Lead Scoring für kleine B2B-Teams: Erst eine nachvollziehbare Regel testen

Lead Scoring soll eine begrenzte Vertriebsentscheidung verbessern: Welche passenden Anfragen werden zuerst geprüft? Für ein kleines B2B-Team ist eine verständliche Regel ein guter Ausgangspunkt. Ein hoher Punktwert ist weder eine bestätigte Kaufabsicht noch eine gemessene Abschlusswahrscheinlichkeit.

Die folgende Bewertungsmatrix ist ein eigener Vorschlag mit fiktiven Fällen. Sie wird zunächst neben dem bestehenden Ablauf getestet. Automatische Ablehnungen und Kontaktversand gehören nicht zu diesem ersten Versuch.

Passung und Interesse getrennt beschreiben

Passung beantwortet, ob ein Angebot zum Unternehmen und zum Problem passt. Interesse beschreibt beobachtete Handlungen oder ausdrücklich genannte Absichten. Ein fachfremder Kontakt kann viele Inhalte lesen. Ein gut passendes Unternehmen kann wenig digitales Verhalten zeigen und trotzdem eine konkrete Anfrage stellen.

Ein einziger Summenwert kann diesen Unterschied verdecken. Deshalb werden im Beispiel zwei Dimensionen geführt. Die erste enthält bestätigte Merkmale zur Passung. Die zweite enthält dokumentierte Signale zum aktuellen Vorhaben. Fehlende Informationen bleiben unbekannt und werden nicht automatisch als schlechte Passung bewertet.

Vor dem Scoring wird der gewünschte nächste Schritt definiert: eine fachliche Erstprüfung durch den Vertrieb. Das ist ein anderes Ziel als ein gewonnener Auftrag. Ein Modell, das die Erstprüfung priorisiert, darf nicht als Vorhersage des späteren Umsatzes beschrieben werden.

Eine kleine Regel mit nachvollziehbaren Punkten

Die Punktwerte sind eine Hypothese. Sie stammen nicht aus einer statistischen Schätzung. Im ersten Test erhält eine Anfrage hohe Prüfpriorität, wenn mindestens zwei Passungspunkte und mindestens zwei Interessenpunkte belegt sind. Fehlt eine notwendige Information, geht der Fall in eine Klärliste.

Ein ausdrücklich unpassender Anwendungsfall wird getrennt gekennzeichnet. Er sammelt nicht durch viele Aktivitäten genug Punkte, um die fehlende Passung zu überdecken. Diese Grenze ist ein fachliches Ausschlusskriterium, keine negative Zahl, die beliebig mit Interesse verrechnet wird.

Vier Fälle gegen die Regel halten

C zeigt den Umgang mit Lücken: Die unbekannte Firmenzuordnung blockiert nicht automatisch eine konkrete fachlich passende Anfrage. D zeigt die andere Richtung: Gute Passung allein beweist keinen aktuellen Bedarf. Die Regel muss solche Fälle erklären können, bevor sie auf einen grossen Bestand angewendet wird.

Die Zuständigkeit wird unabhängig zugewiesen. Ein Score sagt nicht, welche Person den Fall übernimmt. Dafür braucht es eine Routingregel mit Ausnahmen. Eine hoch priorisierte Anfrage ohne Owner bleibt trotzdem unbearbeitet.

Gegen eine einfache Ausgangsregel testen

Als Vergleich dient im Beispiel die bisherige Reihenfolge nach Eingang. Beide Verfahren erhalten denselben abgegrenzten Testbestand und dieselbe Bearbeitungskapazität. Sonst ist ein besseres Ergebnis möglicherweise nur die Folge davon, dass mehr Fälle bearbeitet wurden.

Vor dem Test legt das Team fest, was als passende Erstprüfung gilt. Zwei Personen prüfen eine Auswahl unabhängig anhand derselben Kriterien. Uneinigkeit wird geklärt, bevor die Regel bewertet wird. Ein uneinheitliches Ziel lässt sich nicht durch genauere Punkte retten.

