Lead Scoring 1×1: Methoden und Modelle für einen effizienteren Vertrieb
Wann, wie, wo und warum wird aus einem Interessenten ein Kunde? Lead Scoring hilft Unternehmen, die Wahrscheinlichkeit zu bestimmen, dass ein bestimmter Lead zu einem zahlenden Kunden wird. Wie kann man einen Lead Score berechnen, was brauchen Unternehmen dazu und welche Rolle spielt KI beim Lead Scoring? Alle Antworten auf die wichtigsten Fragen zum Lead Scoring finden Sie hier!
Lead Scoring: Wann wird ein Lead zum Kunden?
Lead Scoring ist eine Methode, um die Wahrscheinlichkeit zu bestimmen, dass ein bestimmter Lead zu einem zahlenden Kunden wird. Diese Methode ermöglicht es Unternehmen, ihre Vertriebsmaßnahmen zu priorisieren, indem sie sich auf die vielversprechendsten Leads konzentrieren.
Grundsätzlich funktioniert Lead Scoring über die Analyse historischer Daten. Hierbei werden Gemeinsamkeiten und Unterschiede zwischen denjenigen Leads und Kunden untersucht, die bereits Interesse am Unternehmen gezeigt haben. Aus diesen Erkenntnissen werden Faktoren abgeleitet, die zur Bewertung von Leads herangezogen werden. Diese Faktoren können variieren, aber einige häufig verwendete Kriterien sind:
- Demografische Informationen: Dazu gehören Alter, Geschlecht, Standort und andere demografische Merkmale, die einen Einblick in die Zielgruppe des Unternehmens geben. B2B-Unternehmen berücksichtigen Daten wie die Größe des Unternehmens, die Branche und die Art des Geschäfts, um relevante Leads zu identifizieren.
- Online-Verhalten: Das Verhalten auf der Website, wie die Anzahl der besuchten Seiten, heruntergeladene Angebote und die Häufigkeit der Interaktion.
- E-Mail-Engagement: Die Öffnungs- und Klickraten von E-Mails zeigen, wie aktiv ein Lead auf die Kommunikation des Unternehmens reagiert.
- Soziale Netzwerke: Die Interaktion eines Leads in sozialen Medien, wie das Teilen von Beiträgen oder das Klicken auf Links, kann Aufschluss über das Interesse geben.
Ein erfolgreiches Lead-Scoring-Modell berücksichtigt diese Faktoren und ermöglicht es Ihrem Vertriebsteam, die Leads mit dem höchsten Potenzial zu priorisieren und effizienter zu arbeiten.
Methoden zur Datensammlung im Lead Scoring
Ein aussagekräftiges Lead-Scoring-Modell muss verschiedene Datenpunkte möglichst realitätsnah gewichten, um ein hinreichendes Bild von der eigenen Zielgruppe zu bekommen. Die dafür notwendigen Daten und Informationen können aus folgenden Quellen gewonnen werden:
- Vertrieb: Ihr Vertriebsteam ist die direkte Schnittstelle zu den Leads. Es hat wertvolle Einblicke in die Art der Anfragen und Interaktionen, die sie von potenziellen Kunden erhalten. Indem Sie regelmäßig mit Ihrem Vertriebsteam sprechen, können Sie deren Meinungen und Erfahrungen nutzen, um wichtige Faktoren für das Lead Scoring zu identifizieren. Diese persönlichen Einschätzungen können in die Bewertung von Leads einfließen und das Modell verfeinern.
- Kunden: Wer weiß besser, was ihn zu seiner Entscheidung bewegt hat, als ein Kunde selbst? Bestehende Kunden können wertvolles Feedback darüber geben, was sie dazu gebracht hat, Ihre Kunden zu werden, und welche Faktoren für sie wichtig waren. Durch Befragungen oder Gespräche mit Kunden können Sie ihre Erfahrungen und Prioritäten besser verstehen. Durch qualitative Analysen lässt sich so ein Verständnis für den Zusammenhang und die Bedeutung bestimmter Merkmale gewinnen, um sie im späteren Lead-Scoring-Modell adäquat zu gewichten. Dies ermöglicht es Ihnen, die Bedeutung bestimmter Kriterien im Lead-Scoring-Modell zu gewichten.
