Was ist Lead Scoring? Definition & einfache Erklärung
Lead Scoring Definition: Was es bedeutet, wie ein Punktesystem für Leads aufgebaut wird und welche Kriterien in der Praxis wirklich zählen — mit Beispiel.
Inhalt
"Wir haben 80 neue Leads diese Woche — aber wen ruft man zuerst an?" Ohne ein System, das Leads nach Priorität ordnet, greifen Vertriebsteams oft nach Bauchgefühl oder schlicht chronologisch — und verlieren dabei Zeit mit Kontakten, die nie kaufen werden, während kaufbereite Leads liegen bleiben.
Genau dieses Problem löst Lead Scoring. Dieser Artikel erklärt die Definition, zeigt ein einfaches Punktesystem zum Nachbauen und macht deutlich, welche Daten dafür überhaupt nötig sind.
Was ist Lead Scoring?
Lead Scoring ist eine Methode, bei der jedem Lead ein Punktwert zugewiesen wird, der ausdrückt, wie gut er zum Zielkundenprofil passt und wie wahrscheinlich er kaufbereit ist. Die Punkte ergeben sich aus zwei Datentypen: firmografischen Merkmalen (Branche, Unternehmensgröße, Standort) und Verhaltenssignalen (Website-Besuche, E-Mail-Klicks, Demo-Anfragen). Je höher der Score, desto höher die Priorität für den Vertrieb.
Wie funktioniert ein Lead-Scoring-Modell in der Praxis?
Ein Lead-Scoring-Modell vergibt Punkte für einzelne Merkmale und Aktionen und summiert sie zu einem Gesamtwert. Ein einfaches Beispiel für ein B2B-Softwareunternehmen:
| Kriterium | Punkte |
|---|---|
| Unternehmensgröße 50–500 Mitarbeitende | +20 |
| Branche passt zum idealen Kundenprofil | +15 |
| Position: Entscheider (Director, VP, C-Level) | +15 |
| Preisseite besucht | +10 |
| Demo angefragt | +25 |
| Whitepaper heruntergeladen | +5 |
| Private E-Mail-Adresse (z. B. Gmail) statt Firmendomain | −15 |
| Unternehmensgröße unter 5 Mitarbeitende | −10 |
Ab einem definierten Schwellenwert — etwa 50 Punkten — gilt ein Lead als vertriebsreif und wird automatisch an einen Sales Development Rep übergeben. Liegt der Lead darunter, bleibt er im Marketing-Funnel und erhält weitere Nurturing-Inhalte, bis der Score steigt.
Wichtig dabei: Die Gewichtung ist kein Zufallsprodukt. Sie sollte auf einer Analyse vergangener Abschlüsse basieren — welche Merkmale hatten Kunden, die tatsächlich gekauft haben, im Vergleich zu Leads, die nie konvertiert sind.
Firmografisches Scoring vs. Verhaltens-Scoring
Die meisten Modelle kombinieren zwei Ebenen, die unterschiedliche Fragen beantworten:
- Firmografisches Scoring beantwortet die Frage "Passt dieses Unternehmen überhaupt zu uns?" — anhand von Branche, Mitarbeiterzahl, Umsatz, Standort und Tech-Stack. Diese Daten ändern sich selten und sind der stabile Teil des Scores.
- Verhaltens-Scoring beantwortet die Frage "Zeigt diese Person gerade Kaufinteresse?" — anhand von Website-Besuchen, E-Mail-Öffnungen, Content-Downloads oder Demo-Anfragen. Diese Signale sind flüchtig und müssen laufend aktualisiert werden.
Ein Lead mit hohem Verhaltens-Score, aber falschem firmografischem Profil (z. B. ein Ein-Personen-Unternehmen, das eigentlich nur ein kostenloses Whitepaper wollte), ist selten ein guter Vertriebskandidat. Umgekehrt ist ein Lead mit perfektem firmografischem Profil, aber ohne jede Interaktion, noch nicht kaufbereit. Erst die Kombination beider Ebenen liefert eine belastbare Priorisierung.
