Lead-Scoring für lokale Leads: Das Playbook 2026

Sie haben 10.000 lokale Geschäftskontakte in einer Tabelle. Namen, E-Mails, Telefonnummern, Google-Bewertungen – das volle Paket. Was nun?

Das Telefon abheben und anrufen? Hoffen, dass einer von ihnen konvertiert? So gehen die meisten Menschen vor. Und genau deshalb konvertieren 79 % der Marketing-Leads nie (Landbase, 2025). Sie verschwenden Zeit mit Leads, die nicht wichtig sind, während sie die ignorieren, die dringend Ihre Hilfe benötigen.

Lead-Scoring behebt das. Es ist ein System, das Leads basierend auf konkreten Daten numerische Werte zuweist, sodass Sie genau wissen, wen Sie zuerst anrufen sollten. Kein Raten. Kein Zufall. Datengetriebene Priorisierung.

Das Problem? Die meisten Lead-Scoring-Leitfäden wurden für SaaS-Unternehmen geschrieben, die E-Mail-Öffnungen und Website-Besuche verfolgen. Völlig nutzlos, wenn Sie lokale Unternehmen über Google Maps akquirieren. Sie haben keine Verhaltensdaten. Sie haben etwas Besseres – öffentliche Signale, die tatsächlich vorhersagen, wer jetzt Hilfe benötigt.

Dieser Leitfaden behandelt, wie Sie ein Lead-Scoring-System aufbauen, das speziell für lokale Leads funktioniert. Reelles Framework. Reelle Beispiele. Reelle Ergebnisse.

---

Warum Lead-Scoring für die meisten lokalen Unternehmen fehlschlägt

Lassen Sie mich mit dem beginnen, was nicht funktioniert.

Ein Klempner in Denver zieht 8.000 Restaurant-Leads von Google Maps. Sein CRM ist leer – keine Seitenaufrufe, keine Formularübermittlungen, keine E-Mail-Öffnungen. Nur Geschäftsnamen, Kontaktdaten und Google-Bewertungen. Er hat null Verhaltensdaten.

Standard Lead-Scoring-Ratschläge sagen: Verfolgen Sie das Engagement. Überwachen Sie, wer Ihre E-Mails öffnet. Sehen Sie, wer Ihre Preisseite besucht. Achten Sie auf Formularübermittlungen. Schöner Rat. Völlig nutzlos in diesem Szenario, da keiner dieser Personen seine Website besucht hat. Er akquiriert kalt.

Also macht er, was die meisten Menschen tun. Er behandelt alle 8.000 Leads gleich. Ruft sie der Reihe nach an. Verschwenden Sie Wochen mit Unternehmen, die seine Dienste nicht benötigen. Verpasst die mit 2-Sterne-Bewertungen und defekten Websites – die, die aktiv leiden und bereit sind zu kaufen.

Das eigentliche Problem: Traditionelles Lead-Scoring ist für Inbound-Marketing konzipiert. Es geht davon aus, dass Sie Verhaltenssignale haben. Lokales Lead-Scoring muss stattdessen mit öffentlich verfügbaren Daten arbeiten.

Hier sind die Daten:

• Nur 27 % der Leads, die an Vertriebsteams gesendet werden, sind tatsächlich qualifiziert (Landbase, 2025)
• 98 % der marketingqualifizierten Leads werden nie zu Deals (Martal)
• Unternehmen, die Lead-Scoring verwenden, erzielen 138 % ROI im Vergleich zu 78 % für diejenigen, die es nicht tun

Diese letzte Zahl ist der Hammer. Fast doppelte Rendite. Und doch kümmern sich nur 44 % der Organisationen überhaupt um die Implementierung von Lead-Scoring.

Die, die es tun? Sie raten nicht. Sie priorisieren basierend auf Signalen, die wichtig sind.

