AI-Modell zur Lead-Priorisierung aufbauen: 5 Schritte
Wie baut man ein AI-Modell zur Lead-Priorisierung auf?
Ein Modell zur Lead-Priorisierung braucht vier Bausteine: mindestens 200 abgeschlossene Deals mit Ausgang, drei klar definierte Score-Achsen, eine Rückmeldeschleife im CRM und drei Handlungsstufen statt feiner Punktwerte. Wer weniger Daten hat, startet regelbasiert und schaltet später um. Im SnapSite-Pilot 2026 sank die Sales-Zeit pro qualifiziertem Lead um 41 Prozent.
- 01
Zieh die historischen Abschlüsse zusammen
Mindestens 200 abgeschlossene Deals mit Quelle, Branche, Volumen, Zeit bis Abschluss und Ausgang. Wichtig sind auch die verlorenen Deals, weil das Modell sonst nur lernt, wie Gewinner aussehen. Ohne die Verlierer entsteht ein Score, der alles für heiß hält.
- 02
Definier drei Achsen und nicht mehr
Passung zum Idealkunden, Kaufabsicht im aktuellen Verhalten, zeitliche Nähe der Entscheidung. Jede weitere Achse erzeugt Schein-Präzision, die niemand im Vertrieb interpretieren kann. Drei Achsen lassen sich in einem Satz erklären, und genau das entscheidet über die Akzeptanz.
- 03
Trenn starke von schwachen Signalen
Besuche auf Preis- und Case-Seiten, Antworten mit Substanz im Formular und Reaktionen auf Sales-Sequenzen sind stark. Newsletter-Öffnungen und Social-Likes sind schwach und verwässern den Score. Diese Trennung gehört ins CRM-Datenmodell, nicht in eine Excel-Spalte.
- 04
Reduzier auf drei Handlungsstufen
Heiß bedeutet Kontakt heute, warm bedeutet Nurturing, kalt bedeutet Re-Engagement oder Archiv. Ein Score von 73 sagt niemandem, was zu tun ist. Der Wert eines Modells zeigt sich in der Handlung, die es auslöst, nicht in seiner Auflösung.
- 05
Schließ die Rückmeldeschleife
Jeder gewonnene und jeder verlorene Deal fließt zurück ins Modell, automatisch aus dem CRM. Ohne Schleife friert der Score auf dem Trainingsstand ein und veraltet mit jedem Marktwechsel. Setz eine monatliche Prüfung der Trefferquote fest an.
Im SnapSite-Pilot 2026 sank die Sales-Zeit pro qualifiziertem Lead um 41 Prozent, bei leicht erhöhter Abschlussquote.
Pilot über zwei B2B-Dienstleister mit jeweils 200 bis 400 Leads pro Monat, Januar bis April 2026.
- Was kostet der Aufbau eines Lead-Scoring-Modells?
- Der Modellteil ist der kleinere Aufwand. Teuer ist die Datenarbeit: Deals nachträglich sauber kategorisieren, Signale im CRM sauber erfassen, die Rückmeldeschleife automatisieren. Rechne damit, dass zwei Drittel des Aufwands vor dem ersten Training liegen. Wer die Datenarbeit überspringt, zahlt sie später doppelt, weil das Modell auf falschen Kategorien lernt. Den konkreten Rahmen klären wir nach einem Briefing-Call.
- Wie lange dauert es, bis das Modell nutzbar ist?
- Mit sauberen historischen Daten ist eine erste nutzbare Version in vier bis sechs Wochen fertig. Danach braucht es zwei bis drei Monate laufenden Betrieb, bis die Trefferquote belastbar beurteilt werden kann. Wer früher urteilt, urteilt über Zufall, weil die Stichprobe zu klein ist. Lege vorher fest, ab welcher Trefferquote der Vertrieb dem Score folgen soll.
- Wann ist regelbasiertes Scoring die bessere Wahl?
- Unter etwa 200 historischen Deals oder bei stark schwankendem Angebot. Ein Regelwerk mit fünf bis acht Kriterien ist dann transparenter und schneller angepasst als ein Modell. Es hat einen weiteren Vorteil: Der Vertrieb versteht sofort, warum ein Lead heiß ist. Der Umstieg auf ein Modell lohnt sich, sobald die Regeln ständig nachjustiert werden müssen.
- Welche Voraussetzungen braucht das CRM?
- Ein Feld für den Ausgang jedes Deals, saubere Zeitstempel und eine Trennung starker von schwachen Signalen. Dazu eine Schnittstelle, damit der Score zurückgeschrieben werden kann. Datenschutzseitig gilt: Scoring auf personenbezogene Daten braucht eine Rechtsgrundlage und Transparenz gegenüber den Betroffenen. Das gehört vor den Aufbau, nicht danach. Ohne Schreibweg zurück ins CRM landet der Score in einem Report, den niemand öffnet.
- Was ist der häufigste Fehler beim Lead-Scoring?
- Das Modell wird einmal gebaut und nie nachtrainiert. Nach sechs Monaten ohne Rückmeldeschleife ist es wertlos, weil sich Markt, Botschaft und Zielgruppe verschoben haben. Der zweite häufige Fehler ist zu feine Auflösung: Zehn Score-Stufen führen dazu, dass der Vertrieb den Score ignoriert und wieder nach Eingangszeit arbeitet. Drei Stufen, drei Handlungen, fertig. Alles darüber ist Statistik für die Wand.
SnapSite baut Lead-Priorisierung im CRM, nicht daneben. Datenmodell, Score-Achsen und Sales-Workflow entstehen zusammen, damit der Score eine Handlung auslöst und keine Zahl bleibt.
Wer die eigene Pipeline nach Kaufwahrscheinlichkeit sortieren will, kann den Aufbau im Projekt-Gespräch klären.
Projekt besprechen