Manuelles Scoring vs. automatisiertes Scoring
In kleinen Teams wird Lead Scoring oft manuell nachgebildet: Ein Vertriebsmitarbeiter überfliegt eine Liste und entscheidet nach Gefühl, wer zuerst angerufen wird. Das funktioniert bei wenigen Leads pro Woche, wird aber bei steigendem Volumen schnell inkonsistent — zwei Mitarbeitende bewerten denselben Lead unterschiedlich, und die Priorisierung hängt von der Tagesform ab statt von festen Kriterien.
Automatisiertes Scoring löst das, indem Regeln einmal definiert und dann konsequent auf jeden neuen Lead angewendet werden — meist direkt im CRM oder in einem angebundenen Marketing-Automation-Tool. Die Regeln selbst bleiben dabei einfach nachvollziehbar: Punkte für passende Felder, Punkte für Aktionen, ein Schwellenwert für die Übergabe. Komplexität entsteht nicht durch das Modell, sondern durch fehlende oder veraltete Daten, auf denen es aufbaut.
Warum scheitert Lead Scoring oft in der Praxis?
Der häufigste Grund ist lückenhafte Datenqualität. Ein Scoring-Modell kann Branche, Unternehmensgröße oder Position nur bewerten, wenn diese Felder im CRM tatsächlich gefüllt sind. Bei einem Formular-Lead stehen oft nur Name und E-Mail-Adresse zur Verfügung — Firmengröße, Branche und Jobtitel fehlen, weshalb der firmografische Teil des Scores gar nicht berechnet werden kann und der Lead fälschlich niedrig oder gar nicht bewertet wird.
Zwei Ansätze schließen diese Lücke: Entweder recherchiert ein Teammitglied jedes fehlende Feld manuell nach — das kostet Zeit und skaliert nicht — oder die Daten werden automatisch angereichert, sobald der Lead im CRM entsteht. Firmenname, Branche, Mitarbeiterzahl und Position lassen sich dann sofort für die Score-Berechnung nutzen, statt Tage später oder gar nicht. Mehr zu diesen Basisdaten im Artikel zu firmografischen Daten.
Lead Scoring und die Übergabe an den Vertrieb
Ein Score ist nur nützlich, wenn er zu einer klaren Handlung führt. In der Praxis hat sich eine einfache Kopplung an die MQL/SQL-Logik bewährt: Ein Lead unterhalb des Schwellenwerts bleibt MQL und erhält weiteres Marketing-Nurturing, ein Lead oberhalb wird automatisch als SQL markiert und an den Vertrieb übergeben. Den genauen Unterschied zwischen beiden Stufen erklärt der Artikel MQL vs. SQL.
FAQ
Was ist der Unterschied zwischen Lead Scoring und Lead Qualifizierung? Lead Qualifizierung ist der übergeordnete Prozess, bei dem bewertet wird, ob ein Lead zum Zielprofil passt und kaufbereit ist. Lead Scoring ist ein konkretes Werkzeug dafür — ein Punktesystem, das diese Bewertung systematisch und automatisierbar macht.
Welche Daten braucht man für Lead Scoring? Mindestens firmografische Grunddaten (Branche, Unternehmensgröße, Position des Kontakts) und idealerweise Verhaltensdaten (Website-Besuche, E-Mail-Interaktionen, Demo-Anfragen). Ohne die firmografischen Felder lässt sich kein zuverlässiger Score berechnen.
Kann man Lead Scoring automatisieren? Ja. Die meisten CRM- und Marketing-Automation-Systeme unterstützen regelbasiertes Scoring, bei dem Punkte für definierte Felder und Aktionen automatisch vergeben werden. Voraussetzung ist, dass die zugrunde liegenden Datenfelder im CRM gefüllt sind.
Ist ein hoher Score gleichbedeutend mit einem sicheren Abschluss? Nein. Ein hoher Score bedeutet höhere Priorität und Wahrscheinlichkeit, kein garantierter Abschluss. Er ersetzt nicht das Verkaufsgespräch, sondern hilft, die Reihenfolge der Ansprache sinnvoll festzulegen.
Damit ein Lead-Scoring-Modell von Anfang an mit vollständigen Daten arbeitet, ergänzt Enrich-CRM fehlende Firmen- und Kontaktdaten automatisch, sobald ein Lead im CRM landet. Kostenlos starten — 100 Credits/Monat, keine Kreditkarte nötig.