Lead-Scoring im B2B: Leads bewerten, ohne zu raten
Lead-Scoring ist die systematische Bewertung von Leads danach, wie gut sie zum idealen Kunden passen — damit der Vertrieb zuerst mit den richtigen spricht.
von Anita Suk · aktualisiert am
- Lead-Scoring gibt jedem Lead einen Wert (meist 0–100), der zeigt, wie gut er zum Ideal Customer Profile passt.
- Gute Modelle bewerten wenige, harte Kriterien: Branche, Firmengröße, Region und die Seniorität des Kontakts — plus echte Kaufsignale, wenn vorhanden.
- Der häufigste Fehler ist ein hoher Score auf dünner Datenbasis: Ohne Daten hinter den Kriterien ist der Score ein Phantom.
- Automatisch lohnt es sich, sobald mehr Leads reinkommen, als sich konsistent von Hand bewerten lassen.
Was ist Lead-Scoring?
Lead-Scoring ist die Methode, jedem Lead eine Punktzahl zu geben, die ausdrückt, wie gut er zum Wunschkunden passt. Statt dass im Vertrieb nach Bauchgefühl entschieden wird, wer zuerst angerufen wird, gibt es eine gemeinsame, nachvollziehbare Zahl.
Der Grund dahinter ist simpel: Vertriebszeit ist begrenzt, und nicht jeder Lead ist gleich viel wert. Ein Score sorgt dafür, dass die knappe Zeit auf die Leads mit der höchsten Passung fließt — und dass im Team derselbe Maßstab gilt.
Nach welchen Kriterien bewertet man Leads?
In den meisten B2B-Modellen tragen drei Gruppen von Kriterien:
Firmografische Merkmale — Branche, Firmengröße (Mitarbeiterzahl), Region. Passt das Unternehmen überhaupt ins Zielbild?
Der Kontakt — Rolle und Seniorität. Entscheidet oder initiiert diese Person den Kauf?
Echte Kaufsignale — sichtbares Interesse oder ein Auslöser (etwa eine neue Verantwortliche, eine Finanzierungsrunde, konkrete Aktivität). Diese sind am wertvollsten, aber nicht immer vorhanden.
Die wichtigste Regel: wenige harte Kriterien schlagen viele weiche. Ein überladenes Modell mit 20 Faktoren ist nicht präziser, es ist nur schwerer zu pflegen und zu verstehen.
Manuelles vs. automatisches Lead-Scoring
Von Hand zu scoren — in einer Tabelle oder über CRM-Tags — funktioniert, solange die Mengen klein sind. Es hat aber drei eingebaute Schwächen: Es ist subjektiv (zwei Personen im Vertrieb bewerten denselben Lead unterschiedlich), es veraltet schnell (niemand pflegt die Punkte nach), und es skaliert nicht (bei hunderten Leads bricht die Disziplin zusammen).
Automatisches Scoring nimmt dieselben Kriterien, wendet sie aber konsistent auf jeden Lead an — und aktualisiert sich, wenn neue Daten kommen. Die Faustregel: Sobald mehr Leads reinkommen, als sich konsistent von Hand bewerten lassen, oder sobald mehrere Personen zu unterschiedlichen Urteilen kommen, ist der Wechsel überfällig.
Der häufigste Fehler: ein Score ohne Datenbasis
Hier scheitern die meisten Modelle. Ein Lead kann 100 von 100 Punkten zeigen — obwohl nur zwei von vier Kriterien überhaupt Daten haben. Beispiel: „sitzt in der DACH-Region" und „Kontakt gehört zur Geschäftsführung" sind bekannt, aber Branche und Firmengröße fehlen. Das System rechnet mit dem, was es hat, und meldet einen Top-Lead.
In Wahrheit ist über diesen Lead fast nichts bekannt. Das ist kein guter Lead — das ist ein blinder Fleck mit einer hohen Zahl davor. Ein belastbares Lead-Scoring zeigt deshalb nicht nur den Score, sondern auch, wie vollständig die Daten dahinter sind. Ein Score von 80 auf vollständiger Datenbasis ist mehr wert als 100 auf halber.
…und so automatisiert GrowthKit das
GrowthKit bewertet jeden Lead automatisch gegen das hinterlegte Ideal Customer Profile — die Kriterien legt das Unternehmen einmal fest, nicht wir. Jeder Lead bekommt einen Score von 0–100 über vier Dimensionen: Branche, Firmengröße, Region und Seniorität des Kontakts.
Zu jedem Score liefert GrowthKit die Datenvollständigkeit mit — der Phantom-Score aus dem letzten Abschnitt wird also sofort sichtbar, statt dass ihm jemand hinterhertelefoniert. Und der Score bleibt nicht in einem Extra-Tool: Er steht da, wo das Team ohnehin arbeitet — im CRM. Die ganze Liste lässt sich auf einmal scoren, die Top-Leads auf Abruf ziehen.
→ Im Demo-Chat ausprobieren: GrowthKit nach den Top-Leads fragen und sehen, wie die Bewertung zustande kommt.
Glossar
- Lead-Scoring
- Systematische Bewertung von Leads nach Passung zum idealen Kunden, meist als Punktzahl 0–100.
- ICP (Ideal Customer Profile)
- Das Profil des Wunschkunden — die Kriterien, gegen die Leads bewertet werden.
- Datenvollständigkeit (Completeness)
- Anteil der Score-Kriterien, für die tatsächlich Daten vorliegen. Niedrige Vollständigkeit = unsicherer Score.
- Konfidenz
- Wie verlässlich eine Bewertung ist — hoch nur, wenn genug belastbare Daten dahinterstehen.
Häufige Fragen zu Lead-Scoring
GrowthKit Lead-Bewertung ausprobieren.
Den Demo-Chat starten und nach den Top-Leads fragen — inklusive Datenvollständigkeit hinter jedem Score.