B2B Lead Scoring Modell erstellen: So priorisiert Vertrieb die richtigen Kontakte
Lead Scoring soll dem Vertrieb sagen, welcher Kontakt jetzt Aufmerksamkeit verdient. In vielen Unternehmen produziert es stattdessen eine Zahl, der niemand vertraut. Der Grund: Seitenaufrufe werden fleißig addiert, während Unternehmensgröße, Rolle, Timing und echte Kaufabsicht kaum vorkommen.
Ein Score ist nur dann wertvoll, wenn daraus etwas passiert
Bevor du Punkte verteilst, definiere die Entscheidung. Soll ein Kontakt automatisch an Sales übergeben werden? Soll ein bestehender Account priorisiert werden? Soll ein Lead zunächst in eine Nurture-Strecke? Oder geht es darum, unpassende Anfragen schneller auszusortieren?
Ohne klaren nächsten Schritt wird Lead Scoring zum Dashboard-Spiel. Eine Schwelle wie „ab 60 Punkten MQL“ hat keinen Wert, wenn niemand festlegt, wer übernimmt, wie schnell reagiert wird und wann der Kontakt wieder zurück ins Marketing geht.
Ein gutes Lead Scoring bewertet nicht, wer am meisten geklickt hat. Es priorisiert, wo Fit und Kaufinteresse gleichzeitig hoch sind.
Trenne Fit und Engagement
Eine einzelne Punktesumme versteckt wichtige Unterschiede. Ein perfektes Zielunternehmen ohne aktuelle Aktivität ist etwas anderes als ein sehr aktiver Kontakt aus einem Unternehmen, das du gar nicht bedienen kannst.
Baue deshalb zwei getrennte Dimensionen:
- Fit: Passt der Kontakt beziehungsweise das Unternehmen grundsätzlich zum Ideal Customer Profile?
- Engagement: Gibt es aktuelle Signale für Interesse, Bedarf oder Kaufabsicht?
Im CRM kannst du beide Werte zusätzlich zu einem Gesamtscore kombinieren. Für die operative Steuerung ist eine Matrix oft verständlicher: hoher Fit und hohes Engagement gehen direkt an Sales; hoher Fit und niedriges Engagement bleiben im Nurturing; niedriger Fit und hohes Engagement werden manuell geprüft; niedriger Fit und niedriges Engagement werden nicht priorisiert.
Schritt 1: Fit-Kriterien aus echten Abschlüssen ableiten
Beginne nicht mit einer generischen Vorlage. Nimm gewonnene, verlorene und disqualifizierte Deals der letzten Monate und suche nach Mustern. Welche Merkmale waren bei profitablen Kundinnen und Kunden tatsächlich vorhanden?
Mögliche Fit-Kriterien im B2B sind:
- Branche oder Geschäftsmodell,
- Unternehmensgröße oder relevante Teamgröße,
- Region und bedienbarer Markt,
- Rolle beziehungsweise Entscheidungseinfluss,
- technische Voraussetzungen oder bestehender Stack,
- Budgetkorridor und erwartetes Projektvolumen,
- konkreter Use Case.
Vergib hohe Punkte nur für Merkmale, die nachweislich mit guten Projekten zusammenhängen. „Unternehmen hat mehr als 50 Mitarbeitende“ klingt professionell, ist aber irrelevant, wenn deine besten Abschlüsse aus kleineren Spezialteams kommen.
Schritt 2: Engagement nach Intent gewichten
Nicht jede Aktivität bedeutet Kaufabsicht. Eine Newsletter-Öffnung ist ein schwaches Signal. Eine ausgefüllte Projektanfrage, eine Terminbuchung oder der wiederholte Besuch einer Leistungs- und Preisseite ist deutlich stärker.
Ordne Events deshalb nach Intent:
- Niedrig: Blogartikel gelesen, Social Ad geklickt, Newsletter geöffnet.