- Analysen durchführen: Durch die Auswertung digitaler Vertriebskanäle können Sie Ihre Zielgruppe entlang unterschiedlicher Merkmale und Eigenschaften erfassen. Von der Auswertung digitaler Interaktionen, über die Analyse von individuellen Customer Journeys bis zur Erfassung von personenbezogen, demografischen und transaktionalen Daten. Die so gesammelten Daten bilden die Basis für die Bildung eines Lead-Scoring-Modells.
Lead Scoring: Risiken
Die Auswahl der Merkmale ist der komplizierteste Schritt im Lead Scoring und damit auch am anfälligsten für Fehler. Zwar lassen sich Daten zu allen möglichen Merkmalen sammeln, aber welche Merkmale für Ihren Fall relevant sind, ergibt sich nicht aus diesen Daten selbst. Daraus ergeben sich potenziell folgende Risiken:
- Sie wählen Merkmale aus, die gar nicht wirklich ausschlaggebend für die Entscheidung eines Leads sind, sondern nur zufällig korrelieren.
- Eine Merkmalshäufung kann auch das Ergebnis eines Bias bei einer Kampagne oder dem Aufsetzen eines Funnels sein – zum Beispiel, wenn unbemerkt Elemente der Botschaften integriert werden, die eine bestimmte Zielgruppe ansprechen oder eine andere Zielgruppe nicht erreichen.
- Auch die Aussagekraft einer Merkmalshäufung ist je nach Kontext limitiert. Wenn die oben genannte Häufung etwa in einem Online-Shop für Bartpflege aufgetreten wäre, hätte sie praktisch keinen Erklärungswert.
- Die Identifizierung von Merkmalen erfordert also Erfahrung im Lead Scoring und inhaltliche Expertise mit der Zielgruppe. Auch deshalb ist es entscheidend, verschiedene Quellen für die Sammlung von Daten zu nutzen. Mitarbeiter wie Kunden können wertvollen Kontext liefern, der in einem rein maschinell erzeugten Datensatz verloren geht.
Leadscore berechnen: So funktioniert es
Es gibt verschiedene Modelle, um Zielgruppen und ihre Eigenschaften und Aktionen ins Verhältnis zu einer möglichen Kaufentscheidung zu setzen. Das grundsätzliche Vorgehen ist aber bei allen Lead-Scoring-Modellen identisch.
- Konversionsrate berechnen: Die erste wichtige Metrik ist die Konversionsrate von Leads zu Kunden. Diese Rate errechnet sich aus der Anzahl der neu gewonnenen Kunden, geteilt durch die Anzahl der generierten Leads. Dies dient als Ausgangspunkt und Vergleichswert für Ihr Lead-Scoring-Modell.
- Potenzielle Merkmale identifizieren: Identifizieren Sie bestimmte Merkmale von Kunden, die Sie als hochwertige Leads betrachten. Diese Merkmale könnten sich auf Branchen, Unternehmensgröße, oder spezifische Handlungen beziehen, die potenzielle Kunden in der Vergangenheit ausgeführt haben. Die Auswahl dieser Attribute basiert auf Gesprächen mit Ihrem Vertriebsteam, Ihren Analysen und dem Wissen über Ihre Zielgruppe.
- Berechnung für jedes Merkmal: Ermitteln Sie die Abschlussraten für jede Art von Aktion oder für Personen, die diese Aktionen auf Ihrer Website durchführen. Dies ist entscheidend, da es die Grundlage für das eigentliche Scoring bildet. Sie müssen feststellen, wie viele Leads aufgrund der von ihnen ergriffenen Maßnahmen qualifizierte Leads und schließlich Kunden werden.
- Merkmale auswählen: Untersuchen Sie, welche Merkmale signifikant höhere Abschlussraten aufweisen als Ihre Gesamtabschlussrate. Entscheiden Sie, welchen Merkmalen Sie Punkte zuweisen möchten und bestimmen Sie die Anzahl der Punkte für jedes Merkmal.