Im fiktiven Ergebnis enthalten die ersten zehn Fälle der bisherigen Reihenfolge vier fachlich geeignete Anfragen. Die ersten zehn nach Score enthalten sechs. Die beobachtete Trefferquote in dieser Auswahl beträgt damit 40 beziehungsweise 60 Prozent. Das ist ein kleiner Testbefund, kein Nachweis einer dauerhaft um 50 Prozent besseren Vertriebsleistung.

Prüfe zusätzlich, welche geeigneten Fälle nach hinten rutschen. Wenn der Score sechs gute Fälle früh findet, aber einen dringenden siebten wegen fehlender Firmendaten übersieht, ist diese Fehlerart für die Regel wichtig. Die Analyse braucht die konkreten falsch priorisierten und übersehenen Fälle, nicht nur eine Gesamtquote.

Entwicklung und Prüfung auseinanderhalten

Passe die Regel nicht so lange an dieselben zehn Fälle an, bis sie gut aussieht. Verwende einen Bestand für die Entwicklung und einen späteren, getrennten Bestand für die Prüfung. Der Prüfbestand enthält nur Informationen, die zum damaligen Priorisierungszeitpunkt bekannt waren.

Eine später gewonnene Deal-Phase darf nicht rückwirkend in die Eingangsbewertung einfliessen. Das ist Informationsleckage: Das Ergebnis steckt dann bereits in den Eingaben. Auch nachträglich ergänzte Budgetangaben können den Test verfälschen, wenn sie bei der ursprünglichen Anfrage noch fehlten.

Bei wenigen Fällen bleiben die Aussagen begrenzt. Es gibt keine allgemeine Mindestzahl, ab der jedes Scoring zuverlässig wird. Fallmischung, Fehlerkosten und die Stabilität der Kriterien zählen mit. Ein komplexeres Modell braucht einen nachgewiesenen Vorteil gegenüber der einfachen Regel, nicht nur mehr verfügbare Funktionen.

In HubSpot erst nach fachlicher Prüfung umsetzen

HubSpot bietet Scoring auf Basis von Eigenschaften und Ereignissen. Unterstützte Objekte und Scoretypen unterscheiden sich nach Hub und Tarif. Die hier entwickelte Matrix ist eine fachliche Regel und lässt sich zunächst tabellarisch testen; sie setzt keine bestimmte KI-Scoring-Funktion voraus.

Bei der Übertragung wird jeder Punkt auf eine tatsächlich verfügbare Eigenschaft oder ein belegtes Ereignis abgebildet. Ein Feld mit unzuverlässiger Pflege wird nicht allein durch die Aufnahme ins Scoring besser. Die Datenqualitätsprüfung geht der Automatisierung voraus.

Eine begrenzte Betriebsentscheidung treffen

Der erste Produktivschritt ist eine sichtbare Priorität neben dem bisherigen Arbeitsvorrat. Das Team dokumentiert Abweichungen und kann begründet anders entscheiden. Ein niedriger Score löscht keinen Kontakt und löst keine automatische Absage aus. Veraltete Signale werden nach einer festgelegten Regel erneut geprüft.

Die Abnahme lautet: Punkte pro Fall nachvollziehbar, Unbekanntes sichtbar, Vergleich bei gleicher Kapazität und übersehene geeignete Fälle ausgewertet. In einer CRM-Automatisierung ist das ein überprüfbarer Priorisierungsversuch. Eine höhere Abschlussquote bleibt eine gesondert zu prüfende Wirkung.

Quellenprüfung: 5. November 2026. Verlinkte Produktdokumentation belegt die ausdrücklich genannten Funktionen. Methoden, Tabellen und Rechenfälle sind eigene redaktionelle Vorschläge; fiktive Beispiele sind keine Kundenresultate.