Lead-Scoring, das zeigt, welche Anfrage zuerst zählt.
Und Werbung auf Abschlüsse lenkt.
Dometrics baut Lead-Scoring-Modelle aus den eigenen Vertriebsdaten: Jede Anfrage bekommt eine nachvollziehbare Bewertung im CRM, der Vertrieb ruft zuerst die richtigen Kontakte an, und Google Ads und Meta lernen, auf qualifizierte Leads statt auf Formulare zu optimieren.
- Geschäftsführung · Maschinenbau, 180 MA Angebotsanfrage · Oberösterreich · vor 6 Min. 92 Sofort Branche passtPreise angesehenBudget genannt
- Einkauf · Lebensmittelindustrie, 420 MA Rückruf gewünscht · Wien · vor 22 Min. 78 Heute Unternehmensgrößezweiter BesuchReferenz gelesen
- Marketing · Kleinbetrieb, 6 MA Allgemeine Frage · Salzburg · vor 1 Std. 34 Pflegen Branche weicht abkein Zeitrahmen
- Privatperson Kontaktformular · vor 2 Std. 12 Absagen kein Kaufinteresse
Viele Leads, wenig Klarheit.
Im B2B-Vertrieb ist selten die Zahl der Anfragen das Problem. Das Problem ist, dass alle Anfragen gleich behandelt werden, obwohl sie sich im Wert um ein Vielfaches unterscheiden.
Der Vertrieb arbeitet nach Eingang
Wer zuerst kommt, wird zuerst angerufen. Die vielversprechende Anfrage vom Freitagabend wartet bis Montagmittag, während Zeit in Kontakte fließt, die nie kaufen werden.
Marketing zählt Formulare
Erfolg wird in Leads gemessen, nicht in Aufträgen. Kampagnen, die viele billige, aber schwache Anfragen bringen, sehen im Bericht am besten aus.
Werbeplattformen lernen das Falsche
Google Ads und Meta optimieren auf das Signal, das sie bekommen. Ist das Signal ein abgeschicktes Formular, finden sie Menschen, die Formulare abschicken, nicht Kunden.
Das Wissen steckt im Bauch
Erfahrene Vertriebler erkennen gute Anfragen intuitiv. Dieses Wissen ist nicht dokumentiert, nicht übertragbar und verschwindet mit dem Mitarbeiter.
Vom Formular bis zum Auftrag gedacht.
Das Modell lernt aus der eigenen Historie: Welche Merkmale hatten Anfragen, aus denen Aufträge wurden? Das Ergebnis fließt in zwei Richtungen, in den Vertrieb und zurück in die Werbekonten.
- 01 · Daten
Quellen verbinden
Formularangaben, Verhalten auf der Website, Firmendaten und die CRM-Historie mit dem Ausgang jeder früheren Anfrage.
- 02 · Modell
Muster lernen
Passung zum Kundenprofil und Kaufsignale werden gewichtet, geprüft an Anfragen, deren Ausgang bekannt ist.
- 03 · CRM
Score mit Begründung
Jede neue Anfrage erhält eine Bewertung und die drei wichtigsten Gründe dafür, direkt im CRM.
- 04 · Werbung
Qualität zurückspielen
Qualifizierte Leads und Abschlüsse gehen als Offline-Conversions mit Wert an Google Ads und Meta.
- 05 · Kontrolle
Nachschärfen
Quartalsweiser Abgleich: Haben hoch bewertete Leads tatsächlich häufiger gekauft? Das Modell wird angepasst.
Punktesystem gegen datenbasiertes Scoring.
Viele CRM-Systeme bieten ein einfaches Punktesystem. Es ist ein guter Anfang, aber es bildet ab, was jemand vermutet, nicht was die Daten zeigen.
| Kriterium | Manuelles Punktesystem | Datenbasiertes Lead-Scoring |
|---|---|---|
| Grundlage | Annahmen: Jobtitel 10 Punkte, Download 5 Punkte | Gewichte aus echten Abschlüssen der Vergangenheit |
| Anpassung | Selten überarbeitet, veraltet schleichend | Regelmäßig neu trainiert und gegen Ergebnisse geprüft |
| Erklärbarkeit | Summe ohne Kontext | Score plus die wichtigsten Gründe je Lead |
| Werbekonten | Bleiben unberührt | Erhalten qualifizierte Leads als Conversion-Signal |
| Prüfbarkeit | Wirkung unbekannt | Trefferquote je Score-Klasse wird laufend gemessen |
Wie Lead-Scoring funktioniert und was es voraussetzt.