---

Die drei Dimensionen des lokalen Lead-Scoring

Sie benötigen keine vierzehn Kriterien und gewichteten Durchschnitte. Das bricht nach der zweiten Woche zusammen. Was Sie brauchen, ist ein einfaches Framework, das sich um drei Fragen dreht:

1. Fit – Ist dieses Unternehmen überhaupt ein potenzieller Kunde?
2. Interesse – Wie digital reif sind sie?
3. Dringlichkeit – Brauchen sie jetzt Hilfe?

Jede Dimension wird unabhängig bewertet. Addieren Sie sie. Sie haben Ihre Lead-Punktzahl.

Dimension 1: Fit Score

Fit beantwortet eine Frage: Sollten Sie überhaupt mit diesem Unternehmen sprechen?

Ein freiberuflicher Texter, der Webdesign-Dienstleistungen verkauft, hat null Gründe, eine Anwaltskanzlei mit einer maßgeschneiderten Website und einem internen Marketingteam anzurufen. Das passt nicht. Der Fit Score eliminiert offensichtliche Fehlanpassungen, bevor Sie Zeit verschwenden.

Fit-Scoring-Signale:

Signal	Punkte
Branche passt zu Ihrem ICP	+20
Preisspanne $$-$$$ (zeigt Budget an)	+10
Liegt in Ihrer Zielregion	+15
Minimale Mitarbeiterzahl (falls verfügbar)	+10

Beispiel: Sie verkaufen Social Media Management an Restaurants. Sie zielen auf mittelgroße Betriebe in Austin, Texas ab.

• Restaurantkategorie: +20
• Preisspanne $$ (Mittelklasse): +10
• Liegt in Austin: +15
• Fit Score: 45 Punkte

Das ist Ihre Basislinie. Wenn ein Unternehmen nicht mindestens 35-40 Punkte im Fit erreicht, hören Sie hier auf. Verschwenden Sie die nächsten beiden Dimensionen nicht an jemanden, der kein echter Interessent ist.

Dimension 2: Interest Score

Interesse misst die digitale Reife. Ein Unternehmen, das bereits Geld für Marketing ausgibt, versteht den Wert. Sie sind einfacher zu verkaufen als jemand, der alles offline abwickelt.

Interest-Scoring-Signale:

Signal	Punkte
Hat eine Website	+10
E-Mail verfügbar und zugänglich	+15
Aktive Facebook-Seite	+5
Aktives Instagram-Konto	+5
Ad-Pixel auf der Website erkannt	+20
Kontaktformular auf der Website	+5
Google Business-Profil beansprucht	+10

Was passiert hier? Sie identifizieren Unternehmen, die bereits „digital“ sind. Sie haben in Infrastruktur investiert. Sie verstehen ROI. Sie haben bewiesen, dass sie bereit sind, Geld für Geschäftswerkzeuge auszugeben.

Ein Restaurant mit einer Website, aktivem Instagram und einem funktionierenden Kontaktformular (+10+5+5) erzielt 20 Punkte im Interesse. Sie sind digital bewusst. Sie können über Analytik, Tracking, Reporting sprechen – sie werden Sie nicht ansehen, als würden Sie Marsianisch sprechen.

Vergleichen Sie das mit einem Restaurant ohne Website, ohne soziale Medien, ohne Kontaktformular. Sie erzielen 0 Punkte im Interesse. Der gleiche Pitch an sie? Fällt wahrscheinlich flach. Sie benötigen zuerst Bildung, dann einen Verkauf. Ganz andere Unterhaltung.

Interest Score Beispiel:

Restaurant mit Website (+10), E-Mail verfügbar (+15), aktive Facebook (+5), Ad-Pixel erkannt (+20), Kontaktformular (+5) = 55 Punkte im Interesse.

Das ist jemand, der bereits über Marketing nachdenkt. Sie starten nicht bei null.

Dimension 3: Urgency Score

Hier wird das lokale Lead-Scoring interessant. Dringlichkeit identifiziert Unternehmen mit sichtbarem, messbarem Schmerz gerade jetzt.