Mehrere Merkmale: Logistisches Regression-Lead-Scoring:
Mit dem oben beschriebenen Verfahren lassen sich einzelne Merkmale ins Verhältnis zu ihrem Einfluss auf die Kaufentscheidung setzen. Allerdings treten Merkmale in der Realität nicht unabhängig voneinander auf, sondern in Zusammenhang mit anderen Merkmalen.
Um den Zusammenhang und das Zusammenspiel verschiedener Merkmale zu beschreiben, nutzen Leadscoring-Modelle das Verfahren der logistischen Regression.
Die logistische Regression erlaubt es, mehrere Merkmale gleichzeitig in das Modell aufzunehmen. Dies bedeutet, dass Sie eine breite Palette von Merkmalen analysieren können, um festzustellen, welche davon die Wahrscheinlichkeit beeinflussen, dass ein Lead zu einem Kunden wird. Statt einzelne Merkmale isoliert zu betrachten, können Sie alle relevanten Merkmale gleichzeitig analysieren. Gleichzeitig ist das statistische Verfahren leicht über eine Tabellenkalkulation wie Excel berechenbar, sodass Unternehmen auch ohne digitale CRM- und Vertriebslösung ihre Leads bewerten und ihre Strategien entsprechend ausrichten können.
Leadscoring mit CRM: Schneller, bessere Modelle entwickeln dank KI?
Lead Scoring zielt auf die mathematische Beschreibung eines menschlichen Entscheidungsfindungs-prozesses. Diese Prozesse sind notorisch komplex und bereits die Analyse eines einzelnen Merkmals im Rahmen des Lead Scorings ist nicht nur zeitaufwendig, sondern auch fehleranfällig. Mit jedem weiteren Merkmal steigt die Komplexität weiter an. Erschwerend kommt hinzu, dass es sich bei Lead-Scoring-Modellen eben immer nur um Modelle handelt – sie geben uns ein Bild, das uns hilft, die Realität besser zu verstehen, aber sie bilden nicht 1:1 diese Realität ab. Verschiedene Modelle können also zu unterschiedlichen Ergebnissen kommen und trotzdem beide einen Erklärungswert haben.
Für ein effektives Lead Scoring ist der Einsatz moderner Softwarelösungen wie der BSI Customer Suite daher äußerst sinnvoll. Unternehmen profitieren dabei unter anderem von den folgenden Features:
- Vollautomatisierte Bewertung von Leads: KI-Modelle in der BSI Customer Suite ermöglichen eine automatisierte Bewertung von Leads. Sie werden über sämtliche technischen und vertrieblichen Kanäle in eine zentrale Plattform überführt und können dort anhand vordefinierter Regelwerke und KI-Modelle bewertet werden. Diese automatisierte Score-Berechnung basiert nicht nur auf den klassischen Merkmalen, sondern kann auch durch Verhaltensdaten, beispielsweise aus dem Lead Nurturing, weiter verfeinert werden.
- Next Best Action: Abhängig vom Lead-Score, der Herkunft des Leads und weiteren Daten kann die BSI Customer Suite individuell für jeden Kunden die optimale Handlungsweise bestimmen. Dies kann etwa einfaches Lead Nurturing sein, bei dem der Lead in eine automatisierte Folgekampagne übergeht, oder der Lead wird an einen Lead Pool weitergeleitet, um manuell nachgefasst zu werden. Zusätzlich erkennt die KI mittels Reinforcement Learning den Erfolg jeder Next Best Action und optimiert sie kontinuierlich, um die Conversion Rate zu maximieren.
Fazit: Lead Scoring macht Marketing & Vertrieb effizienter
Lead Scoring hilft Ihnen dabei, Ihre Ressourcen im Marketing und Vertrieb auf die richtigen Ziele zu konzentrieren und so langfristig erfolgreicher zu sein. Doch Lead-Scoring ist keine exakte Wissenschaft und erfordert sowohl qualiativ hochwertige Daten als auch tragfähiger Modelle.
Wollen Sie Ihr Lead Scoring mit der BSI Customer Suite ausbauen und vereinfachen? Dann kontaktieren Sie uns jetzt für ein Gespräch mit unseren Experten!