Lead-Scoring beantwortet eine einfache Frage: Welche Anfrage verdient zuerst Aufmerksamkeit? Im Vertrieb entscheidet diese Reihenfolge über Abschlussquoten, im Marketing darüber, ob Budget in Reichweite oder in Umsatz fließt. Ein gutes Scoring macht beides sichtbar und verbindet die beiden Abteilungen über dieselbe Zahl.
Passung und Kaufsignale
Jeder Score besteht aus zwei Dimensionen. Die Passung beschreibt, wie gut ein Kontakt zum idealen Kunden passt: Branche, Unternehmensgröße, Region, Funktion der anfragenden Person. Die Kaufsignale beschreiben, wie konkret das Interesse ist: Art der Anfrage, besuchte Seiten wie Preise oder Referenzen, angefragte Mengen oder Termine. Ein Kontakt mit hoher Passung und schwachem Signal braucht Pflege, einer mit starkem Signal und schwacher Passung eine ehrliche Absage. Hoch in beiden Dimensionen heißt: sofort anrufen.
Warum Daten das Bauchgefühl schlagen
Klassische Punktesysteme vergeben Punkte nach Annahmen. Ein datenbasiertes Modell leitet die Gewichte aus der eigenen Historie ab: Welche Merkmale hatten die Anfragen, aus denen tatsächlich Aufträge wurden? Häufig zeigt sich dabei, dass Merkmale, die intuitiv wichtig erscheinen, wenig aussagen, während unscheinbare Signale stark wirken. Das Modell ist dabei kein schwarzer Kasten. Zu jedem Score zeigt das CRM die wichtigsten Gründe, damit der Vertrieb nachvollziehen kann, warum eine Anfrage oben steht.
Gut zu wissen: Für ein belastbares Modell braucht es eine Historie mit bekanntem Ausgang. Fehlt sie, startet das Scoring mit klaren Regeln aus dem Wissen des Vertriebs. Ab dem ersten Tag wird dann sauber dokumentiert, was aus jeder Anfrage wurde, damit das Modell später übernehmen kann.
Der zweite Hebel: Qualität an die Werbekonten melden
Der größte Effekt entsteht oft nicht im Vertrieb, sondern im Werbekonto. Google Ads und Meta optimieren auf die Conversions, die sie gemeldet bekommen. Ist das Signal ein abgeschicktes Formular, finden die Algorithmen zuverlässig Menschen, die Formulare abschicken. Werden stattdessen qualifizierte Leads und Abschlüsse mit ihrem Wert zurückgemeldet, verschiebt sich das Budget zu den Suchbegriffen und Zielgruppen, aus denen tatsächlich Aufträge entstehen [2][3]. Das setzt ein sauberes Conversion-Tracking voraus, damit jede Anfrage ihrer Kampagne zugeordnet werden kann.
| Gemeldetes Signal | Worauf die Plattform optimiert | Typisches Ergebnis |
|---|---|---|
| Formular abgeschickt | Viele, möglichst günstige Anfragen | Niedriger CPL, schwankende Qualität |
| Qualifizierter Lead | Anfragen mit Passung zum Kundenprofil | Weniger, aber bessere Leads |
| Abschluss mit Wert | Anfragen, aus denen Umsatz entsteht | Budget folgt dem Auftragswert |
Rechtlicher Rahmen
Lead-Scoring verarbeitet personenbezogene Daten und braucht deshalb eine dokumentierte Rechtsgrundlage sowie transparente Information der Betroffenen. Solange ein Mensch über die Kontaktaufnahme entscheidet, handelt es sich in der Regel nicht um eine ausschließlich automatisierte Entscheidung nach Art. 22 DSGVO [1]. Die Bewertung im Einzelfall gehört zum Datenschutzbeauftragten, die technische Dokumentation liefert Dometrics.
