Lead-Scoring

Lead-Scoring bewertet Leads anhand von Verhaltens- und Profil-Daten, um Vertriebs-Priorität zu steuern. Im B2B-Mittelstand mit längerem Sales-Zyklus besonders wirksam.

Was ist Lead-Scoring?

Lead-Scoring ist eine Methode zur quantitativen Bewertung von Leads, mit der Marketing- und Vertriebs-Teams entscheiden, welche Leads jetzt Vertriebs-Aufmerksamkeit verdienen und welche noch weiter genurturt werden müssen. Statt jeden Lead gleich zu behandeln, wird er anhand definierter Kriterien gewichtet und priorisiert.

Im B2B-Mittelstand mit langem Sales-Zyklus und begrenzter Vertriebs-Kapazität ist Lead-Scoring besonders wirksam — die Vertriebs-Zeit ist die teuerste Ressource, ihre Allokation an die richtigen Leads entscheidet über Pipeline-Wirkung. Ohne Lead-Scoring werden in vielen Mittelstands-Unternehmen Vertriebs-Stunden in nicht-passende Leads investiert, während wirklich kaufbereite Leads im Marketing-Funnel versanden.

Lead-Score-Komponenten — die zwei Bewertungs-Dimensionen

Klassisches Lead-Scoring kombiniert zwei strukturelle Dimensionen, die zusammen einen Gesamt-Score ergeben:

Demografische / firmografische Daten — passt der Lead zum ICP?

Firmen-Größe (Mitarbeiterzahl, Jahresumsatz)
Branche und Sub-Branche
Position des Leads (Geschäftsführer, Marketing-Leitung, Junior-Marketing)
Geografische Region (B2B-Mittelstand DACH? Rhein-Main? Wetterau?)
Unternehmens-Reife (etabliert vs. Startup)

Verhaltens-Daten — wie engagiert ist der Lead?

Page-Views (welche Seiten? Generic vs. Decision-Phase)
Inhalts-Downloads (Whitepaper, Case-Studies, Preislisten)
Webinar- oder Event-Teilnahmen
E-Mail-Klicks (Klick-Tiefe, Frequenz)
Wiederkehr-Frequenz (regelmäßiger Besuch = höhere Kauf-Wahrscheinlichkeit)
Aktive Interaktionen (Form-Submissions, Chat-Eröffnungen)

Jede Aktion und jedes Attribut erhält Punkte, die addiert werden. Ab einer Schwelle (typischerweise 50-70 Punkte auf 100er-Skala) gilt der Lead als Sales-Qualified-Lead (SQL).

Lead-Scoring im B2B-Mittelstand — drei pragmatische Prinzipien

1. Simpel starten: 5-10 Score-Signale reichen anfangs aus. Komplexere Modelle entstehen aus Erfahrung mit Daten, nicht aus Tool-Maximierung am Anfang. Wer mit 50 Signalen startet, ertrinkt in Daten ohne Steuerungs-Wirkung.

2. Mit Vertrieb abstimmen: Vertrieb muss den Score-Schwellenwert mittragen — sonst wird Marketing über SQL-Übergabe ignoriert. Marketing und Vertrieb müssen gemeinsam definieren, was einen „guten” Lead ausmacht.

3. Regelmäßig kalibrieren: wenn 80 Prozent der SQLs nicht konvertieren, stimmt das Scoring nicht. Quartalsweise Score-Modell-Reviews mit Vertriebs-Feedback sind Pflicht. Lead-Scoring ohne Kalibrierung wird mit der Zeit unbrauchbar.

Lead-Scoring-Methoden — drei Reife-Stufen

1. Manuelles Punkte-Scoring: einfache Punkte-Logik in CRM oder Tabellen. Beispiel: Geschäftsführer-Position +20 Punkte, Whitepaper-Download +10 Punkte, Demo-Anfrage +30 Punkte. Geeignet für Einstieg und Mittelstand ohne komplexe Marketing-Automation.

2. Regel-basiertes Automation-Scoring: Marketing-Automation-Tool wendet definierte Regeln automatisch an, aktualisiert Scores in Echtzeit. Reife-Stufe für Mittelständler mit etablierter Marketing-Automation.

3. Predictive Lead-Scoring: AI-basierte Modelle, die historische Konversions-Daten nutzen, um Lead-Scores algorithmisch zu berechnen. Reife-Stufe für höhere Marketing-Reife mit ausreichend Trainings-Daten.