Urgency-Scoring-Signale:

Signal	Punkte
Google-Bewertung unter 3,5 Sternen	+25
Weniger als 10 Bewertungen	+15
Überhaupt keine Website	+20
Unternehmensprofil nicht beansprucht	+15
Weniger als 5 Fotos im Eintrag	+5
Keine Geschäftszeiten angegeben	+10
Keine Telefonnummer angegeben	+10

Ein Restaurant mit 2,3 Sternen, 6 Bewertungen und keiner Website? Sie sind nicht „interessiert“ an Marketing. Sie brauchen es. Ihr Geschäft leidet aktiv. Das ergibt +25 (Bewertung) +15 (Bewertungen) +20 (keine Website) = 60 Dringlichkeitspunkte.

Das ist jemand, den Sie heute anrufen. Nicht nächste Woche. Heute.

Dies ist die Dimension, die die meisten Lead-Scoring-Leitfäden völlig ignorieren. Sie konzentrieren sich auf das Verhaltensinteresse – hat jemand Ihre E-Mail angeklickt, Ihre Preisseite besucht, Ihr E-Book heruntergeladen. Nützlich für Inbound. Nutzlos für kalte Akquise.

Aber ein Unternehmen mit einer kaputten Online-Präsenz? Das ist kein theoretisches Interesse. Das ist sichtbarer, messbarer Schmerz. Sie wissen, dass sie ein Problem haben.

---

Aufbau Ihres Scoring-Modells: Schritt für Schritt

Lassen Sie uns ein tatsächliches Modell erstellen, das Sie morgen verwenden können.

Schritt 1: Definieren Sie Ihr ideales Kundenprofil (ICP)

Sie können Leads nicht bewerten, ohne zu wissen, wie ein guter Lead aussieht. Verbringen Sie 30 Minuten damit.

Beantworten Sie diese Fragen:

• Welche Branche/Kategorie bedienen Sie am besten?
• Was ist die Mindestgröße des Unternehmens (Mitarbeiter, Umsatz)?
• Was ist das Maximum? (Einige Unternehmen sind zu groß, um sie zu betreuen)
• Welche geografischen Gebiete bedienen Sie?
• Welche Preisspanne können sie sich leisten?
• Was ist ihr größter Schmerzpunkt?

Beispiel ICP für eine Webdesign-Agentur:

• Branche: Restaurants, Salons, lokale Dienstleistungen
• Größe: 2-15 Mitarbeiter (klein genug, um reaktionsschnell zu sein, groß genug, um ein Budget zu haben)
• Geografie: Metropolregionen Austin, Dallas, Houston
• Budget: 2.000-8.000 $ für ein Website-Projekt
• Schmerz: Veraltete Website, geringe Online-Sichtbarkeit, verlieren Kunden an Wettbewerber

Jetzt haben Sie einen Filter. Jeder Lead, der nicht zu diesem Profil passt? Niedriger Fit-Score. Depriorisieren.

Schritt 2: Weisen Sie Punktwerte zu

Verwenden Sie das Framework von oben oder passen Sie es an. Hier ist, was ich empfehlen würde:

Fit-Signale (0-45 mögliche Punkte): - Kategorietreffer: +20 - Preisspanne: +10 - Geografie: +15

Interesse-Signale (0-60 mögliche Punkte): - Website: +10 - E-Mail: +15 - Facebook: +5 - Instagram: +5 - Ad-Pixel: +20 - Kontaktformular: +5 - Profil beansprucht: +10

Dringlichkeitssignale (0-85 mögliche Punkte): - Bewertung <3,5 Sterne: +25 - <10 Bewertungen: +15 - Keine Website: +20 - Profil nicht beansprucht: +15 - <5 Fotos: +5 - Keine Zeiten angegeben: +10 - Keine Telefonnummer: +10

Insgesamt möglich: 190 Punkte

Schritt 3: Setzen Sie Ihre Scoring-Schwellenwerte

Definieren Sie nun, was jeder Punktbereich bedeutet:

Punkte	Kategorie	Aktion
0-50	Kalt	Für jetzt überspringen. Zur Pflege-Liste hinzufügen.
51-100	Warm	Personalisierte E-Mail senden. In 1 Woche nachfassen.
101-150	Heiß	Diese Woche anrufen. Erwähnen Sie spezifische Schmerzpunkte.
151+	Priorität	Heute anrufen. Führen Sie mit ihrem größten Problem.

