontakte konzentriert.

Skalierbarkeit

Auch tausende Leads können automatisiert bewertet werden.

Herausforderungen beim Lead Scoring

Falsche Kriterien

Ein schlecht entwickeltes Punktesystem kann irrelevante Leads überbewerten.

Zu viele Faktoren

Ein unnötig komplexes Modell wird schwer nachvollziehbar und wartungsintensiv.

Veraltete Scores

Ohne Score Decay können alte Aktivitäten zu falschen Bewertungen führen.

Schlechte Datenqualität

Fehlerhafte CRM-Daten wirken sich unmittelbar auf den Score aus.

Fehlende Abstimmung

Wenn Marketing und Vertrieb unterschiedliche Vorstellungen eines guten Leads besitzen, verliert das Scoring seinen Nutzen.

Datenschutz beim Lead Scoring

Lead Scoring kann mit der Verarbeitung personenbezogener Daten verbunden sein. Deshalb müssen Unternehmen die Anforderungen der DSGVO berücksichtigen.

Besonders relevant können unter anderem sein:

• Rechtsgrundlage der Datenverarbeitung
• Transparenz gegenüber betroffenen Personen
• Zweckbindung
• Datenminimierung
• Speicherfristen
• Profilbildung
• Widerspruchsrechte
• automatisierte Entscheidungen

Besondere Aufmerksamkeit ist erforderlich, wenn ein Scoring zu ausschließlich automatisierten Entscheidungen führt, die gegenüber einer Person rechtliche Wirkung entfalten oder sie in ähnlich erheblicher Weise beeinträchtigen. Art. 22 DSGVO enthält hierfür besondere Vorgaben.

Ein typisches Marketing-Lead-Scoring ist allerdings nicht automatisch eine solche Entscheidung. Entscheidend sind die konkrete Verarbeitung und ihre Auswirkungen.

Best Practices für Lead Scoring

Mit einem einfachen Modell beginnen

Ein Lead-Scoring-Modell muss zu Beginn nicht aus hundert Kriterien bestehen.

Ein überschaubares Modell lässt sich leichter analysieren und verbessern.

Vertrieb einbeziehen

Vertriebsmitarbeiter wissen häufig sehr genau, welche Merkmale erfolgreiche Kunden besitzen.

Dieses Wissen sollte in das Modell einfließen.

Fit und Verhalten getrennt betrachten

Ein idealer Zielkunde ohne Interesse ist nicht automatisch ein guter Sales Lead.

Ebenso ist ein sehr aktiver Nutzer nicht automatisch ein potenzieller Kunde.

Negative Kriterien definieren

Auch Disqualifikationsmerkmale sollten berücksichtigt werden.

Zeit berücksichtigen

Aktuelle Aktivitäten sind meist relevanter als Ereignisse, die viele Monate zurückliegen.

Conversion-Daten analysieren

Die Punktwerte sollten regelmäßig mit tatsächlichen Abschlüssen verglichen werden.

Schwellenwerte überprüfen

Wenn fast jeder Lead zum MQL wird, ist der Grenzwert vermutlich zu niedrig.

Werden dagegen kaum Leads qualifiziert, kann er zu hoch angesetzt sein.

Wichtige KPIs für Lead Scoring

Die Qualität eines Lead-Scoring-Modells lässt sich anhand verschiedener Kennzahlen überprüfen.

Wichtige KPIs sind:

• MQL-to-SQL-Rate
• SQL-to-Customer-Rate
• Lead-to-Customer-Rate
• durchschnittliche Sales-Cycle-Dauer
• Conversion Rate je Score-Bereich
• Umsatz je Lead-Score
• Anzahl falsch qualifizierter Leads
• durchschnittliche Reaktionszeit des Vertriebs
• Customer Acquisition Cost
• Umsatz pro Lead

Ein gutes Modell sollte dazu führen, dass Leads mit höheren Scores tatsächlich häufiger konvertieren.

Beispiel für einen automatisierten Lead-Scoring-Workflow

Ein möglicher Prozess sieht folgendermaßen aus:

1. Lead entsteht

Ein Interessent lädt einen Ratgeber herunter.

2. Daten werden erfasst

CRM und Marketing-Automation speichern Unternehmen, Position und Interaktion.

3. Lead wird bewertet

Das Unternehmen passt zur Zielgruppe und der Lead erhält erste Punkte.

4. Lead Nurturing beginnt

Der Interessent erhält passende Inhalte.

5. Weitere Aktivitäten erhöhen den Score

Case Studies, Produktseiten und Preisseiten werden besucht.

6. MQL-Schwelle wird erreicht

Das Marketing-System stuft den Lead als qualifiziert ein.

7. Kaufabsicht wird erkannt

Der Lead fordert beispielsweise eine Demo oder Beratung an.

8. SQL wird erzeugt

Der Kontakt wird an den Vertrieb übergeben.

9. Vertrieb reagiert

Der zuständige Mitarbeiter erhält automatisch alle relevanten Informationen.

10. Ergebnis fließt zurück

Gewonnene und verlorene Deals werden analysiert und zur Optimierung des Scoring-Modells genutzt.

So entsteht ein kontinuierlicher Kreislauf aus Daten, Bewertung, Automatisierung und Optimierung.

Zukunft des Lead Scorings

Lead Scoring entwickelt sich zunehmend von statischen Punktesystemen zu dynamischen Prognosemodellen.

Zu den wichtigsten Entwicklungen gehören:

• Predictive Lead Scoring
• künstliche Intelligenz
• Behavioral Intelligence
• Intent Data
• Echtzeit-Scoring
• Account-Based Marketing
• Customer Data Platforms
• automatische Zielgruppensegmentierung
• KI-gestützte Sales-Empfehlungen
• kanalübergreifende Customer Journeys

Besonders interessant ist die Kombination aus Unternehmensdaten, aktuellem Nutzerverhalten und historischen Conversion-Daten.

Dadurch wird aus der Frage „Wie viele Punkte hat dieser Lead?“ zunehmend die Frage:

„Wie wahrscheinlich ist es, dass dieser Interessent in einem bestimmten Zeitraum tatsächlich Kunde wird?“

Fazit

Lead Scoring hilft Unternehmen dabei, Leads systematisch zu bewerten und Marketing- sowie Vertriebsressourcen gezielter einzusetzen. Statt alle Interessenten identisch zu behandeln, werden deren Eigenschaften, Verhalten und Kaufabsichten berücksichtigt.

Ein gutes Lead-Scoring-Modell kombiniert dabei den Lead Fit mit dem tatsächlichen Engagement. Positive und negative Signale, zeitlicher Verfall sowie klare Schwellenwerte sorgen dafür, dass der Score die aktuelle Qualität eines Leads möglichst realistisch widerspiegelt.

Besonders wirkungsvoll wird Lead Scoring in Verbindung mit CRM, Marketing-Automation und Behavioral Intelligence. Leads können automatisch bewertet, weiterentwickelt und im richtigen Moment an den Vertrieb übergeben werden.

Mit Predictive Lead Scoring und künstlicher Intelligenz entwickelt sich das Konzept weiter: Statt ausschließlich vorher festgelegte Punkte zu vergeben, können Systeme aus vergangenen Abschlüssen lernen und zukünftige Conversion-Wahrscheinlichkeiten prognostizieren.

Lead Scoring ist damit nicht nur ein Werkzeug zur Priorisierung von Kontakten, sondern ein wichtiger Baustein für die datenbasierte Zusammenarbeit zwischen Marketing und Vertrieb.