Du kennst das Bild: Marketing präsentiert ein Scoring-Modell mit 18 Kriterien, der Vertrieb nickt freundlich, drei Monate später ignoriert ihn niemand mehr. Der Score steht zwar im CRM, aber die Vertriebler arbeiten nach Bauchgefühl. Warum? Weil das Scoring nie in den Workflow eingebunden war — und weil es Punkte für Dinge gab, die mit einem realen Kaufabschluss nichts zu tun hatten.
Ein Scoring funktioniert nur, wenn drei Bedingungen erfüllt sind: Die Kriterien sind aus realen Closed-Won-Daten abgeleitet. Die Übergabe ist im Workflow erzwungen. Und das Modell wird quartalsweise an der Realität nachjustiert. Dieser Guide zeigt dir, wie du genau das in HubSpot aufsetzt.
Ein belastbares Lead-Scoring trennt explizite und implizite Signale. Beide getrennt scoren, beide getrennt bewerten:
Explizit (Profil-Score): Was sagt der Lead über sich selbst aus? Branche, Unternehmensgröße, Funktion, Region. Diese Daten kommen aus Formularen, ICP-Anreicherung (Clearbit, Cognism) oder manueller Pflege.
Implizit (Verhalten-Score): Was tut der Lead? Webseiten-Besuche auf Pricing-Seiten, E-Mail-Klicks, Demo-Anfragen, Webinar-Teilnahmen. Diese Daten kommen aus HubSpot-Tracking und Marketing-Automation.
Der MQL entsteht aus einer UND-Logik: Profil-Score über Schwelle X UND Verhalten-Score über Schwelle Y. Nicht oder. Wer nur einen der beiden Scores hochrechnet, produziert entweder Tire-Kicker (nur Verhalten) oder kalte ICP-Adressen (nur Profil).
Der häufigste Anfänger-Fehler: Scoring-Kriterien werden im Workshop „aus dem Bauch" definiert. Das produziert ein Modell, das die Vermutungen des Marketings widerspiegelt — nicht die Realität deines Geschäfts.
Die saubere Methode:
Beispiel-Punkte-Tabelle aus einem realen B2B-KMU-Setup (vereinfacht):
| Kriterium | Punkte | Begründung aus Daten |
|---|---|---|
| Branche: Maschinenbau / Industrie | +20 | 60 % der Closed-Won kommen aus diesen Branchen |
| Unternehmensgröße: 50–500 MA | +15 | Sweet Spot, höchste Win-Rate |
| Funktion: Geschäftsführung / Vertriebsleitung | +25 | Buyer-Persona, Disqualifikation häufig bei Praktikanten |
| Pricing-Seite besucht | +20 | Starkes Kaufsignal in Closed-Won-Pfaden |
| Demo-Formular ausgefüllt | +30 | Höchstes Conversion-Signal |
| Webinar-Teilnahme | +10 | Mittelstarkes Engagement |
| E-Mail aus Newsletter geöffnet (letzte 30 Tage) | +5 | Schwaches Signal allein |
| Schwellenwert MQL | 60 | Aus Daten kalibriert: 80 % der Closed-Won hatten ≥60 |
Diese Tabelle ist dein Ausgangspunkt — und sie wird sich quartalsweise verschieben, wenn du sie an realen Daten weiterjustierst.
Ein Score ohne Workflow ist ein dekoratives Feld. Drei Workflows musst du in HubSpot aufsetzen, damit das Scoring tatsächlich Wirkung entfaltet:
Workflow 1: MQL-Erkennung und Übergabe. Wenn Profil-Score ≥ X UND Verhalten-Score ≥ Y, dann setze Lifecycle-Stage auf MQL, weise Owner zu (Round-Robin nach Region/Branche), erzeuge Task „Lead innerhalb von 8h kontaktieren".
Workflow 2: Reaktionszeit-Eskalation. Wenn MQL-Task länger als 12 Stunden offen ist, schick Reminder an Owner. Nach 24 Stunden Reminder an Sales-Manager. Nach 48 Stunden Re-Routing an anderen Vertriebler.