Schritt 4: Bewerten Sie Ihre Leads

Lassen Sie uns ein echtes Beispiel durchgehen.

Lead: Taco-Restaurant in Austin, Texas

Fit-Scoring: - Kategorie (Restaurants): +20 - Preisspanne ($$): +10 - Standort (Austin): +15 - Fit-Gesamt: 45

Interest-Scoring: - Website: +10 - E-Mail verfügbar: +15 - Facebook-Seite (aktiv): +5 - Instagram: 0 (hat keines) - Ad-Pixel: 0 (nicht erkannt) - Kontaktformular: +5 - Profil beansprucht: +10 - Interesse-Gesamt: 45

Urgency-Scoring: - Google-Bewertung: 2,8 Sterne: +25 - Bewertungsanzahl: 7 Bewertungen: +15 - Website-Status: Hat eine: 0 - Profil beansprucht: Ja: 0 - Fotoanzahl: 3 Fotos: +5 - Zeiten angegeben: Ja: 0 - Telefon angegeben: Ja: 0 - Dringlichkeit-Gesamt: 45

Endpunktzahl: 45 + 45 + 45 = 135 Punkte

Klassifizierung: Heißer Lead

Das ist jemand, den Sie diese Woche anrufen. Ihre Bewertung schadet ihnen. Sie erhalten nicht genug Bewertungen. Sie erscheinen nicht in lokalen Suchen. Sie können sagen: „Hey, ich habe bemerkt, dass Sie großartiges Essen haben, aber Ihr Google-Profil zeigt das den Kunden nicht. Wir haben ähnlichen Restaurants in Austin geholfen, 4,5+ Sterne zu erreichen und ihre Online-Sichtbarkeit zu verdreifachen. Haben Sie fünf Minuten?“

Das ist ein Gespräch, das funktioniert, weil Sie mit ihrem tatsächlichen Problem führen.

Vergleichen Sie das mit einem 5-Sterne-Restaurant mit 200 Bewertungen und einer aktiven Social-Media-Präsenz. Dasselbe Taco-Restaurant, aber online erfolgreich? Sie erzielen maximal 80-90 Punkte. Warmer Lead. Zuerst E-Mail. Sie haben keinen dringenden Schmerz.

---

Reale Ergebnisse: Was Unternehmen tatsächlich erreicht haben

Theorie ist schön. Ergebnisse sind besser.

MarketingSherpa Fallstudie: Eine HR-Beratung implementierte Lead-Scoring auf ihrer Marketing-Automatisierungsplattform. Sie gingen von der Übermittlung aller Leads an den Vertrieb zu einer Filterung nach Punktzahl.

Was passierte? - 52 % weniger Leads an den Vertrieb gesendet - 41 % Umsatzsteigerung - 79 % Verbesserung der Konversionsraten

Weniger Leads. Mehr Geld. Das ist der gesamte Punkt.

Smartlead AI veröffentlichte Ergebnisse in mehreren Branchen: - FinTech-Startup: 215 % Anstieg qualifizierter Leads - SaaS-Unternehmen: 87 % Verbesserung der MQL-zu-SQL-Konversion - Agentur: 43 % schnellere Verkaufszyklen

Das Muster ist konsistent. Wenn Sie aufhören, alle Leads gleich zu behandeln, und anfangen, basierend auf Daten zu priorisieren, verbessert sich alles.

HighLevel erkannte diesen Trend und baute Prospect Score direkt in ihre Plattform ein – ein natives Scoring-System, das ausschließlich auf Google Business-Profil-Signalen basiert. Wenn ein großes SaaS-Unternehmen etwas in sein Kernprodukt integriert, liegt es daran, dass seine Kunden es gefordert haben. Diese Validierung ist wichtig.

