Lead Scoring: Best Practices für B2B-Vertrieb und Marketing

Fragen Sie irgendein Vertriebsteam, und Sie hören: Die Lead-Qualität wird besser. In einer aktuellen Umfrage unter mehr als 1.000 Vertriebsprofis gaben 68 % an, dass sich die Lead-Qualität im vergangenen Jahr verbessert hat. Klingt nach einer guten Nachricht. Aber „besser“ ist ein Gefühl, das in einer Umfrage angekreuzt wird, kein Messwert. Ohne Scoring-Modell dahinter bleibt diese Verbesserung ein Bauchgefühl, keine Tatsache.

Dies ist keine Einführung in Lead Scoring. Die Grundlagen kennen Sie bereits. Im Folgenden geht es darum, wie Sie aus diesem Bauchgefühl etwas Belastbares machen: ein System, das Ihnen zeigt, welche Leads die Zeit Ihres Vertriebs wirklich wert sind, und nicht nur, welche sich vielversprechend anfühlen. Wenn die Kriterien stimmen, meldet Ihre Lead-Scoring-Software kein Rauschen mehr als Chance, und Ihre B2B-Sales-Pipeline zeigt endlich, was tatsächlich drin ist.

Get thousands of leads in 4 minutes.

Stop stitching tools together.
Start with verified sales data, delivered in minutes.

SCALE SALES NOW

No contracts · No setup · No sales call

Kurz zur Erinnerung: Was ist Lead Scoring?

Lead Scoring, auf Deutsch auch Lead-Bewertung, ist der Prozess, Leads Punktwerte danach zuzuweisen, wer sie sind und was sie tun, damit der Vertrieb weiß, wen er zuerst anrufen soll. Es ist ein Filter, kein Ratespiel. Explizite Daten decken die demografische Seite ab: Jobtitel, Unternehmensgröße, Branche, also alles, was Ihnen ein Lead direkt mitteilt. Implizite Daten decken die Verhaltensseite ab: Besuche der Preisseite, Demo-Anfragen, die B2B-Kaufsignale, die Kaufabsicht zeigen, ohne dass jemand sie laut ausspricht. Wenn beides stimmt, ist Lead Scoring kein Vorzeigefeature mehr, das nachträglich ans CRM angeschraubt wurde, sondern tut, wofür es gedacht ist: Es verankert Ihre B2B-Go-to-Market-Strategie in der Realität statt in bloßer Aktivität.

Klare Scoring-Kriterien definieren, bevor Sie Punkte vergeben

Die meisten Teams zäumen beim Scoring-Modell das Pferd von hinten auf. Sie wählen Kriterien, die plausibel klingen (Jobtitel, Unternehmensgröße, ein paar Engagement-Aktionen), vergeben Punkte und legen los. Dann rätseln sie sechs Monate lang, warum aus den Leads mit den höchsten Scores keine Abschlüsse werden.

Die Lösung: Starten Sie mit Ihren gewonnenen Deals, nicht mit Ihren Annahmen. Nehmen Sie sich die Accounts vor, die tatsächlich konvertiert haben, und suchen Sie nach Gemeinsamkeiten: Unternehmensgröße, Branche, die Seiten, die sie vor der Demo-Buchung besucht haben, wie viele Kontaktpunkte es gebraucht hat. Machen Sie dann dasselbe für Leads, die nie konvertiert haben. Der Unterschied zwischen diesen beiden Gruppen ergibt Ihre Scoring-Kriterien. Keine Vermutung darüber, wie ein guter Lead aussieht, sondern wie einer tatsächlich aussah, bevor er gekauft hat.

Das funktioniert nur, wenn das Modell vom ersten Tag an datenbasiert ist. Wer nach Gefühl baut und später nachbessert, lässt den Vertrieb monatelang den falschen Leads hinterherlaufen, während das Marketing darauf besteht, dass das Scoring in Ordnung ist. Sorgen Sie für eine solide Datengrundlage, bevor auch nur ein einziger Punkt vergeben wird.

