Lead Scoring

Ziel der Lead Scorings ist die Qualifizierung von Kundendaten. Dies betrifft Neukunden wie Bestandskunden. Lead Scoring setzt an zwei Punkten an, bei der impliziten und expliziten Information[1]. Durch qualifizierte Daten sollen Vertrieb und Marketing verbessert werden.

Allgemeine Informationen zum Thema[Bearbeiten]

Je mehr Leads sich in einem Unternehmen ansammeln, desto größer ist die Gefahr, die Übersicht zu verlieren. Können die Daten nicht mehr zielgerichtet zugeordnet werden, gehen Potenziale verloren. Hier setzt Lead Scoring an: Meist wird dabei ein Punktesystem angewendet, um zu einer Qualifizierung der Daten zu kommen. Je höher der Punktestand, desto relevanter ist der Kunde für die Produkte oder Dienstleistungen eines Unternehmens.

Die oben erwähnten expliziten Informationen beziehen sich auf Daten wie das Geschlecht der Kunden, die berufliche Situation oder den Standort, an dem sie sich befinden. Von impliziten Informationen spricht man in Bezug auf das Kundenverhalten. Hier stehen Fragen im Raum wie die nach der Reaktionsfreudigkeit von Kunden auf Mails oder ihr Surfverhalten auf der Firmenwebsite. Implizite und explizite Informationen fließen in die Auswertung ein.

Die drei Säulen des Lead Scorings[Bearbeiten]

Lead Scoring kann nur funktionieren, wenn eine entsprechende Methodik entwickelt wird, um aus den gesammelten Daten brauchbare Ergebnisse zu machen. Dazu werden drei Säulen verwendet:

  • Menschen,
  • Prozesse und
  • Technologie

Der Bereich Mensch wird mit mindestens einem Spezialisten besetzt, der für die Kommunikation mit dem Marketing und dem Vertrieb zuständig ist. Er kümmert sich darum, dass nur qualifizierte Leads an den Vertrieb weitergegeben werden.

Gerade bei der Akquise scheitern viele Vertriebler immer wieder daran, unbrauchbare oder unpassende Daten zu erhalten, die nicht zum Kunden passen. Dies soll der Spezialist verhindern. Im Bereich Prozesse werden Definitionen der Leads festgelegt, die an das Marketing und den Vertrieb weitergereicht werden. Es wird definiert, welche Daten wichtig sind und wie diese eingeordnet werden. Der Bereich Technologie ist für die Installation von geeigneter Software zuständig, so dass die Verarbeitung und die Weitergabe aller Daten schnell und punktgenau realisiert werden kann[2].

Lead Scoring: Manuell, automatisch oder predictiv[Bearbeiten]

Bei der Einführung von Lead Scoring sind drei Wege denkbar. Gerade zu Beginn der Einführung und wenn Unternehmen keine großen finanziellen Ressourcen haben, kann der manuelle Weg ratsam sein. Diese Herangehensweise funktioniert nur, wenn möglichst früh mit der Datensammlung und -auswertung begonnen wird. Später ist der Übergang zur automatischen Datenpflege sinnvoll. Die entsprechende Software ist normalerweise nicht in der Lage, selbstlernend zu arbeiten, so dass die regelmäßige Pflege und Aktualisierung der aufgestellten Regeln manuell erfolgen muss. Die predictive Herangehensweise wertet zusätzliche Daten aus, sie ist zudem selbstlernend. Einbezogen werden nicht nur die impliziten und expliziten Daten, sondern darüber hinaus solche, die von Drittanbietern gewonnen werden können. Durch diese Daten wird nicht nur das Kundenverhalten auf der eigenen Website analysiert, sondern ein weitreichender digitaler Fingerabdruck erstellt[3].

Wenn die Datenmenge zunimmt, wir das manuelle Auswerten problematisch, zumal regelmäßige neue Faktoren hinzukommen, die für das Lead Scoring bedeutsam sind. Sind es zunächst nur Daten wie Alter oder Berufsstand des Kunden, kommen weitere hinzu:

  • Wann und wie bewegt sich der Kunde auf der Website, öffnet er Mails, liest und beantwortet sie?
  • Ist die Endung seiner Mail die eines privaten Anbieters oder (wie etwa gmail, gmx und so weiter) ist der Firmenname darin zu finden?

Aus all diesen und weiteren Daten lassen sich Erkenntnisse ziehen, der manuellen Nutzung sind hier jedoch Grenzen gesetzt. In diesen Fällen kommt man um die predictive Herangehensweise nicht herum.

Predictives Lead Scoring[4] unterscheidet sich von der herkömmlichen Methode lediglich durch die Nutzung moderner Technologien und automatisierter Auswertungen. Das erlaubt die Erstellung von umfassenderen Datensammlungen, zudem übernehmen intelligente Algorithmen das Sammeln, Aktualisieren und Auswerten der Daten.

Da nicht nur die Datenmengen, sondern auch die Auswertungsmöglichkeiten zugenommen haben und weiter zunehmen werden, läuft es darauf hinaus, dass die manuelle Arbeit mit Lead Scoring an Grenzen stoßen wird bzw. längst gestoßen ist. Das „Bauchgefühl“ mag funktionieren, wenn nur wenige Kriterien und Kunden vorhanden sind. Doch selbst kleinere Unternehmen setzen schon heute vermehrt auf das predictive Lead Scoring. Laut einer Studie von Accenture[5] hatte sich im Jahr 2014 im Vergleich zu 2009 die Anwendung von Datenanalysen verdreifacht. Dieser Weg scheint unumkehrbar. Dennoch kann es zwischen Datenanalyse und Bewertung zu falschen Annahmen kommen, wie das Unternehmen Pinterest gezeigt hat. Alleine aufgrund der Tatsache, dass Nutzer auf ihrem Profil Hochzeitsfotos posteten, leitete Pinterest her, die Betreffenden würden demnächst heiraten. Was jedoch nicht stimmte. Das blinde Vertrauen auf Datenanalysen ist daher nicht ratsam.

Bedeutung für das Online-Marketing[Bearbeiten]

Um den wachsenden Datenmengen gewachsen zu sein und zielführende Erkenntnisse daraus zu gewinnen, ist der Einsatz von Lead Scoring hilfreich. Die Tatsache, dass nicht nur große, sondern auch kleinere Unternehmen auf diese Methodik zurückgreifen, zeigt, dass die Notwendigkeit effizienter Datenauswertungen allgemein erkannt wird.

Einzelnachweise[Bearbeiten]

  1. Warum Sie Lead Scoring unbedingt einführen sollten blog.nettpress.de. Abgerufen am 14.03.2017
  2. Eloqua Grande Guide Lead Scoring blog.nettpress.de. Abgerufen am 14.03.2017
  3. Was Du bei der Einführung von Lead Scoring beachten solltest christianweisbrodt.de. Abgerufen am 14.03.2017
  4. Predictive Lead Scoring Marketing Automation crispycontent.de. Abgerufen am 14.03.2017
  5. Predictive Lead Scoring - der Blick in die Zukunft ist Gegenwart onlinemarketing.de. Abgerufen am 14.03.2017

Weblinks[Bearbeiten]