Lead-Scoring-Anti-Muster im B2B-Mittelstand

Sechs typische Fehler, die Lead-Scoring unwirksam machen:

Zu komplexe Initial-Modelle: 50+ Signale werden gewichtet, ohne ausreichende Daten-Grundlage — Modell wirkt präzise, ist aber willkürlich
Demografische Daten überbewertet: hoher Score nur durch Firmen-Größe, ohne Verhaltens-Evidenz — produziert SQL ohne Kauf-Absicht
Verhaltens-Daten überbewertet: hoher Score durch Page-Views, obwohl Firma nicht zum ICP passt — produziert SQL ohne Geschäfts-Substanz
Keine Score-Aging: alte Leads behalten hohen Score, obwohl Interesse möglicherweise verflogen ist — Score muss über Zeit verfallen
Vertrieb nicht eingebunden: Marketing definiert Schwellenwert alleine — Vertrieb ignoriert SQL-Übergabe
Keine regelmäßige Kalibrierung: Score-Modell wird einmal definiert, nie wieder revidiert — verliert über Zeit Trennschärfe

Lead-Scoring und Marketing-Automation

Lead-Scoring entfaltet seine volle Wirkung in Verbindung mit Marketing-Automation: Leads unter SQL-Schwelle werden in automatisierte Nurture-Flows geleitet (relevante Inhalte, Webinare, Erinnerungs-Mails), Leads über Schwelle werden an Vertrieb übergeben. Ohne diese Verzahnung bleibt Lead-Scoring eine Bewertungs-Übung ohne operative Konsequenz.

Lead-Score-Aging und Re-Engagement

Im B2B-Mittelstand mit langen Sales-Zyklen entstehen oft „verstummte” Leads — hoher Score vor 6 Monaten, seitdem keine Aktivität. Sauberes Lead-Scoring berücksichtigt Score-Aging (Punkte verfallen über Zeit) und definiert Re-Engagement-Routinen (gezielte Reaktivierungs-Kampagnen für inaktive Leads mit ehemals hohem Score).

Was Lead-Scoring nicht ist

Lead-Scoring ist kein Ersatz für Vertriebs-Beziehungsarbeit. Es priorisiert Aufmerksamkeit — die eigentliche Konversion entsteht aus Gespräch, Vertrauen, Substanz. Wer Lead-Scoring als Vertriebs-Automatisierungs-Werkzeug missversteht, übersieht die menschliche Komponente im B2B-Verkaufs-Prozess.

Lead-Scoring ist auch kein statisches Tool. Sales-Zyklen verändern sich, Märkte verschieben sich, ICPs entwickeln sich. Score-Modelle müssen mit der Geschäfts-Realität mitwachsen — sonst werden sie zu Datenlärm, der Vertriebs-Effizienz mindert statt erhöht.

Häufige Fragen

Welche Daten fließen typischerweise ins B2B-Lead-Scoring?

Zwei Dimensionen werden kombiniert: erstens demografische und firmografische Daten — Firmen-Größe (Mitarbeiterzahl, Umsatz), Branche, Position des Leads, geografische Region. Zweitens Verhaltens-Daten — besuchte Seiten, Inhalts-Downloads, Webinar-Teilnahmen, E-Mail-Klicks, Wiederkehr-Frequenz. Beide werden gewichtet zu einem Score addiert. Im B2B-Mittelstand sind 5-10 Score-Signale anfangs ausreichend — Score-Komplexität entsteht aus Erfahrung, nicht aus Tool-Maximierung.

Ab welchem Lead-Score sollte ein Lead an den Vertrieb übergeben werden?

Der Schwellenwert hängt von Branche, Sales-Zyklus und Vertriebs-Kapazität ab — Faustregel: 50-70 Punkte (auf 100er-Skala) gelten typischerweise als SQL-Schwelle. Wichtiger als der absolute Wert: regelmäßige Kalibrierung. Wenn 80 Prozent der übergebenen SQLs nicht konvertieren, ist die Schwelle zu niedrig oder das Scoring-Modell falsch gewichtet. Wenn 80 Prozent der nicht-übergebenen Leads später eigenständig kaufen, ist die Schwelle zu hoch.

Welche Tools eignen sich für B2B-Lead-Scoring im Mittelstand?

Drei Tool-Klassen: erstens CRM-integriertes Scoring in HubSpot, Salesforce, Pipedrive — Standard für Mittelstand mit vorhandenem CRM. Zweitens Marketing-Automation-Plattformen wie Mautic (Open-Source), ActiveCampaign, Klaviyo — wenn Marketing-Automation-Bedarf besteht. Drittens spezialisierte Predictive-Lead-Scoring-Tools wie Madkudu oder Leadspace — für höhere Reife-Stufen mit AI-basiertem Scoring. Wer ohne CRM startet, sollte zuerst CRM-Disziplin aufbauen, dann Lead-Scoring nachziehen.