Und noch etwas, das Sie früh angehen sollten: Holen Sie den Vertrieb mit ins Boot. Ihr Outbound-Vertriebsteam telefoniert jeden Tag. Es bemerkt oft Muster, etwa einen Jobtitel, der nie kauft, oder ein Verhalten, das immer Dringlichkeit signalisiert, lange bevor sie in den Daten sichtbar werden. Ignorieren Sie diesen Input, dann bauen Sie das Modell in drei Monaten neu, um aufzuholen, was Ihr Vertrieb längst wusste.

Firmografische, demografische und verhaltensbasierte Signale kombinieren

Der Fit zeigt Ihnen, ob ein Lead Ihr Kunde sein könnte. Der Intent, also die Kaufabsicht, zeigt Ihnen, ob er kurz davor ist, auch wie einer zu handeln. Ein Modell, das nur eines von beiden misst, liegt immer nur zur Hälfte richtig.

Fit-Signale (firmografische und demografische Daten)

Fit-Signale beantworten eine einzige Frage: Sieht dieser Lead aus wie die Kunden, die tatsächlich bei Ihnen kaufen?

Jobtitel: Daran sehen Sie, ob die Person befugt ist, die Entscheidung zu treffen oder zu beeinflussen.
Unternehmensgröße: Sie zeigt, ob das Unternehmen das Budget und die betriebliche Komplexität mitbringt, für die Ihr Produkt gemacht ist.
Branche: Sie zeigt, ob Ihre Lösung ein Problem löst, das das Unternehmen wirklich hat, und nicht bloß eines, auf das sie sich technisch anwenden ließe.
Standort: Er zählt besonders, wenn Sie in bestimmte Regionen verkaufen oder für Ihre Lösung regionale Compliance- oder Logistikvorgaben gelten.

Keines dieser Signale verrät Ihnen, ob ein Lead jetzt kaufbereit ist. Sie zeigen nur, ob er überhaupt zur richtigen Art von Interessenten gehört. Genau das leistet Fit-Scoring: Es filtert nach Relevanz, nicht nach Dringlichkeit.

Intent-Signale (Verhaltensdaten)

Der Fit zeigt, wer jemand ist. Der Intent zeigt, was diese Person tatsächlich unternimmt.

Ein Intent-Signal ist jede Aktion, die zeigt, dass sich ein Lead auf eine Entscheidung zubewegt, statt sich nur ein wenig rund um Ihre Marke umzusehen. Es gibt einen echten Unterschied zwischen passivem Engagement, etwa dem Öffnen einer E-Mail oder dem Überfliegen eines Blogbeitrags, und aktiver Kaufabsicht, etwa einer Demo-Anfrage, also einem Verhalten, das nur Sinn ergibt, wenn jemand einen Kauf ernsthaft prüft. Das Erste zeigt Ihnen, dass jemand weiß, dass es Sie gibt. Das Zweite zeigt Ihnen, dass jemand intern Argumente für den Kauf sammelt.

Bei Intent-Signalen geht es nicht um die Menge an Aktivität. Ein Lead kann ein Dutzend wenig aussagekräftiger Interaktionen sammeln und trotzdem weit von einem Kauf entfernt sein. Entscheidend ist die Art der Aktion, nicht wie oft sie vorkommt. Das ist die Kernlogik hinter Intent-based Marketing: Wer Verhalten richtig liest, weiß, mit wem er sprechen sollte, bevor sich jemand von selbst meldet. Für den deutschen Markt gilt dabei: Website-Tracking, das Besuche einzelnen Personen zuordnet, braucht nach § 25 TDDDG in der Regel eine Einwilligung, und Lead Scoring gilt meist als Profiling im Sinne der DSGVO. Nennen Sie es deshalb in Ihrer Datenschutzerklärung, und weisen Sie spätestens bei der ersten Ansprache auf das Widerspruchsrecht nach Art. 21 DSGVO hin.

Ein Modell, das nur den Fit bewertet, markiert viele Leads, die auf dem Papier passen, aber null Kaufinteresse gezeigt haben: verschwendete Ansprache, die als Chance getarnt ist. Ein Modell, das nur den Intent bewertet, jagt jedem hinterher, der sich auf Ihrer Website umsieht, ob er nun jemals Kunde werden könnte oder nicht. Keines von beiden ist ein Lead. Erst beides zusammen ergibt einen.