Merke: Ein Score ist nur so gut wie das, was danach passiert. Erst wenn Vertrieb und Werbekonten nach ihm handeln, wird aus einer Zahl ein Umsatzhebel.
Wie hoch bewertete Anfragen schneller zum Angebot werden, beschreibt Angebotserstellung automatisieren. Eine verwandte Anwendung auf derselben Datenbasis ist die Umsatzprognose.
Was das Lead-Scoring umfasst.
- Datenanalyse: Welche Merkmale unterscheiden gewonnene von verlorenen Anfragen
- Bereinigung und Vereinheitlichung der CRM-Historie
- Scoring-Modell mit Passung und Kaufsignalen, erklärbar je Lead
- Integration des Scores in das bestehende CRM
- Benachrichtigung des Vertriebs bei besonders hoch bewerteten Anfragen
- Offline-Conversion-Import mit Werten in Google Ads und Meta
- Dashboard mit Trefferquote je Score-Klasse und Kosten pro qualifiziertem Lead
So läuft das Projekt ab
Datencheck
Prüfung der vorhandenen CRM-Daten. Reicht die Historie für ein Modell, oder wird zuerst mit klaren Regeln gestartet?
Modell
Aufbau und Prüfung des Scorings an Anfragen der Vergangenheit, deren Ausgang bekannt ist.
Integration
Score und Begründung im CRM, Rückmeldung an die Werbekonten, Abstimmung der Abläufe im Vertrieb.
Kontrolle
Quartalsweiser Abgleich zwischen Score und Ergebnis, Nachtraining und Anpassung der Schwellen.
Häufige Fragen
Was ist Lead-Scoring?
Lead-Scoring bewertet jede Anfrage danach, wie wahrscheinlich daraus ein Auftrag wird. Die Bewertung setzt sich meist aus zwei Teilen zusammen: der Passung zum idealen Kundenprofil, etwa Branche, Größe und Region, und Kaufsignalen wie Art der Anfrage oder Verhalten auf der Website.
Wie viele Daten braucht ein KI-basiertes Lead-Scoring?
Als Richtwert einige hundert Anfragen mit bekanntem Ausgang, darunter eine ausreichende Zahl gewonnener Aufträge. Bei weniger Daten startet Dometrics mit einem regelbasierten Scoring aus dem Wissen des Vertriebs und stellt auf ein Modell um, sobald genug Historie vorliegt.
Welche CRM-Systeme lassen sich anbinden?
Alle gängigen Systeme mit Schnittstelle, etwa HubSpot, Pipedrive, Salesforce oder Microsoft Dynamics. Auch branchenspezifische Systeme und ERP-Lösungen lassen sich anbinden, sofern sie Daten über eine Schnittstelle oder einen regelmäßigen Export bereitstellen.
Was bringt Lead-Scoring für Google Ads und Meta?
Die Plattformen optimieren auf das Signal, das sie erhalten. Werden statt aller Formulare nur qualifizierte Leads oder echte Abschlüsse mit Wert zurückgemeldet, verlagern Gebotsstrategien das Budget zu den Zielgruppen und Suchbegriffen, die tatsächlich Umsatz bringen.
Ist Lead-Scoring mit der DSGVO vereinbar?
Ja, wenn es sauber aufgesetzt ist. Lead-Scoring zur Priorisierung im Vertrieb ist in der Regel keine ausschließlich automatisierte Entscheidung mit rechtlicher Wirkung im Sinne von Art. 22 DSGVO, weil am Ende ein Mensch entscheidet. Die Informationspflichten gelten trotzdem, und die Rechtsgrundlage sollte dokumentiert sein. Die rechtliche Bewertung im Einzelfall gehört zum Datenschutzbeauftragten.
Wie lässt sich prüfen, ob das Scoring funktioniert?
Über die Trefferquote je Score-Klasse. Funktioniert das Modell, kaufen hoch bewertete Leads deutlich häufiger als niedrig bewertete. Diese Auswertung läuft im Dashboard laufend mit und ist die Grundlage jedes Nachtrainings.
