Entsprechend der bereits erwähnten Unterscheidung zwischen impliziten und expliziten Informationen wird auch implizites und explizites Scoring vorgenommen – beides fließt am Ende in das Scoring-Modell ein.
Explizites Scoring: Bewertung des Interessentenprofils
Das explizite Scoring beschäftigt sich mit den Kontaktinformationen bzw. dem Profil des Leads.
Relevante Informationen sind im B2C-Bereich soziodemografische Daten wie Alter, Geschlecht oder Wohnort. Im B2B-Bereich spielen hier z. B. die Position des Kontakts im Unternehmen, die Branche, der der das Unternehmen angehört, dessen Mitarbeiterzahl oder der zu erwartende Jahresumsatz eine Rolle. Jedes Unternehmen entscheidet selbst, welche expliziten Daten es für die Profilbewertung heranziehen möchte. Wichtig für das Scoring ist eine enge Zusammenarbeit von Vertrieb und Marketing. Gemeinsam legt man Faktoren fest, die den optimalen Kunden ausmachen.
Kategorien festlegen und gewichten
Aus diesen Überlegungen entsteht ein allgemeines Interessenten-Profil, dessen wichtigste Faktoren man dann bestimmt. Die einzelnen Kategorien – im folgenden Beispiel sind das Position, Branche und Mitarbeiterzahl – gewichtet man unterschiedlich, je nach Anforderungen des Unternehmens. Die Position des Mitarbeiters ist für unser Beispiel-Unternehmen der am stärksten gewichtete Faktor:
Kategorie | Gewichtung |
Position | 50 % |
Branche | 30 % |
Mitarbeiterzahl | 20 % |
Score-Punkte innerhalb der Kategorien verteilen
Im nächsten Schritt findet auch innerhalb der Kategorie eine Art Gewichtung statt. Dafür vergibt man sogenannte Score-Punkte. Wir nutzen ein Beispiel aus dem B2B-Bereich. In diesem Bereich erhält beispielsweise der CEO üblicherweise eine bessere Positionsbewertung als der Abteilungsleiter, der wiederum weit vor dem Praktikanten steht. Die maximale Anzahl an Score-Punkten ist in unserem Beispiel 10.
Kategorie Position | Score-Punkte |
CEO | 10 |
Abteilungsleiter Einkauf | 9 |
Mitarbeiter PR | 6 |
Empfang | 5 |
Praktikant | 1 |
Rating nach Übereinstimmung mit Idealprofil festlegen
Aus den einzelnen Gewichtungen und dem Scoring ergibt sich ein Idealprofil, das zu 100 Prozent mit dem optimalen Kunden, den man zu Beginn definiert hat, übereinstimmt. Am Ende gleicht man das Interessentenprofil mit dem Idealprofil ab – und berechnet die Übereinstimmung. Daraus ergibt sich wiederum ein Rating. In unserem Beispiel steht das Rating A für die höchste Übereinstimmung, das Rating D hingegen für die geringste.
Übereinstimmung mit Idealprofil | Rating |
> 75 % | A |
50–75 % | B |
25–50 % | C |
< 25 % | D |
Kontakte mit dem Rating A passen sehr gut in das erstellte Idealprofil und sind damit relevant für das Unternehmen. In unserem Beispiel ist das der CEO eines Unternehmens, das aus der passenden Branche stammt und die geeignete Größe (Mitarbeiterzahl) besitzt. Durch einen hohen Score in den drei relevanten Kategorien erfüllt er alle Kriterien in besonderem Maße und bekommt das Rating A.
Implizites Scoring: Bewertung des Nutzerverhaltens
Das implizite Scoring beschäftigt sich mit dem Verhalten der Interessenten, z. B. mit deren Reaktion auf Kontaktaufnahmen und Content-Marketing-Maßnahmen. Die Analyse und Bewertung des Verhaltens soll Aufschluss über den Grad des Interesses geben. Es gibt viele verschiedene Parameter, die helfen, eine Aussage darüber zu treffen, ob ein Kunde den erwünschtem „Reifegrad“ erreicht hat. Dazu gehören unter anderem Verweildauer, Besuche, Klicks, Downloads und Kontaktanfragen. Je mehr sich der potenzielle Kunde informiert und mit einem konkreten Produkt beschäftigt, desto kaufentschlossener ist er – der Download von Whitepapers und E-Books lässt z. B. auf ein konkretes fortgeschrittenes Interesse schließen.
Kategorien festlegen und gewichten
Wie schon bei den expliziten Nutzerdaten wählt man auch beim impliziten Scoring die fürs eigene Unternehmen relevanten Parameter. Für unser Beispiel bestimmen wir als Parameter die Anforderung eines Angebots, den Download eines E-Books, den Besuch der Landingpage und die Interaktion im Newsletter.
Kategorie | Gewichtung |
Anforderung Angebot über Kontaktformular | 55 % |
Download E-Book | 30 % |
Besuch Landingpage | 10 % |
Öffnen des Newsletters | 5 % |
Score-Punkte innerhalb der Kategorie vergeben
Andere Daten, gleiches Spiel: Auch bei den impliziten Daten erfolgt eine Gewichtung innerhalb der Kategorien. Für unser Beispiel ziehen wir die Besuche der Landingpage heran. Bewertet wird nach Aktualität und Häufigkeit. Die maximale Anzahl an Score-Punkten ist wieder 10.
Besuche der Landingpage | Score-Punkte |
2 innerhalb der letzten 7 Tage | 10 |
2 innerhalb der letzten 30 Tage | 5 |
1 im letzten Quartal | 1 |
Rating nach Übereinstimmung mit Idealprofil festlegen
Wie schon beim expliziten Scoring gleicht man nun die einzelnen Interessentenprofile mit dem Idealprofil ab und stellt den Grad der Übereinstimmung fest.
Ein sehr aktiver Interessent, der regelmäßig die Website besucht, bereits ein Angebot angefordert und ein E-Book heruntergeladen hat, stimmt zu einem hohen Maß mit dem Idealprofil überein, er erhält das Rating 1.
Übereinstimmung mit Idealprofil | Rating |
> 75 % | 1 |
50–75 % | 2 |
25–50 % | 3 |
< 25 % | 4 |