Lead Scoring Modell aufbauen: So gehts richtig

Die meisten Lead-Scoring-Modelle scheitern aus demselben Grund: Marketing baut sie allein, übergibt dem Vertrieb eine sortierte Liste, und niemand traut den Zahlen. Nach einem Quartal wird das Modell ignoriert. Ein Lead Scoring Modell, das den Kontakt mit dem Vertrieb überlebt, braucht drei Dinge: Signale, die wirklich Umsatz vorhersagen, Schwellenwerte aus deinen eigenen Abschlussdaten und einen Feedback-Kreislauf, der das Modell ehrlich hält. Dieser Leitfaden zeigt dir, wie du genau das aufbaust, in der Reihenfolge, in der es ein erfahrener Demand-Gen-Verantwortlicher angehen würde.

Ein Lead Scoring Modell sortiert eingehende Kontakte danach, wie wahrscheinlich sie zu Kunden werden. So verbringt dein Vertrieb seine Zeit zuerst mit den richtigen Leuten. Gut gemacht steigert es die Conversion von MQL zu SQL und verkürzt den Verkaufszyklus. Schlecht gemacht erzeugt es Rauschen und untergräbt das Vertrauen zwischen den Teams.

Warum die meisten Lead-Scoring-Modelle ignoriert werden

Der klassische Fehler ist ein einziger addierter Score: Ein passender Jobtitel bringt 20 Punkte, ein E-Book-Download 10, ein Besuch der Preisseite 15. Das Problem: Ein Director in einem perfekt passenden Unternehmen, der ein Whitepaper geladen hat, kann einen Einkäufer überholen, der die Preisseite dreimal besucht hat. Fit und Intent sind zwei verschiedene Fragen. Presst du sie in eine Zahl, verschwindet die Information, welche von beiden fehlt.

Der zweite Fehler ist die Kalibrierung. Teams erfinden Punktwerte aus dem Bauch heraus, setzen die Qualifizierungsgrenze auf 100, weil das ordentlich aussieht, und prüfen nie, ob Leads über 100 wirklich besser abschließen als Leads bei 80. Bearbeitet der Vertrieb “qualifizierte” Leads, aus denen nichts wird, glaubt er dem Score schon nach wenigen Wochen nicht mehr.

Ein Lead Score ist eine Vorhersage, keine Meinung. Kannst du nicht auf die abgeschlossenen Deals zeigen, die jede Regel rechtfertigen, bewertest du keine Leads, du rätst nur mit mehr Aufwand.

Schritt 1: Fit von Intent trennen

Nutz ein zweidimensionales Modell. Fit beantwortet “Sollten wir an diese Person verkaufen?” und Intent beantwortet “Ist sie jetzt kaufbereit?” Trag die Leads in eine Matrix ein, und die richtige Aktion liegt auf der Hand.

Diese Matrix macht die eigentliche Arbeit. Ein Lead mit hohem Intent und niedrigem Fit (Quadrant C) ist oft ein Studierender, ein Wettbewerber oder jemand aus einem Unternehmen, das du nicht bedienen kannst. Ein Lead mit hohem Fit und niedrigem Intent (Quadrant B) ist deine künftige Pipeline: Nurturing wert, aber heute keinen Anruf wert.

Schritt 2: Fit-Signale aus echten Daten wählen

Zieh dir die gewonnenen Accounts der letzten 12 bis 24 Monate und schau, welche Merkmale sie teilen. Verlässliche Fit-Signale im B2B:

• Unternehmensgröße: Mitarbeiterzahl oder Umsatzband, das zu deinen besten Kunden passt
• Branche: Segmente, in denen du Beweise und Referenzen hast
• Rolle und Seniorität: Entscheider und Budget-Verantwortliche, keine Praktikanten
• Region: Märkte, die du rechtlich und praktisch bedienen kannst
• Tech-Stack: Tools, die einen Fit signalisieren (etwa ein Unternehmen, das bereits die Plattform nutzt, mit der du integrierst)

Gewichte jedes Signal danach, wie stark es in deinen eigenen Daten mit dem Abschluss korreliert. Kommen 70 Prozent deiner gewonnenen Deals von Unternehmen mit 50 bis 500 Mitarbeitern, bekommt dieses Band die höchsten Fit-Punkte. Kopier keine generische Vorlage: Dein ideales Kundenprofil ist spezifisch für dein Geschäft.

Schritt 3: Intent-Signale wählen, die Kaufbereitschaft vorhersagen

Intent-Signale sind Verhaltensweisen. Nicht alle sind gleich viel wert: Ein Besuch der Preisseite bedeutet weit mehr als ein E-Book-Download. Sortier Intent-Signale danach, wie nah sie an einer Kaufentscheidung liegen.

• Hoher Intent: Aufrufe der Preisseite, Demo-Anfragen, begonnene Kontaktformulare, wiederholte Besuche in kurzer Zeit
• Mittlerer Intent: gelesene Case Studies, Besuche von Vergleichsseiten, Webinar-Teilnahme, mehrere Sitzungen
• Niedriger Intent: Blog-Lesen, ein einzelner E-Book-Download, Newsletter-Anmeldung, ein einziger Erstbesuch

Sauberes Tracking ist hier das Fundament. Siehst du nicht verlässlich, welche Seiten ein Lead besucht und welche Formulare er berührt hat, ist dein Intent-Score Fiktion. Die meisten Scoring-Probleme sind in Wahrheit Messprobleme, deshalb muss ein solides Tracking- und Mess-Setup vor jedem Modell stehen. Wackeln deine Analytics, bring zuerst dein GA4-Reporting in Ordnung, damit die Events, die deinen Score füttern, vertrauenswürdig sind.

