Lead Scoring für lokale B2B-Leads: ein Punktesystem, das Sie in Excel oder Google Sheets bauen

Lead Scoring ordnet jedem Lead eine Punktzahl zu, damit Sie wissen, wen Sie zuerst kontaktieren. Für lokale B2B-Listen genügt ein 100-Punkte-Modell aus Passung, Bedarf, Erreichbarkeit und Engagement. Bewerten Sie zuerst die öffentlichen Angaben aus Maps-Eintrag und Website, ergänzen Sie Antworten später und bearbeiten Sie dann die Leads mit den höchsten Werten.

Was ist Lead Scoring, und funktioniert es für lokale Betriebe?

Lead Scoring ist ein Verfahren, das Interessenten mit Punkten bewertet, damit die vielversprechendsten zuerst bearbeitet werden. Für lokale Betriebe funktioniert es sehr gut, wenn die Punkte auf prüfbaren Merkmalen beruhen. Wikipedia beschreibt Lead Scoring als Vorgehen, bei dem potenzielle Kunden anhand einer Skala eingeordnet werden. Das Ergebnis bewertet die Kaufbereitschaft und legt fest, mit welcher vertrieblichen Priorität ein Kontakt bearbeitet wird.

Die englische Wikipedia unterscheidet zwei Datenarten. Explizite Daten stammen vom Interessenten oder über ihn, zum Beispiel Unternehmensgröße, Branche, Position oder Standort. Implizite Daten entstehen durch beobachtetes Verhalten: Website-Besuche, Whitepaper-Downloads, geöffnete und angeklickte E-Mails.

Bei lokalen Listen fällt diese Unterscheidung besonders ins Gewicht. Wer an SHK-Betriebe in Stuttgart, Zahnarztpraxen in Köln oder Kanzleien in Hamburg verkauft, hat von Anfang an explizite Daten und fast keine impliziten, denn keiner dieser Betriebe war bisher auf Ihrer Website. Ein Scoring, das auf Seitenaufrufen beruht, würde jedem von ihnen null Punkte geben.

Betrachten Sie Scoring deshalb als Prozess in zwei Schritten: zuerst die Fakten bewerten, dann Punkte nachtragen, sobald ein Lead antwortet, nachfragt oder einen Termin zusagt. Wenn Sie die Begriffe noch sortieren möchten, hilft der Beitrag zum Unterschied zwischen Lead, Interessent und Kunde.

Warum passen die meisten Ratgeber nicht zu Selbstständigen und kleinen Agenturen?

Weil sie für Marketingteams mit Website, Formularen und Automationssoftware geschrieben sind. Die Standardbeispiele belohnen den Besuch der Preisseite oder den Klick im Newsletter, und der Standardtipp lautet, das CRM mit einem Tool zu verbinden, das diese Ereignisse erfasst. Wer eine frisch exportierte Liste lokaler Firmen vor sich hat, besitzt nichts davon.

Dazu kommt ein zweites Problem. Das Modell „Lamb or Spam“ sortiert laut Wikipedia schwache Leads anhand privater E-Mail-Domains wie Gmail oder Yahoo aus und bevorzugt Firmendomains. Bei lokalen Betrieben kann diese Regel nach hinten losgehen: Die inhabergeführte Bäckerei oder das kleine Architekturbüro veröffentlicht oft eine kostenlose Adresse, und genau solche Betriebe sind häufig die Kunden, die Sie suchen.

Richten Sie Ihr Scoring deshalb an den Fragen aus, die Sie heute beantworten können:

• Ist das ein Betrieb der Art, an die ich verkaufe, in einem Gebiet, das ich bedienen kann?
• Zeigt er eine Lücke, die mein Angebot schließt?
• Erreiche ich einen echten Menschen, ohne zu raten?
• Hat er mir schon geantwortet?

Diese vier Fragen sind die vier Gruppen des Modells weiter unten. Falls Sie noch keine Liste haben, lesen Sie zuerst die Anleitung, wie Sie eine Datenbank potenzieller Kunden aufbauen, und kehren Sie dann hierher zurück.

Welches Lead-Scoring-Modell passt zu einer lokalen Kontaktliste?