Aktionen mit hoher Kaufabsicht stärker gewichten

Nicht jede Aktion verdient dieselbe Punktzahl, aber viele Scoring-Modelle tun so, als ob.

Eine Demo-Anfrage und eine Newsletter-Anmeldung sind nicht dasselbe Signal. Das eine bedeutet, dass jemand kurz vor einer Kaufentscheidung steht. Das andere bedeutet, dass jemandem eine Überschrift so gut gefallen hat, dass er seine E-Mail-Adresse hergegeben hat. Wenn Ihr Modell beides auch nur annähernd gleich bewertet, stehen am Ende Newsletter-Abonnenten oben in Ihrer Warteschlange, während echte Käufer warten müssen.

Besuche der Preisseite, Demo-Anfragen und Anmeldungen für eine kostenlose Testversion sollten deutlich höher bewertet werden als gelesene Blogbeiträge oder Newsletter-Anmeldungen. Sie liegen näher an der Entscheidung, also sollten sie auch mehr Gewicht haben.

Aktualität und Häufigkeit zählen genauso viel wie die Aktion selbst. Ein Lead, der sich diese Woche dreimal Ihre Preisseite angesehen hat, sendet ein dringendes Signal. Ein Lead, der vor drei Monaten einmal vorbeigeschaut hat, wahrscheinlich nicht. Dieselbe Aktion, auf dem Papier dieselben Punkte, aber eine völlig andere Kaufabsicht. Ein gutes Modell berücksichtigt diesen Unterschied, statt jeden Klick so zu behandeln, als wäre er gerade erst passiert.

Mit negativem Scoring die Pipeline sauber halten

Die meisten Teams bauen ein Scoring-Modell, das nur Punkte vergibt. Abgezogen wird nie etwas. Das ist ein Fehler, denn ein Modell, das nur Aktivität belohnt, bewertet einen neugierigen Studierenden genauso wie einen echten Käufer, solange er nur genug anklickt.

Negatives Scoring zieht Punkte für Signale ab, die auf fehlenden Fit oder nachlassendes Interesse hindeuten:

Private E-Mail-Domains wie gmx.de, web.de oder t-online.de statt einer Firmenadresse
Jobtitel, die einen Lead ausschließen, etwa Werkstudent oder Praktikant
Domains von Wettbewerbern
Abmeldungen von E-Mails und Newslettern
Besuche auf irrelevanten Seiten, etwa der Karriereseite

Das hat nichts mit Bestrafung zu tun. Beim negativen Scoring geht es nicht darum, einen Lead dafür abzustrafen, dass es ihn gibt. Es ist ein Filtermechanismus, der verhindert, dass der Vertrieb Zeit mit jemandem verbringt, der ohnehin nie konvertiert hätte.

Lassen Sie es weg, und Ihr Modell bläht die Scores von Leuten auf, die nur neugierig sind, nicht interessiert. Ein Jobsuchender, der sich vor einem Vorstellungsgespräch auf Ihrer Website über das Unternehmen informiert, kann genauso viele Punkte sammeln wie eine Entscheiderin, die einen Kauf prüft, wenn Ihr Modell nur Klicks zählt. Erst negatives Scoring macht den Unterschied zwischen beiden sichtbar.

Klare Schwellenwerte festlegen und die Übergabe automatisieren

Ein Score ist nur eine Zahl, solange er nichts auslöst. Bauen Sie das genaueste Modell der Welt, und es ist trotzdem wertlos, wenn Leads liegen bleiben, bis es jemandem auffällt.

Score-Stufen und Schwellenwerte definieren

Punkte zählen nur, wenn sie zu einer Entscheidung führen. Das heißt: Teilen Sie Ihre Punkteskala in klare Stufen ein, jede mit einem Schwellenwert, der genau festlegt, was als Nächstes passiert.