Schritt 4: Negatives Scoring ergänzen

Negatives Scoring ist der am meisten unterschätzte Teil eines guten Modells und der schnellste Weg, Vertrauen beim Vertrieb zu gewinnen. Zieh Punkte ab (oder disqualifiziere hart) bei klaren Fehlpass-Signalen:

• Freemail-Adressen (Gmail, Outlook) bei einem B2B-Produkt, oft ein Studierender oder Jobsuchender
• Jobtitel ohne Kaufentscheidung für dein Produkt
• bekannte Wettbewerber-Domains
• Bestandskunden (an das Account-Management leiten, nicht an den Neukunden-Vertrieb)
• abgewiesene oder ungültige E-Mail-Adressen

Eine einzige harte Disqualifizierungsregel für Wettbewerber und Studierende beseitigt den häufigsten Grund, warum der Vertrieb klagt, “die Leads sind Müll”.

Um negatives Scoring greifbar zu machen, hier ein Beispiel, wie ein typisches B2B-Modell Punktspannen je Signaltyp vergibt. Die Spannen sind illustrative Startwerte, keine Benchmarks: Kalibrier die genauen Werte gegen deine eigenen Abschlussdaten.

Schritt 5: Schwellen aus deinen Conversion-Daten setzen

Hier laufen die meisten Modelle aus dem Ruder. Wähl nicht 100, weil es rund ist. Teil stattdessen deine historischen Leads nach Score in Gruppen und miss in jeder Gruppe die tatsächliche Conversion-Rate von MQL zu Kunde. Du suchst den Score, bei dem die Conversion springt.

Die genauen Zahlen unterscheiden sich für dein Geschäft. Worauf es ankommt, ist die Methode: Lass die Daten dir zeigen, wo die Kante liegt, und setz die MQL-Grenze knapp darunter. Justier die Schwelle so, dass du dem Vertrieb ein Volumen übergibst, das er realistisch bearbeiten kann: zu niedrig und du überflutest ihn, zu hoch und du hungerst die Pipeline aus.

Schritt 6: Den Kreislauf mit dem Vertrieb schließen

Ein Modell ist nur so gut wie sein Feedback. Zieh dir jedes Quartal die vom Vertrieb bearbeiteten Leads und vergleich den vorhergesagten Score mit dem tatsächlichen Ergebnis. Wo hoch bewertete Leads nicht abgeschlossen haben, frag, welches Signal dich in die Irre geführt hat. Wo niedrig bewertete Leads abgeschlossen haben, frag, welches Signal dir entgangen ist. Dann passt du die Gewichte an. Dieses Review, mit dem Vertrieb im Raum, hält das Modell vertrauenswürdig und aktuell.

Lead Scoring schärft auch deine bezahlte Akquise. Sobald du weißt, welche Merkmale und Verhaltensweisen Umsatz vorhersagen, kannst du das in Kampagnen zurückspielen: bessere Zielgruppen, klügere Gebotssignale und Budget für die Segmente, die wirklich abschließen. Dieser Feedback-Kreislauf ist zentral dafür, wie wir B2B-Leadgenerierung über Google Ads betreiben, und prägt die Strategie in unserem Leitfaden zur Kontostruktur für Leadgen.

Häufige Fehler, die du vermeiden solltest

• Nach Menge statt nach Wert bewerten. Ein Lead, der zehn E-Books lädt, beschäftigt sich mit deinen Inhalten, ist aber nicht zwingend kaufbereit. Belohne Kaufsignale, nicht Konsum.
• Den Zeitabschlag ignorieren. Intent verdirbt. Altes Verhalten sollte verblassen.
• Einmal bauen und sich nie wieder kümmern. Märkte, Produkte und Wunschkunden verschieben sich. Ein statisches Modell verrottet.
• Die Logik vor dem Vertrieb verstecken. Sieht der Vertrieb nicht, warum ein Lead hoch bewertet wurde, vertraut er dem Score nicht. Mach das Modell lesbar.

Alles zusammengeführt

Ein Lead Scoring Modell, das der Vertrieb wirklich nutzt, steht auf drei Säulen: Signale aus echten Abschlussdaten, Schwellen kalibriert an echten Conversion-Raten und ein Quartals-Feedback, das beides ehrlich hält. Trenn Fit von Intent, ergänz negatives Scoring, setz die Grenze dort, wo deine Daten die Kante zeigen, und besprich es mit den Leuten, die die Leads bearbeiten. Dann ist der Score kein Marketing-Artefakt mehr, sondern ein Werkzeug, auf das sich das ganze Revenue-Team verlässt.

Brauchst du Unterstützung beim Tracking, der Analytik und dem Kampagnen-Feedback, von denen ein funktionierendes Modell abhängt: Genau diese Verkabelung bauen wir.