Starten Sie mit einem regelbasierten Modell: Es braucht keine Vorgeschichte und steht an einem Nachmittag. Die anderen Ansätze werden erst sinnvoll, wenn genug abgeschlossene Geschäfte vorliegen. Die Tabelle vergleicht die vier Ansätze der englischen Wikipedia für ein kleines Team, das an lokale Betriebe verkauft.

Laut englischer Wikipedia werden prädiktive Modelle meist bevorzugt, wenn ein Unternehmen mit Mitarbeitern und Produkten wächst, weil sie neue Kundendaten laufend einlesen können. Für eine Einzelperson oder eine kleine Agentur ist das Zukunftsmusik. Ein Modell, das Sie auf einen Blick verstehen und in einer Minute ändern können, schlägt jede undurchsichtige Blackbox.

Wie baue ich in fünf Schritten ein 100-Punkte-Modell?

Beschreiben Sie Ihren Käufer, wählen Sie die Signale, vergeben Sie Punkte, legen Sie Stufen fest und prüfen Sie das Modell an echten Ergebnissen. Jeder Schritt ist klein, und das ganze Modell passt auf ein Tabellenblatt oder in benutzerdefinierte Felder eines CRM.

1. Käufer in einem Satz beschreiben. Branche plus Gebiet reichen, zum Beispiel unabhängige SHK-Betriebe im Raum Stuttgart. Das definiert die Passung.
2. Erkennbare Signale auflisten. Nutzen Sie den Maps-Eintrag, die Firmenwebsite und Ihre eigenen Kontaktnotizen. Streichen Sie alles, was Sie nur raten könnten.
3. Signale in vier Gruppen ordnen: Passung, Bedarf, Erreichbarkeit, Engagement. Geben Sie jeder Gruppe eine Obergrenze, damit kein einzelnes Signal alles dominiert.
4. Punkte und Stufen vergeben. Signale, die ein Gespräch ankündigen, erhalten mehr Punkte, nette Zusatzinfos weniger. Legen Sie dann fest, was jeder Punktebereich bedeutet.
5. An Ergebnissen prüfen. Haben die Leads mit den höchsten Werten nach einigen Dutzend Kontakten wirklich häufiger geantwortet? Wenn nicht, passen Sie die Gewichte an.

Die folgenden Gewichte sind ein Startpunkt. Sie sind für eine Agentur gedacht, die Webseiten- oder Reputationsleistungen für lokale Betriebe anbietet. Passen Sie die Signale an Ihr Angebot an.

Ein Rechenbeispiel: Ein beliebiger unabhängiger Sanitärbetrieb in Leipzig passt zu Ihrer Branche (15), liegt in Ihrem Gebiet (10), hat nur einen Standort (5), nennt im Eintrag keine Website (15) und hat eine E-Mail-Adresse (10) sowie eine Telefonnummer (5) veröffentlicht. Das sind 60 Punkte, bevor Sie überhaupt Kontakt aufgenommen haben. Antwortet der Betrieb, steigt er auf 70, fragt er nach dem Preis, auf 80. Das ist eine reine Rechenübung, kein realer Betrieb und keine Erfolgsstatistik.

In der Tabelle fehlen Ausschlusskriterien. Betriebe, die nicht mehr beworben werden wollen, dauerhaft geschlossen sind oder außerhalb Ihres Gebiets liegen, fliegen aus der Liste, ohne dass sie eine Punktzahl bekommen. Dafür genügt eine Ja/Nein-Spalte, die Sie als Erstes prüfen.

Welche Signale aus Google Maps eignen sich für das Scoring?

Bewerten Sie Signale, die Branche, Standort und Verbesserungspotenzial zeigen, und gehen Sie mit der Rezensionszahl vorsichtig um. In der Google-Hilfe zum lokalen Ranking steht, dass lokale Ergebnisse hauptsächlich auf Relevanz, Entfernung und Beliebtheit beruhen. Zur Beliebtheit zählt unter anderem die Zahl der Rezensionen: Je mehr Rezensionen und positive Bewertungen ein Unternehmen erhält, desto besser kann sein Ranking ausfallen.