Ein typisches Setup hat drei Stufen:

Nurturing: Bei niedrigen Scores bekommt der Lead weitere Inhalte, bis er echte Kaufabsicht zeigt.
Marketing Qualified Lead (MQL): Im mittleren Bereich lohnt es sich, den Lead im Blick zu behalten, für ein Vertriebsgespräch ist es aber noch zu früh.
Sales Qualified Lead (SQL): Auf der obersten Stufe ist der Lead bereit für die Kontaktaufnahme durch den Vertrieb.

Die genauen Punktwerte sind weniger wichtig als die Frage, wer sich darauf einigt. Das muss eine gemeinsame Entscheidung von Marketing und Vertrieb sein, nicht etwas, das das Marketing allein festlegt und weiterreicht. Wenn der Vertrieb die Schwellenwerte nicht mitträgt, traut er den Leads nicht, die sie überschreiten, und schon ignorieren die Vertriebsleute wieder die Warteschlange und arbeiten nach Bauchgefühl.

Die Übergabe an den Vertrieb automatisieren

Ein Schwellenwert bringt nichts, wenn niemand den Score in Echtzeit im Blick hat. Manuelle Prüfungen kommen immer zu spät.

Richten Sie Ihr CRM so ein, dass es die Übergabe automatisch auslöst. Sobald ein Lead die SQL-Schwelle überschreitet, sollte das System die richtige Person im Vertrieb benachrichtigen und eine Follow-up-Aufgabe anlegen. Niemand muss ein Dashboard aktualisieren, niemand muss hoffen, dass die Benachrichtigung gesehen wird. Der Lead wird in der Sekunde weitergereicht, in der er es sich verdient hat.

Es geht nicht darum, Urteilsvermögen zu ersetzen. Es geht darum, dass es im richtigen Moment zum Einsatz kommt, nicht drei Tage zu spät, weil jemand in seinem Posteingang untergegangen ist.

Das Lead-Scoring-Modell regelmäßig überprüfen und verfeinern

Ein Scoring-Modell baut man nicht einmal und vergisst es dann. Es ist ein System, das regelmäßig geprüft werden muss, sonst läuft es unbemerkt aus dem Ruder.

Setzen Sie ein vierteljährliches Review in den Kalender. Nehmen Sie sich die Leads mit hohen Scores vor und prüfen Sie, ob sie tatsächlich konvertieren. Nehmen Sie sich die Leads mit niedrigen Scores vor und prüfen Sie, ob einige davon trotzdem Kunden geworden sind. Das bedeutet meist, dass Ihr Modell ein echtes Signal übersehen hat. Beide Richtungen zählen. Ein Modell, das nur geprüft wird, wenn etwas kaputtgeht, liegt schon seit Monaten daneben.

Warum das keine einmalige Einrichtung sein kann: Kundenverhalten, Marktbedingungen und das eigene Produkt verändern sich. Die Kriterien, die letztes Jahr einen guten Lead vorhergesagt haben, sagen heute vielleicht kaum noch etwas aus. Ein statisches Scoring in einem Markt, der sich bewegt, veraltet schnell, und niemand merkt es, bis die Qualität der Pipeline sinkt und alle darüber streiten, wer schuld ist.

Führen Sie ein einfaches Änderungsprotokoll. Notieren Sie bei jeder Anpassung eines Schwellenwerts und jeder Neugewichtung eines Signals, was sich geändert hat und warum. Wenn dann jemand in diesem Quartal die SQL-Schwelle anhebt, weiß das Team davon und versteht die Gründe, statt es drei Monate später zufällig herauszufinden.

Häufige Fehler beim Lead Scoring, die Sie vermeiden sollten

Die meisten fehlerhaften Scoring-Modelle scheitern an denselben wenigen Punkten. Es lohnt sich, das eigene Modell mit dieser Liste abzugleichen, bevor Sie annehmen, dass das Problem woanders liegt.

