Predictive Lead Scoring – Abschlusswahrscheinlichkeiten erkennen

Lead Scoring ist eine Methode, um die Abschlussreife von Leads anhand eines individuellen Punktesystems zu bewerten. Beim Predictive Lead Scoring handelt es sich um eine ebenfalls datengetriebene Methode, die jedoch historische Daten und Verhaltensdaten zusätzlich zu einem prädiktiven Modell bei der Lead-Bewertung berücksichtigt. So kann für jeden einzelnen Lead berechnet werden, mit welcher Wahrscheinlichkeit er konvertieren wird. Predictive Lead Scoring wird von spezialisierten Tools ausgeführt und verwendet dabei Machine Learning und Big Data-Charakteristiken. Es ist aber in manchen Software-Produkten bereits als Feature mit enthalten. Einige Automationsplattformen verfügen über fest eingebaute Funktionen für Predictive Lead Scoring. Da sich Predictive Lead Scoring dabei ausschliesslich auf die im Unternehmen vorhandenen bzw. die dem Tool zugänglichen Daten stützt, ist eine professionelle Datenpflege erfolgsentscheidend.

Es gibt auch Spezialfirmen die sich genau auf dieses Thema fokussieren und dies als Service anbieten, um die Vorhersage noch präziser zu erstellen. Dabei gibt man diesen Firmen einmaligen Zugriff auf die Daten und erhält das Predictive Modell zurück, welches direkt in der Marketing Automation Software eingebaut wird. Die Vorteile aus dem Predictive Modell reichen weit über das reine Lead Scoring hinaus. Sie ermöglichen zudem das Echtzeit-Optimieren von Conversions, schnelleres Qualifizieren von Webseitenbesuchern, personalisierte Nutzererfahrung auf der Webseite und Kostenoptimierung bei SEA-Anzeigen.

Warum Predictive Lead Scoring so wichtig ist

Leads, aber auch Marketing- und Sales-Mitarbeiter agieren natürlich nicht immer in idealtypischer Weise. Zudem kann eine unzureichende Datenbasis die Marketingaktivitäten zur Lead Generierung auf die falschen oder unzureichend qualifizierten Leads ausrichten. An dieser Stelle wird die Relevanz von Predictive Lead Scoring deutlich. Der prädiktive Algorithmus nimmt menschliche Fehler aus der Gleichung und kann durch prädiktives Modellieren, eine bekannte Technik aus der Statistik, diejenigen Leads mit der höchsten Abschlusswahrscheinlichkeit identifizieren. Echtzeit-, aber auch historische Daten werden zu einem Modell zusammengefügt, welches eine Vorhersage über das Verhalten des Leads treffen kann. Noch sicherer wird die Vorhersage, wenn die Software nicht nur die erfolgreichen, sondern auch die nicht erfolgreichen Leads analysiert. Dies ermöglicht das Identifizieren von bislang übersehenen oder unbekannten Faktoren, die für die Abschlusswahrscheinlichkeit eine große Rolle spielen. Marketingverantwortliche und Vertriebsmitarbeiter erhalten dank Predictive Lead Scoring auf einen Blick eine Übersicht über die Abschlussbereitschaft von Leads.

Je mehr Datenquellen mit dem prädiktiven Algorithmus verbunden sind, desto präziser wird die Aussage. Üblicherweise sollten mindestens CRM und eine Marketing Automation-Plattform als Datenquellen angeschlossen sein. Dann kann der prädiktive Algorithmus sogar ein ideales Kundenprofil erstellen, das mit höchster Wahrscheinlichkeit abschließt.

Welche Faktoren sind wichtig für ein Predictive Lead Scoring-Modell?

Je umfassender und aktueller die Datenbasis für Predictive Lead Scoring ist, desto treffsicherer sind die Voraussagen hinsichtlich der Abschusswahrscheinlichkeit. Diese Merkmale gehören zu den Schlüsselattributen für ein Predictive Lead Scoring-Modell:

Kundenprofil-Daten:

Sie bestimmen die Kerneigenschaften der Kunden und Leads. Dazu gehören unter anderem demografische Informationen, aber auch Branchenzugehörigkeit, Informationen über den Arbeitsplatz und Persona-Informationen.

Account-Profildaten:

Enthalten in erster Linie firmografische Daten, wie Unternehmensgröße, Branche und Account-Typ.

Kundenabsicht:

Diese Daten enthüllen die Interessen von Kunden und Leads zu bestimmten Produkten oder Dienstleistungen. Sie umfassen aber auch deren Einwilligung, vom Marketing- oder Sales-Team kontaktiert zu werden.

Kundenengagement:

Fasst alle wichtigen Kundenaktivitäten zusammen, wie beispielsweise E-Mail-Aktivitäten, aber auch CTR und das Verhalten auf der Webseite.

Kaufhistorie:

Dokumentiert die bereits getätigten Käufe der Bestandskunden sowie Qualität, ausgegebene Summe, betreffende Produkte und Dienstleistungen. Aber auch Zeit und Häufigkeit der Käufe werden dokumentiert.

Marketing- und Sales-Performance:

In dieser Datenkategorie werden alle wichtigen Informationen über die Effizienz der Marketing- und Sales-Aktivitäten gesammelt. Dazu gehören unter anderem die am besten performenden Kampagnen, denn diese geben wichtige Insights in Reichweite und Effektivität von Marketing und Sales. Diese Daten enthalten zudem eine Auswertung zu den verschiedenen Trafficquellen und erlauben es, die am besten performenden Kanäle zu identifizieren.

Weitere Predictive Lead Scoring-Tipps

Ressourcen auf die aussichtsreichsten Leads zu bündeln ist ein wahres Erfolgsrezept. Diese lassen sich mit Predictive Lead Scoring herausfiltern und in einem weiteren Schritt zusätzlich segmentieren.

Dabei werden die Kunden und Interessenten auf Basis ihres Predictive Lead Scorings hinsichtlich ihrer Abschlusswahrscheinlichkeit segmentiert. Hierbei reicht bereits eine Segmentierung in hohe, mittlere und niedrige Abschlusswahrscheinlichkeit.

Eine weitere Möglichkeit, noch mehr aus Predictive Lead Scoring herauszuholen ist das Beobachten des Zusammenhangs zwischen dem vorausgesagten Lead Scoring und der tatsächlichen Abschlussrate. So lässt sich überprüfen, ob das Predictive Lead Scoring bereits gut eingestellt ist, oder zusätzliche Datenquellen oder ähnliche Nachjustierungen benötigt.

Welche Faktoren haben den größten Einfluss auf die Abschlusswahrscheinlichkeit? Predictive Lead Scoring kann die wichtigsten Faktoren des Kundenprofils und des Verhaltens identifizieren, welche die Abschlusswahrscheinlichkeit erhöhen.

(Autor Alex Schoepf, zuerst erschienen in: Markus Rach, Michaela Schäfer: “Marketing Buzzwords Debunked: 471 Marketing Buzzwords einfach erklärt!”)