Lead-Scoring mit Machine Learning
Lead-Scoring bewertet jeden Kontakt nach seiner Abschlusswahrscheinlichkeit, damit dein Vertrieb die aussichtsreichsten Anfragen zuerst bearbeitet.
Ausgangslage
Die Zeit im Vertrieb ist begrenzt. Werden alle Anfragen gleich behandelt, bleiben gute Leads liegen. Der Score legt außerdem fest, ab wann ein Lead vom Marketing an den Vertrieb übergeht.
Regeln oder Machine Learning
Klassisches Scoring vergibt Punkte nach festen Regeln, etwa für die Unternehmensgröße oder einen Besuch der Preisseite. Das ist transparent, aber grob. Ein Machine-Learning-Modell lernt aus gewonnenen und verlorenen Deals, welche Merkmale tatsächlich zählen. Fehlen genug historische Daten, starten wir regelbasiert.
Datenquellen
CRM-Daten wie Branche, Unternehmensgröße und bisherige Kontakte
Besuchte Seiten und Downloads, sofern eine Einwilligung vorliegt
Reaktionen auf Newsletter und Kampagnen
Der größte Hebel ist oft die Datenqualität im CRM. Wir prüfen und bereinigen sie vorab.
Nachvollziehbarkeit
Zu jedem Score zeigt das System die wichtigsten Einflussfaktoren. Er bereitet Entscheidungen vor und trifft sie nicht. Das ist auch wegen Artikel 22 DSGVO wichtig, der rein automatisierte Einzelentscheidungen einschränkt.
Umsetzung
Nach der Datenanalyse trainieren und validieren wir das Modell. Der Score landet direkt im CRM, etwa in HubSpot oder Salesforce. Regelmäßige Kontrollen zeigen, wann neu trainiert werden muss.
Fälle, in denen der Score danebenliegt, sammeln wir gemeinsam mit dem Vertrieb.