Geschwindigkeit ist ebenfalls wichtig. Leads, die innerhalb einer Stunde kontaktiert werden, konvertieren zu 53 %. Warten Sie 24 Stunden? Das sinkt auf 17 % (Data-Mania, 2026). Je höher jemand punktet, desto schneller sollten Sie reagieren. Prioritäts-Leads (151+ Punkte) verdienen sofortige Kontaktaufnahme. Kalte Leads können warten.

---

Wo man die Daten bekommt, die man braucht, um zu bewerten

Hier ist das praktische Problem: Sie benötigen Google Maps-Daten, um lokale Leads richtig zu bewerten. Bewertungen, Bewertungen, Webpräsenz, Kontaktdaten, Fotos, beanspruchter Status.

Sie könnten manuell 1.000 Unternehmen auf Google Maps überprüfen. Das sind über 40 Stunden Klicken. Oder Sie könnten es in Minuten extrahieren.

IBLead zieht all dies automatisch von Google Maps. Eine Suche, gefiltert nach Ihren Kriterien, und Sie erhalten:

• Unternehmensname und Adresse
• Telefon und E-Mail
• Google-Bewertung und Bewertungsanzahl
• Einzelne Bewertungen (Text, Autor, Datum, Bewertung)
• Website-Status und Kontaktformularerkennung
• 160+ Technologieerkennungen (Ad-Pixel, Analytik, CMS)
• Soziale Medienprofile
• Fotoanzahl und beanspruchter Status
• Google Place ID

Exportieren Sie nach CSV. Stecken Sie es in Ihr Scoring-Modell. Fertig.

Sie können dies mit dem kostenlosen Plan testen – 200 Credits inklusive. Das reicht für 100-500 Leads, je nach Ihrer Suche, je nach Ihren Bedürfnissen. Führen Sie Ihr erstes Scoring-Modell mit echten Daten durch. Sehen Sie, was funktioniert.

Beispiel: Suchen Sie nach „Restaurants in Austin, Texas“ auf IBLead. Erhalten Sie über 2.000 Ergebnisse mit vollständigen Daten. Wenden Sie Ihr Scoring-Modell an. Identifizieren Sie Ihre 50 wichtigsten Prioritäts-Leads. Rufen Sie sie an. Verfolgen Sie die Ergebnisse. Verfeinern Sie Ihr Scoring.

Der gesamte Prozess dauert einen Nachmittag statt Wochen.

---

KI und maschinelles Lernen im Lead-Scoring

Sie werden viel über KI-Lead-Scoring hören. Funktioniert es wirklich?

Ja, aber mit Vorbehalten.

Maschinelle Lernmodelle erfassen Muster, die Menschen übersehen. Ein Unternehmen mit genau 3-Sterne-Bewertungen, einer aktiven Facebook-Seite, keinem Instagram und einer auf WordPress erstellten Website könnte für Ihren spezifischen Service 4x besser konvertieren. Das würden Sie manuell nie herausfinden. KI findet es in den Daten.

Prädiktives Lead-Scoring verbessert die Konversionsraten um 75 % im Vergleich zu traditionellem manuellem Scoring (ArticleSedge). Das ist real.

Aber hier ist der kritische Punkt: Müll-Daten rein ergeben Müll-Vorhersagen raus. Jedes Mal.

Wenn Sie ein Modell mit qualitativ schlechten Daten füttern – fehlende Felder, unvollständige Informationen, veraltete Kontaktdaten – kann das Modell Ihnen nicht helfen. Es ist, als würde man versuchen, das Wetter mit defekten Thermometern vorherzusagen. Der Algorithmus ist in Ordnung. Die Eingaben sind kaputt.

Deshalb ist es wichtig, mit reichhaltigen, vollständigen Daten von Google Maps zu beginnen. Bewertungen, Bewertungen, Website-Details, Technologie-Stack, soziale Präsenz – alles verifiziert, alles aktuell. Das ist es, was gute KI tatsächlich braucht, um zu funktionieren.