Workflow 3: Disqualifikations-Recycling. Wenn Vertrieb den Lead disqualifiziert (Pflicht-Property „Disqualifikationsgrund"), springt der Lead je nach Grund: Bei „Timing" auf Nurturing-Sequenz, bei „Budget" auf SMB-Track, bei „Falsche Branche" auf Marketing-Suppression-Liste.
Erst wenn diese drei Workflows greifen, ist das Scoring kein Karteileichen-Wert mehr, sondern operative Realität.
Ein Scoring ist nur so gut wie seine Trefferquote. Drei Reports sind dafür Pflicht:
Score-Verteilung pro Lifecycle-Stage: Wie sieht die Score-Verteilung von MQLs, SQLs und Closed-Won aus? Wenn der Median-Score von Closed-Won deutlich unter dem MQL-Schwellenwert liegt, ist deine Schwelle zu hoch — du verlierst Conversions. Liegt er weit drüber, ist die Schwelle zu niedrig — du flutest den Vertrieb mit unqualifizierten Leads.
MQL→SQL-Conversion nach Score-Bracket: Teile MQLs in Score-Brackets (60–70, 71–80, 81+). Wie hoch ist die SQL-Conversion-Rate je Bracket? Sind die Top-Brackets nicht messbar besser als die unteren, ist dein Modell nicht differenzierungsfähig.
Disqualifikationsgründe nach Score-Höhe: Bei welchen Scores werden welche Disqualifikationsgründe genannt? Wenn hohe Scores oft an „Falsche Branche" scheitern, ist dein Profil-Score-Modell verzerrt.
Diese Reports liefern die Daten für die quartalsweise Modell-Justierung. Ohne sie scort dein System auf Verdacht, nicht auf Evidenz.
HubSpot AI bietet seit 2024 Predictive Lead-Scoring als Feature. Es analysiert deine Closed-Won-Historie und schlägt einen Score vor, der maschinell trainiert ist. Sinnvoll oder nicht?
Sinnvoll, wenn: Du mindestens 500 Closed-Won-Deals der letzten 18 Monate hast und dein Geschäftsmodell stabil ist. Dann liefert das Modell eine zweite Sicht, die du parallel zum regelbasierten Score laufen lässt.
Nicht sinnvoll, wenn: Du unter 200 Closed-Won pro Jahr hast oder dein Geschäftsmodell sich gerade verschiebt. Predictive Scoring auf dünner Datenbasis ist Aberglauben mit ML-Etikett.
Empfehlung: Starte regelbasiert. Sobald die Datenbasis trägt, schalte Predictive parallel dazu — nicht als Ersatz, sondern als Vergleichswert. Wenn beide stark korrelieren, hast du Vertrauen ins Modell. Wenn sie auseinanderlaufen, lohnt sich eine Tieferanalyse.
„Wir scoren erst mal alles, dann sehen wir weiter." Das produziert ein Modell mit 30 Kriterien, die niemand mehr kalibrieren kann. Lieber mit 5 Kriterien starten und nachschärfen.
„Predictive Lead-Scoring lösen unsere MQL-Probleme." Tut es nicht. Predictive ersetzt keine geteilten Definitionen zwischen Marketing und Vertrieb. Es ist ein Werkzeug, kein Konsens-Lieferant.
„Wir lassen das Scoring laufen und schauen in 6 Monaten drauf." Modelle veralten. Ohne quartalsweise Justierung driftet das Scoring von der Realität weg — und der Vertrieb ignoriert es spätestens nach Quartal zwei.
„Wir bauen das Scoring nur in Marketing, der Vertrieb sieht es nur." Schlechter Ansatz. Wenn der Vertrieb keine Stimme bei den Kriterien hat, vertraut er dem Score nicht. Score-Workshops sind Marketing+Sales, nicht Marketing allein.
Wir bauen Lead-Scoring-Modelle für B2B-KMU mit 30–250 Mitarbeitenden — aus Closed-Won-Daten abgeleitet, in HubSpot-Workflows operationalisiert, mit quartalsweiser Justierung. Festpreis, 8 Wochen, beide Teams im Boot.
Nächster Schritt: Lead-Scoring-Audit anfragen — wir prüfen in 30 Minuten dein bestehendes Setup oder skizzieren ein Modell, falls noch keins steht.