Lead-Scoring, das Ihren Reps sagt, wen sie zuerst anrufen

Warum manuelles Scoring Sie still Deals kostet

Die meisten Teams bewerten Leads auf eine von zwei Arten: gar nicht oder in einer Tabelle, der niemand traut. Im ersten Fall bearbeiten Reps, was am lautesten oder neuesten ist, was bedeutet, dass ein Interessent aus einem Traum-Account hinter zehn Nur-Guckern wartet. Im zweiten hat jemand vor zwei Jahren ein Punktemodell in HubSpot gebaut, seither hat es niemand angefasst, und es vergibt denselben Score für einen Fortune-500-VP und einen Freelancer mit Gmail-Adresse.

Die Kosten sind unsichtbar, bis Sie sie messen. Die Reaktionsgeschwindigkeit bricht ein, wenn Reps einen heißen Lead nicht von einem kalten unterscheiden können, und Studien zeigen durchgängig: Wer zuerst reagiert, gewinnt die Mehrheit der Deals. Derweil verbrennen Ihre besten Reps Stunden mit manueller Qualifizierung, und das Marketing reicht weiter MQLs durch, die eigentlich nur Newsletter-Anmeldungen sind. Der Lead war da. Das System, ihn sichtbar zu machen, war es nicht.

Automatisches Scoring behebt die Triage, nicht das Lead-Volumen. Es erfindet keine Nachfrage. Es sorgt dafür, dass die Nachfrage, die Sie ohnehin bezahlt haben, in Prioritätsreihenfolge vor einem Menschen landet, schnell und mit der Begründung im Anhang, sodass der Rep weiß, warum genau dieser Lead zählt.

Was wir tatsächlich bauen: Passung plus Absicht, in Echtzeit bewertet

Ein guter Score beantwortet zwei Fragen auf einmal. Passung fragt, ob dieser Account aussieht wie die Kunden, die Sie bereits abschließen: die Branche, die Mitarbeiterzahl, der Tech-Stack, die Region und die Umsatzklasse, die Ihr ICP ausmachen. Absicht fragt, ob sie gerade jetzt Kaufsignale zeigen: Besuche der Preisseite, eine Demo-Anfrage, wiederholte E-Mail-Öffnungen, eine Stellenausschreibung, die auf eine neue Initiative deutet. Wir bauen ein Modell, das beides gewichtet, denn ein perfekt passendes Unternehmen ohne jede Interaktion und ein glühend aktiver Kontakt, der nie kaufen wird, sind beide der falsche erste Anruf.

Die Engine läuft auf dem Stack, den Sie schon haben. Wir orchestrieren sie in n8n oder Make, ziehen Firmen- und Technologiedaten von verifizierten Anreicherungsanbietern und nutzen ein LLM für die Einschätzungen, die eine starre Punktetabelle falsch macht: einen Jobtitel im Kontext lesen, ein Unternehmen anhand seiner Website einordnen oder ein unsauberes Freitextfeld auswerten. Jeder Lead, der in Ihr CRM kommt, aus jeder Quelle, wird binnen Minuten bewertet und als Zahl, als Stufe (etwa A/B/C) und als kurze, verständliche Begründung in den Datensatz zurückgeschrieben.

Scoring ist kein einmaliger Stempel. Verhalten ändert sich, also ändert sich der Score. Ein B-Lead, der plötzlich an einem Tag dreimal Ihre Preisseite besucht, wird neu bewertet und kann eine Benachrichtigung an den zuständigen Rep auslösen oder direkt in eine Sequenz fallen. Hier verbindet sich Scoring mit dem Rest der Lead-Maschine: Dieselben Signale, die einen Score heben, können Anreicherung, personalisierte Ansprache oder eine Terminbuchung auslösen, ohne dass jemand einen Finger rührt.

Die Signale, die in einen Score einfließen

Es gibt kein universelles Scoring-Modell, und wer Ihnen eines verkauft, verkauft eine Vorlage. Wir bauen Ihres aus Ihren Closed-Won-Daten: Wir schauen, wer tatsächlich gekauft hat, finden, was sie gemeinsam hatten, und gewichten das Modell auf diese Merkmale. Dann justieren wir es, sobald echte Ergebnisse eintreffen. Ein typischer Build mischt Passungs- und Absichtssignale wie diese.