Die meisten Teams überspringen diesen Schritt. Sie bauen ein Modell auf unvollständigen Daten und fragen sich, warum die Ergebnisse mittelmäßig sind. Das Modell ist nicht das Problem. Die Daten sind es.

---

Rechtliche Überlegungen beim Bewerten und Kontaktieren von Leads

Das ist wichtig. Wenn Sie es falsch machen, haben Sie Probleme.

Datenquelle: Google Maps-Daten sind öffentlich. Unternehmen haben sie selbst veröffentlicht. Das Extrahieren dieser Daten ist in den USA und der EU legal. Keine Grauzonen. Keine „Nutzungsbedingungen“-Verstöße – Sie lesen nur, was öffentlich sichtbar ist.

E-Mail-Compliance: Wenn Sie diese Leads per E-Mail kontaktieren, gelten CAN-SPAM (USA) oder GDPR (EU).

CAN-SPAM-Anforderungen: - Ehrliche Betreffzeile (keine irreführenden Behauptungen) - Klare Identifizierung, wer Sie sind - Ihre tatsächliche Geschäftsadresse im Footer - Funktionierender Abmeldelink - Opt-outs innerhalb von 10 Tagen beachten

GDPR-Anforderungen (wenn Sie EU-Unternehmen ansprechen): - Rechtliche Grundlage für den Kontakt (normalerweise „berechtigtes Interesse“ für B2B-Kaltakquise) - Klare Datenschutzerklärung - Einfacher Abmelde-Mechanismus - Datenaufbewahrungsgrenzen

Telefonkontakt: Es gibt kein spezifisches Bundesgesetz, das Kaltakquise bei Unternehmen (B2B) verbietet, aber einige Bundesstaaten haben Einschränkungen. Überprüfen Sie Ihre lokalen Gesetze.

Fazit: Verwenden Sie verifizierte Daten aus legitimen Quellen. Senden Sie E-Mails, die CAN-SPAM entsprechen. Beachten Sie Abmeldeanfragen umgehend. Dann sind Sie auf der sicheren Seite.

---

Häufige Fehler beim Lead-Scoring (und wie man sie vermeidet)

Fehler 1: Zu viele Kriterien

Sie benötigen keine 14 Scoring-Signale. Sie werden es nie aufrechterhalten. Drei Dimensionen (Fit, Interesse, Dringlichkeit) mit jeweils 3-7 Signalen sind der Sweet Spot. Einfachere Modelle überleben länger.

Fehler 2: Gewichtung nach Bauchgefühl

Weisen Sie keine Punktwerte basierend auf Intuition zu. Testen Sie sie. Bewerten Sie 100 Leads, rufen Sie sie an, verfolgen Sie die Ergebnisse. Sehen Sie, welche Scoring-Signale tatsächlich die Konversion vorhersagen. Passen Sie basierend auf realen Daten an.

Fehler 3: Die Dimension „Dringlichkeit“ ignorieren

Die meisten Scoring-Modelle konzentrieren sich auf Fit und Interesse. Sie ignorieren die Dringlichkeit – die Unternehmen mit sichtbarem Schmerz gerade jetzt. Dort finden die Konversionen statt.

Fehler 4: Schwellenwerte zu hoch setzen

Wenn Ihr „heißer“ Schwellenwert 180+ Punkte beträgt und Sie nur 5 heiße Leads aus 10.000 haben, ist Ihr Modell zu streng. Sie möchten 10-20 % der Leads in Ihrer „heißen“ Kategorie haben. Passen Sie die Schwellenwerte an, damit Sie genug zum Arbeiten haben.

Fehler 5: Punktzahlen nicht regelmäßig aktualisieren

Die Google-Bewertung eines Unternehmens ändert sich. Sie fügen Fotos hinzu. Sie beanspruchen ihr Profil. Ihre Punktzahlen werden veraltet. Bewerten Sie mindestens vierteljährlich neu. Monatlich ist besser.