- Mittel: mehrere relevante Leistungsseiten besucht, Case angesehen, Leitfaden angefordert, Webinar besucht.
- Hoch: Kontaktformular gesendet, Termin gebucht, Preis- oder Angebotsseite wiederholt besucht, auf eine persönliche Sales-Mail geantwortet.
Die Punkte sollten diese Hierarchie abbilden. Wenn zehn E-Mail-Öffnungen mehr zählen als eine konkrete Terminanfrage, optimiert das Modell auf Aktivität statt auf Kaufnähe.
Schritt 3: Negative Signale einbauen
Viele Scores kennen nur Pluspunkte. Dadurch steigt jeder aktive Kontakt irgendwann nach oben – selbst Studierende, Jobsuchende, Wettbewerber oder Anfragen außerhalb des bedienbaren Marktes.
Sinnvolle negative Kriterien können sein:
- private oder offensichtlich unpassende E-Mail-Domain, sofern das im Geschäftsmodell relevant ist,
- Rolle ohne Bezug zur Kaufentscheidung,
- Region außerhalb des Angebots,
- mehrfaches Öffnen ohne weiterführende Aktion über einen langen Zeitraum,
- explizite Absage oder kein aktueller Bedarf,
- Spam, falsche Kontaktdaten oder nicht bedienbarer Use Case.
Setze harte Ausschlussregeln dort ein, wo ein Lead objektiv nicht bearbeitet werden soll. Nutze Minuspunkte bei Signalen, die lediglich die Priorität reduzieren. Das verhindert, dass ein ansonsten guter Kontakt wegen eines einzelnen Merkmals komplett verschwindet.
Schritt 4: Zeit in das Modell einbauen
Ein Websitebesuch von gestern ist relevanter als derselbe Besuch vor sechs Monaten. Engagement-Punkte sollten deshalb mit der Zeit sinken. Viele CRM-Systeme unterstützen einen automatischen Score Decay; alternativ kannst du Zeitfenster direkt in den Regeln definieren.
Fit verändert sich dagegen langsamer. Branche oder Unternehmensgröße müssen nicht wöchentlich neu bewertet werden. Trenne beide Logiken auch hier. Sonst verfällt ein grundsätzlich wertvoller Account nur deshalb, weil gerade keine Kampagne aktiv war.
Ein einfaches Startmodell
Du brauchst zum Start keine 40 Regeln. Ein illustratives Modell kann mit wenigen klaren Kriterien arbeiten:
- bis zu 50 Fit-Punkte für Branche, Größe, Region, Rolle und Use Case,
- bis zu 50 Engagement-Punkte für relevante Seiten, Formulare, Meetings und Sales-Reaktionen,
- negative Punkte oder Ausschluss bei unpassender Region, Spam oder klarer Nicht-Zielgruppe,
- zeitlicher Verfall für ältere Interaktionen.
Die Zahlen sind kein Benchmark, sondern ein Startpunkt. Entscheidend ist die relative Gewichtung. Eine Demo- oder Terminanfrage muss stärker zählen als ein leichter Touchpoint. Ein klarer Nicht-Fit darf nicht durch zehn Newsletter-Öffnungen kompensiert werden.
Schritt 5: Schwellenwerte mit Aktionen verbinden
Definiere für jede Score-Stufe einen konkreten Prozess:
- Niedrige Priorität: Kontakt bleibt in einer passenden Nurture-Strecke.
- Mittlere Priorität: Marketing prüft Datenqualität, ergänzt fehlende Informationen oder spielt vertiefenden Content aus.
- Hohe Priorität: Sales erhält Aufgabe und Kontext mit fester Reaktionszeit.
- Disqualifiziert: Grund wird dokumentiert; der Kontakt wird aus unpassenden Sales-Abläufen entfernt.
Das schnelle und dennoch persönliche Nachfassen ist ein eigener Prozess. Wie du ihn aufbaust, findest du im Artikel Lead-Follow-up automatisieren.