• Firmografische Passung: Branche, Mitarbeiterzahl, Umsatzklasse, Region und Geschäftsmodell gegen Ihr ICP
• Technografische Passung: die Tools, die sie einsetzen (aus Website, Stellenanzeigen oder Datenanbieter), die Sie zum Fit oder Fehlschuss machen
• Verhaltensabsicht: Preisseiten-Besuche, Demo-Anfragen, E-Mail-Interaktion, wiederholte Website-Besuche und Content-Downloads
• Timing-Signale: frische Finanzierung, Führungswechsel, Stellenausschreibungen oder Expansion, die auf eine laufende Initiative hindeuten
• Negativsignale: private E-Mail-Domains, Wettbewerber, Studenten, Jobsuchende und Leads außerhalb der Region, die abgewertet werden oder herausfallen sollten
• Quellenqualität: aus welchem Kanal oder welcher Kampagne der Lead kam, gewichtet danach, wie diese Quelle bisher konvertiert hat

Wie wir es bauen und was Ihnen gehört

Wir starten mit Ihrer Historie, nicht mit einer leeren Scorecard. In der ersten Woche ziehen wir Ihre Closed-Won- und Closed-Lost-Datensätze, befragen Ihre Reps, wie ein großartiger Lead aussieht, und formen daraus ein erstes Modell. Wir testen es an Leads, deren Ausgang Sie bereits kennen, sodass Sie schon vor dem ersten Live-Lead sehen, ob es die Gewinner des letzten Quartals nach oben gerankt hätte. Dieser Backtest ist die Ehrlichkeitsprüfung, die die meisten Scoring-Projekte auslassen.

Dann geht es in Ihrem CRM live. Der Score, die Stufe und die Begründung landen auf jedem Lead-Datensatz, und wir verdrahten das Routing: A-Leads benachrichtigen sofort den richtigen Rep, B-Leads speisen eine Nurture- oder Ansprache-Sequenz, C-Leads bleiben aus dem Weg. Wir bauen Dashboards, damit Sie Score-zu-Conversion je Stufe beobachten und Drift erkennen, denn ein Modell, das im Januar genau war, verrottet still, wenn sich Ihr Markt verschiebt. Wir kalibrieren es planmäßig an frischen Ergebnissen neu.

Weil wir auf Ihren Tools bauen, gehört Ihnen das System. Die Scoring-Logik lebt in Ihrem n8n- oder Make-Workspace, die Scores leben in Ihrem CRM, und die Anreicherung läuft über Anbieter, die Ihnen zum Einkaufspreis berechnet werden. Trennen sich unsere Wege je, geht nichts mit uns aus der Tür: kein proprietärer Score, in den Sie nicht hineinsehen können, keine Blackbox, die Sie weiter mieten müssen. Sie können genau nachlesen, warum jeder Lead die Zahl bekam, die er bekam.

• Woche eins: Closed-Won- und Closed-Lost-Daten auswerten, Reps befragen, erstes Modell entwerfen
• Backtest an historischen Leads mit bekanntem Ausgang vor dem Go-live
• Score, Stufe und verständliche Begründung in jeden CRM-Datensatz zurückschreiben
• Routing nach Stufe: sofortige Alerts bei A, Sequenzen bei B, Unterdrückung bei C
• Planmäßige Neukalibrierung, sobald neue Gewinne und Verluste eintreffen

Ergebnisse, Kosten und wann es sich nicht lohnt

Der Gewinn ist Geschwindigkeit und Fokus. Wenn Reps eine gerankte Warteschlange statt eines flachen Postfachs bearbeiten, werden die Accounts mit der höchsten Abschlusswahrscheinlichkeit zuerst und am schnellsten angerufen, und die Stunden für das Handqualifizieren von Müll verschwinden. Teams gewinnen typischerweise mehrere Stunden pro Rep und Woche zurück und heben die Conversion auf priorisierten Leads, schlicht weil sie die Richtigen vor einem Wettbewerber erreichen. Eine erste Scoring-Engine ist meist in zwei bis drei Wochen live, und weil wir ergebnisorientiert arbeiten, hängt ein Teil unseres Honorars daran, ob es Ihre Zahlen tatsächlich bewegt.

Es ist nicht für jeden richtig, und wir sagen es Ihnen. Bekommen Sie eine Handvoll Leads pro Monat, können und sollten Ihre Reps jeden von Hand lesen, und ein Modell schafft Overhead ohne Nutzen. Haben Sie fast keine Abschlusshistorie, können wir das Modell noch nicht in der Realität verankern, also starten wir mit einfachen Regeln und kommen auf Scoring zurück, sobald es Ergebnisse zum Lernen gibt. Und ist Ihr CRM ein Durcheinander aus leeren Feldern und Dubletten, wird Scoring treu Müll ranken. Dann bringen wir zuerst die Datenbasis in Ordnung, oft als Teil eines breiteren CRM- und Workflow-Automatisierungs-Builds, bevor wir irgendetwas bewerten.

Am richtigen Ort eingesetzt ist Scoring der günstigste Hebel in Ihrem Funnel. Es kostet Sie nicht mehr Leads und nicht mehr Personal. Es sorgt nur dafür, dass die Pipeline, die Sie schon haben, in der Reihenfolge bearbeitet wird, die Ihnen das meiste Geld bringt.