Das sagt etwas darüber, wie Google Betriebe sortiert, aber wenig darüber, wer Ihre Leistung braucht. Eine Praxis mit mehreren hundert Rezensionen ist sichtbar, braucht aber womöglich am wenigsten Hilfe bei der Auffindbarkeit. Eine vergleichbare Praxis mit wenigen Rezensionen kann ein besserer Kandidat für Reputationsarbeit sein. Welches Signal zählt, hängt von Ihrem Angebot ab, daher sollten Sie die Gruppe „Bedarf“ in der Tabelle anpassen.

Google schreibt außerdem, dass lückenlose und ausführliche Unternehmensinformationen helfen, einen Eintrag passenden Suchanfragen zuzuordnen. Ein unvollständiger Eintrag kann darauf hindeuten, dass der Inhaber sein Profil nicht aktiv pflegt. Für Bedarf an lokaler Sichtbarkeit ist das nur ein schwaches Indiz, geben Sie ihm entsprechend wenige Punkte. Speichern Sie jede erfasste Angabe in einer eigenen Spalte, damit sich das Scoring automatisieren lässt.

Drei Faustregeln:

• Bewerten Sie Fakten, keine Eindrücke. Ein Website-Link ist da oder nicht, eine Telefonnummer ist veröffentlicht oder nicht.
• Das Signal muss zum Angebot passen. Für Webdesign zählt eine fehlende Website, für Reputationsarbeit eine geringe Rezensionszahl, für Buchhaltung meist keines von beiden.
• Deckeln Sie jede Gruppe. Maximaler Bedarf darf einen unerreichbaren Lead nicht nach oben ziehen, denn wen Sie nicht erreichen, dem können Sie nichts verkaufen.

Wie erfasse ich Engagement ohne Tracking-Software?

Bewerten Sie, was Sie von Hand festhalten können: Antworten, Rückfragen, vereinbarte Telefonate und Besuche. Das sind die impliziten Signale aus der Wikipedia-Definition, übersetzt in Dinge, die ein kleines Team ohne Pixel und Skripte in einer CRM-Notiz oder einer Spalte vermerkt.

Halten Sie die Engagement-Gruppe klein: Eine Antwort sagt mehr als jeder Klick. Im Modell oben bringt eine Antwort 10 Punkte, eine Preisfrage oder ein gebuchtes Gespräch weitere 10. Nach einem einzigen Gespräch kann ein Lead eine ganze Stufe aufsteigen. Das ist gewollt, denn der Score soll schnell auf menschliche Signale reagieren.

Bei langen Pipelines lohnt sich zusätzlich eine Verfallsregel. Ein Betrieb, der im Frühjahr einmal geantwortet und sich seitdem nie wieder gemeldet hat, ist im Herbst kein heißer Lead mehr. Ziehen Sie die Engagement-Punkte ab, wenn eine festgelegte Zahl von Tagen ohne Kontakt vergeht, und stufen Sie den Lead auf seinen Basiswert aus Passung und Bedarf zurück.

Wenn Sie Ihre Ergebnisse heute in einer Tabelle führen, zeigt die Vorlage für eine Lead-Tracking-Tabelle die Spalten und Phasen, die neben den Score gehören. Welche Zahlen Sie danach auswerten sollten, steht im Beitrag über die wichtigsten Vertriebs-KPIs.

Welche Aktion sollte jeder Punktebereich auslösen?

Jeder Bereich braucht eine eindeutige Aktion, sonst ist die Zahl nur Dekoration. Starten Sie mit drei Stufen. Die Grenzen sind Startwerte für das 100-Punkte-Modell oben und gehören angepasst, sobald Sie sehen, wer tatsächlich antwortet.

Prüfen Sie die Stufen monatlich an den Ergebnissen. Erzeugt die Stufe „Parken“ ebenso viele Antworten wie „Heiß“, trennt das Modell nicht. Ändern Sie dann die Signale, nicht die Schwellen. Bewerten Sie außerdem neu, sobald ein Lead die Phase wechselt.

Wo speichere ich den Score, damit er nützlich bleibt?