Scoring nur nach Fit oder nur nach Intent: Ein halbes Bild wird wie das ganze behandelt. Ganz oben landen dann entweder perfekt passende Leads ohne jedes Interesse oder sehr aktive Leads, die nie kaufen werden.
Kein negatives Scoring: Jeder neugierige Klick zählt so viel wie echtes Interesse, und das bläht still und leise die Scores von Leuten auf, die nie konvertiert hätten.
Schwellenwerte einmal festgelegt und nie überprüft: Das Modell ist eingefroren, während sich der Markt, das Produkt und die Käufer, die es abbilden soll, ohne es weiterbewegen.
Kriterien auf Basis von Annahmen statt gewonnener Deals: Das ist eine Vermutung, die sich als System ausgibt. Sie beruht darauf, wie ein guter Lead aussehen sollte, statt darauf, wie einer vor dem Kauf tatsächlich aussah.
Marketing und Vertrieb verstehen unter „qualifiziert“ etwas anderes: Zwei Teams arbeiten mit zwei Definitionen, und die Leads bleiben in der Lücke dazwischen hängen.

FAQ zum Lead Scoring

1. Wie funktioniert die Lead-Scoring-Methode?

Lead Scoring bedeutet, Leads Punktwerte danach zuzuweisen, wer sie sind und was sie tun, damit der Vertrieb die Leads priorisieren kann, die einem Kauf am nächsten sind. Die Methode kombiniert Fit-Signale wie Jobtitel, Unternehmensgröße und Branche mit Intent-Signalen wie Besuchen der Preisseite oder Demo-Anfragen. Das Ergebnis ist ein einziger Score, der zeigt, wie wahrscheinlich ein Lead konvertiert, statt diese Einschätzung dem Zufall zu überlassen.

2. Wie qualifiziert man einen Lead richtig?

Beginnen Sie mit Daten, nicht mit Annahmen. Nehmen Sie sich Ihre gewonnenen Deals vor, ermitteln Sie die Merkmale und Verhaltensweisen, die diese Kunden gemeinsam hatten, und bauen Sie Ihre Kriterien um dieses Muster herum auf. Ergänzen Sie negatives Scoring, damit unpassende oder inaktive Leads die Pipeline nicht aufblähen, und überprüfen Sie das Modell regelmäßig, damit es weiterhin zum tatsächlichen Verhalten Ihrer Käufer passt.

3. Wie erstellt man ein Lead-Scoring-Modell?

Stützen Sie Ihre Kriterien auf die Daten Ihrer gewonnenen Deals und kombinieren Sie dann Fit- und Intent-Signale, sodass das Modell beides misst: wer ein Lead ist und was er tut. Gewichten Sie Aktionen mit hoher Kaufabsicht stärker als passive, legen Sie klare Schwellenwerte für definierte Stufen fest und automatisieren Sie die Übergabe, damit vertriebsreife Leads ohne Verzögerung beim Vertrieb ankommen.

4. Welche Aktionen fließen in das Lead Scoring ein?

Aktionen mit hoher Kaufabsicht wie Demo-Anfragen, Besuche der Preisseite und Anmeldungen für eine kostenlose Testversion wiegen am schwersten, weil sie zeigen, dass jemand kurz vor einer Entscheidung steht. Aktionen mit geringerer Kaufabsicht, etwa das Lesen eines Blogbeitrags oder eine Newsletter-Anmeldung, zählen auch, sollten aber deutlich weniger Punkte bringen. Auch Aktualität und Häufigkeit spielen eine Rolle: Ein Lead, der wiederholt und erst kürzlich interagiert hat, zeigt mehr Dringlichkeit als einer, der vor Monaten einmal aktiv war.

5. Was ist die Grundregel beim Lead Scoring?

Eine allgemeingültige Regel gibt es nicht, denn Scoring-Kriterien sollten Ihre eigenen Daten aus gewonnenen Deals widerspiegeln, nicht eine generische Vorlage. Ein Prinzip zieht sich aber durch alle wirksamen Modelle: Fit und Intent kombinieren, Aktionen danach gewichten, wie nah sie an einer Kaufentscheidung liegen, und mit negativem Scoring unpassende Leads herausfiltern. Die Punktwerte sind für jedes Unternehmen anders, die Logik dahinter gilt für die meisten.