Kampagnenquelle als Kontext, nicht als Qualitätsurteil
Für die Auswertung sollte das CRM wissen, aus welcher Kampagne ein Kontakt stammt. Quelle und Creative helfen zu verstehen, welche Botschaften nicht nur Leads, sondern passende Leads erzeugen. Sie sollten den Score aber nur dann direkt verändern, wenn historische Daten einen stabilen Zusammenhang mit Qualität zeigen.
Damit diese Informationen zuverlässig ankommen, brauchst du ein einheitliches Tracking. Im Beitrag UTM-Parameter für Meta und Google Ads richtig nutzen zeige ich das passende Naming-System und die Übergabe bis ins CRM.
Gerade bei Paid Social verhindert diese Rückmeldung, dass Kampagnen ausschließlich auf günstige Formulare optimiert werden. Die Verbindung zum Werbekonto erkläre ich außerdem in Meta Ads Leadgenerierung verbessern.
Schritt 6: Das Modell gegen Realität testen
Bevor du Automationen aktivierst, lasse historische Kontakte durch das Modell laufen. Werden gewonnene Deals überwiegend als guter Fit erkannt? Welche verlorenen oder unqualifizierten Leads landen fälschlich oben? Welche Kriterien dominieren den Score?
Prüfe anschließend im laufenden Betrieb mindestens:
- Anteil qualifizierter Leads je Score-Stufe,
- Termin- und Angebotsquote,
- Abschlussquote und durchschnittlicher Auftragswert,
- Zeit bis zum Erstkontakt,
- Gründe für Disqualifizierung,
- Leads, die Sales trotz hohen Scores zurückweist.
Wenn Sales die hoch bewerteten Leads regelmäßig ablehnt, ist das kein Vertriebsproblem, das man wegmoderieren sollte. Es ist ein Signal, dass Kriterien, Datenqualität oder gemeinsames Verständnis nicht stimmen.
Typische Fehler im B2B Lead Scoring
- Zu viele Regeln zum Start: Niemand kann erklären, warum ein Lead oben steht.
- Nur Engagement bewerten: Aktive Nicht-Zielgruppen verdrängen passende Accounts.
- E-Mail-Öffnungen überbewerten: Sie sind technisch und inhaltlich ein schwaches Signal.
- Keine negativen Kriterien: Punkte wachsen endlos.
- Kein zeitlicher Verfall: alte Aktivität wirkt wie aktueller Bedarf.
- Schwellenwerte ohne Prozess: Der MQL-Status ändert sich, aber niemand reagiert.
- Kein Feedback von Sales: Das Modell lernt nie aus tatsächlichen Gesprächen und Abschlüssen.
Die technische Umsetzung ist der zweite Schritt
HubSpot unterscheidet in seiner aktuellen Dokumentation ebenfalls zwischen Fit Scores auf Basis von Eigenschaften, Engagement Scores auf Basis von Events und kombinierten Scores. Möglich sind dort unter anderem positive und negative Punkte, Gruppenlimits, Schwellenwerte und zeitlicher Verfall. Die konkrete Oberfläche ist hilfreich – aber das Modell sollte zuerst fachlich stehen.
Die offizielle Anleitung findest du unter Lead Scores für Kontakte, Unternehmen und Deals erstellen. Dasselbe Grundprinzip lässt sich auch in anderen CRM-Systemen abbilden: Fit, Intent, Zeit und klare nächste Schritte.
Mein Fazit
Ein belastbares B2B Lead Scoring beginnt nicht bei Punkten, sondern bei der gemeinsamen Definition eines guten Leads. Trenne Fit und Engagement, arbeite mit negativen Signalen und Zeitverfall, verbinde Schwellenwerte mit echten Prozessen und gleiche das Modell regelmäßig mit gewonnenen und verlorenen Deals ab. Dann wird aus einer abstrakten Zahl eine Priorisierung, mit der Marketing und Vertrieb wirklich arbeiten können.