Speichern Sie ihn dort, wo auch der Lead liegt, damit Score, Kontakt und nächster Schritt in einem Datensatz stehen. Ein separates Tabellenblatt ist veraltet, sobald Sie einen Betrieb in einem anderen Tool bearbeiten.

Vonsel sammelt Google-Maps-Ergebnisse, während Sie die Karte durchsuchen, und besucht anschließend die verfügbaren Firmenwebsites, um veröffentlichte E-Mail-Adressen und weitere Telefonnummern zu finden. Was dabei herauskommt, hängt davon ab, was die jeweilige Website angibt. Die Betriebe landen auf einer Karte im CRM, wo Sie sie nach Phase ordnen, Details bearbeiten sowie Tags, Notizen, Aktionen und benutzerdefinierte Felder nutzen können. Ein benutzerdefiniertes Feld eignet sich für den Score, Tags für die Stufen. Wie die Extraktion abläuft, zeigt das Tutorial-Video, welche Leistungen die Pakete umfassen, steht auf der Preisseite.

Wie Scoring in Ihre Beschaffung passt, erklärt der Überblick zur Leadgenerierung mit den Schritten, die vor dem Score liegen.

Ändert ein hoher Score etwas daran, was ich senden darf?

Nein. Der Score entscheidet, wen Sie zuerst kontaktieren, nicht ob Sie es dürfen. In Deutschland regelt das § 7 UWG (Unzumutbare Belästigungen): Werbung per elektronischer Post ohne vorherige ausdrückliche Einwilligung des Adressaten gilt stets als unzumutbare Belästigung (Abs. 2 Nr. 2). Bei Telefonwerbung gegenüber sonstigen Marktteilnehmern, also auch Unternehmen, ist zumindest eine mutmaßliche Einwilligung nötig (Abs. 2 Nr. 1).

Die Ausnahme in Abs. 3 betrifft Ihre eigenen Kunden: Sie gilt nur, wenn Sie die Adresse im Zusammenhang mit einem Verkauf erhalten haben, ähnliche eigene Waren oder Dienstleistungen bewerben, der Kunde nicht widersprochen hat und klar auf sein Widerspruchsrecht hingewiesen wurde. Bauen Sie die Regel ins Modell ein: Wer widerspricht, wird unabhängig vom Score aus allen Listen genommen. Für personenbezogene Daten wie den Namen einer Inhaberin gilt zusätzlich die DSGVO, mehr dazu im Beitrag Cold E-Mail ohne Verstoß gegen die DSGVO. Das sind allgemeine Informationen, keine Rechtsberatung.

Welche Fehler lassen ein Lead-Scoring scheitern?

Vier Fehler richten den größten Schaden an, und alle vier lassen sich vermeiden.

1. Zu viele Signale. Zwanzig Kriterien pflegt niemand. Beginnen Sie mit zehn oder weniger.
2. Bewerten, was Sie nicht prüfen können. Geschätzte Betriebsgröße oder Budget erzeugen Scheingenauigkeit statt Information.
3. Gewichte nie überprüfen. Ein Modell, das nie mit Antworten verglichen wird, ist eine Vermutung in Tabellenform.
4. Dem Score blind folgen. Eine 45 mit Empfehlung eines Bekannten kann mehr wert sein als eine 75 ohne. Lassen Sie eine manuelle Korrektur zu.

Die Kurzfassung

• Lead Scoring macht aus einer langen Liste eine Arbeitsreihenfolge, indem es Passung, Bedarf, Erreichbarkeit und Engagement mit Punkten bewertet.
• Lokale Listen enthalten Fakten, aber kaum Verhaltensdaten. Bewerten Sie zuerst die öffentlichen Signale und ergänzen Sie Antworten, sobald sie eintreffen.
• Passen Sie die Bedarfssignale an Ihr Angebot an und lesen Sie die Rezensionszahl als Beliebtheit, nicht als Nachfrage.
• Verknüpfen Sie jeden Punktebereich mit genau einer Aktion, prüfen Sie ihn an den Ergebnissen und halten Sie Ausschlusskriterien wie den Werbewiderspruch konsequent ein.