Fehler 6: Punktzahl als Schicksal behandeln

Ein Lead mit einer 45-Punkte „warmen“ Punktzahl ist nicht garantiert, dass er scheitert. Ein 155-Punkte „Prioritäts“-Lead ist nicht garantiert, dass er konvertiert. Punktzahlen sind Wahrscheinlichkeiten, keine Gewissheiten. Verwenden Sie sie, um den Aufwand zu priorisieren, nicht um Leads vollständig auszuschließen.

---

Integration des Scoring in Ihren Vertriebsworkflow

Scoring funktioniert nur, wenn Sie es tatsächlich verwenden.

Schritt 1: Extrahieren und bewerten Sie Ihre Leads

Ziehen Sie Leads von Google Maps (mit IBLead oder ähnlichem), wenden Sie Ihr Scoring-Modell an, exportieren Sie die Ergebnisse.

Schritt 2: Segmentieren Sie nach Punktzahl

Erstellen Sie Listen in Ihrem CRM: - Priorität (151+): Sofortige Kontaktaufnahme - Heiß (101-150): Telefonanruf diese Woche - Warm (51-100): Personalisierte E-Mail - Kalt (0-50): Pflege-Liste

Schritt 3: Routen nach Punktzahl

Ihr leistungsstärkster Verkäufer erhält Prioritäts-Leads. Neuere Teammitglieder erhalten warme Leads. Kalte Leads gehen in die E-Mail-Automatisierung.

Schritt 4: Verfolgen und verfeinern

Verfolgen Sie für jedes Segment: - Konversionsrate - Dealgröße - Länge des Verkaufszyklus - Gründe für Gewinn/Verlust

Nach 50-100 Konversionen sehen Sie Muster. Passen Sie Ihr Scoring-Modell basierend auf dem an, was tatsächlich konvertiert.

Beispiel: Sie dachten, dass eine Bewertung unter 3,5 Sternen 25 Punkte wert ist (hohe Dringlichkeit). Aber Ihre Daten zeigen, dass diese Unternehmen mit 12 % konvertieren, während Unternehmen mit 3,5-4,0 Sternen mit 28 % konvertieren. Passen Sie an. Vielleicht erhält eine Bewertung unter 2,5 25 Punkte. Eine Bewertung von 2,5-3,5 erhält 15 Punkte.

Scoring verbessert sich mit der Nutzung. Beginnen Sie einfach. Verfeinern Sie basierend auf den Ergebnissen.

---

FAQ: Lead-Scoring für lokale Leads

Was ist Lead-Scoring genau?

Lead-Scoring weist Leads basierend auf spezifischen Kriterien numerische Werte zu, sodass Sie wissen, wen Sie priorisieren sollten. Anstatt jeden Lead in zufälliger Reihenfolge anzurufen, rufen Sie zuerst hochbewertete Leads an. Höhere Punktzahl = höhere Wahrscheinlichkeit der Konversion = höhere Priorität.

Wie berechne ich die Lead-Punktzahl für lokale Unternehmen?

Verwenden Sie drei Dimensionen: Fit (passen sie zu Ihrem ICP?), Interesse (wie digital reif sind sie?), und Dringlichkeit (haben sie sichtbaren Schmerz?). Weisen Sie jedem Signal innerhalb dieser Dimensionen Punkte zu. Addieren Sie sie. Das ist Ihre Punktzahl.

Schnelles Beispiel: - Restaurant in Ihrer Zielstadt: +15 (Fit) - Hat Website: +10 (Interesse) - Hat E-Mail: +15 (Interesse) - Bewertung 2,8 Sterne: +25 (Dringlichkeit) - Nur 6 Bewertungen: +15 (Dringlichkeit) - Gesamt: 80 Punkte = Heißer Lead

Was ist eine gute Lead-Punktzahl?

Hängt von Ihrem Maßstab ab. Wenn Ihr Maximum 190 Punkte beträgt: - 0-50 = Kalt - 51-100 = Warm - 101-150 = Heiß - 151+