Lead Scoring

Auch: Lead Scoring, Lead-Bewertung, Lead-Qualifizierung, Fit- und Engagement-Score, KI-Lead-Scoring

Die systematische Punktebewertung von Leads nach Profil und Verhalten, um die knappe Vertriebszeit auf die kaufbereitesten Kontakte zu lenken — statt jeden Lead gleich zu behandeln.

Kategorie: Funnel & Lead-Management Autor: Pereta

Kern-Logik

Nicht jeder Lead ist gleich wertvoll. Ein Geschäftsführer, der dreimal in zwei Wochen die Preisseite besucht, ist kaufbereiter als jemand, der einmal den Newsletter abonniert hat. Bei kleinen Mengen filtert man das von Hand, bei großen nicht mehr — Lead Scoring formalisiert die Bewertung über zwei Dimensionen:

Profil-Wert (passt der Lead?): Unternehmensgröße, Branche, Rolle, Region — plus oder minus Punkte gegenüber dem Wunschkundenprofil.
Verhaltens-Wert (zeigt der Lead Kauf-Signale?): Mail geöffnet (+1), Link geklickt (+5), Preisseite besucht (+15), Termin angefragt (+50) — und negative Signale wie „60 Tage keine Aktivität" (−20).

Ab einem Schwellwert gilt der Lead als marketing-reif, ab einem höheren als vertriebsreif und wird übergeben. Darunter bleibt er in der Betreuung. Ökonomisch ist Scoring die Voraussetzung für skalierbaren Vertrieb: Ohne jagt der Vertrieb jeden Kontakt, mit konzentriert er sich auf die reifsten.

Zwei Qualitätskontrollen

Scoring kippt schnell in Scheingenauigkeit — zwei Regeln halten es sauber:

Nicht über etwa 50 Regeln hinaus. Ein Modell mit hunderten Regeln ist nicht präziser, sondern nur undurchschaubar und wartungsintensiv. Wenige, trennscharfe Regeln schlagen viele feine.
Negative Signale und echte Ergebnisse zurückspielen. Das Modell muss auch abwerten (Inaktivität, Fehl-Profil) und regelmäßig mit den tatsächlichen Abschluss-Ergebnissen abgeglichen werden — sonst bewertet es Aktivität statt Kaufwahrscheinlichkeit.

Die KI-Variante

Statt fester Punktetabellen kann ein KI-Agent den Fit-Score liefern: Er liest die Website des Leads, gleicht sie mit dem Wunschkundenprofil ab und gibt einen strukturierten Score mit Begründung zurück. Wichtig ist die saubere Trennung — die Bewertung ist die KI-Aufgabe, aber Versand und Weiterleitung bleiben deterministische Workflow-Schritte, nicht dem Modell überlassen (siehe lex-guarded-agentic-loop). So bleibt die Strecke nachvollziehbar und steuerbar.

Beispiel-Schwellen

Signal	Punkte
Rolle: Geschäftsführung	+20
passende Unternehmensgröße	+15
Preisseite besucht	+15
Fallstudie geladen	+10
Termin angefragt	+50
60 Tage inaktiv	−20

→ ab 50 marketing-reif, ab 100 vertriebsreif.

Konkrete Anwendungen

KMU-Kunde (Pereta-ICP): Bei kleinen Lead-Mengen (unter etwa 50 im Monat) genügt eine einfache A-/B-/C-Einteilung — A ruft man in 48 Stunden zurück, B bekommt eine Nachfass-Mail, C läuft im Newsletter. Volles Scoring lohnt erst darüber.
Pereta-Vertrieb: Ein leichtgewichtiges Scoring markiert die reifen Kontakte für die persönliche Ansprache; die KI-Variante liest die Website des Leads und liefert den Fit-Score.
Modellpflege: Die Scores werden gegen echte Abschlüsse geprüft und nachjustiert.

Wann einsetzen?

Ab größeren Lead-Mengen — darunter ist die manuelle A-/B-/C-Einteilung effizienter.
Wenn der Vertrieb Zeit auf unreifen Kontakten verliert — Scoring lenkt die Aufmerksamkeit.
Mit KI-Unterstützung — für den Profil-Abgleich, bei deterministischem Routing.

Häufige Fehler

Zu viele Regeln. Über etwa 50 wird das Modell undurchschaubar, nicht präziser.
Nur aufwerten. Ohne negative Signale und Ergebnis-Abgleich misst das Scoring Aktivität statt Kaufkraft.
Routing der KI überlassen. Bewertung ja, aber Versand und Weiterleitung bleiben deterministisch.