Wenn ein Team uns bittet, Lead Scoring in HubSpot zu bauen, ist die erste Frage, die wir zurückstellen, ob sie bewerten wollen, wer der Lead ist, oder was der Lead tut. Das sind zwei verschiedene Jobs. Die meisten Instanzen, die wir auditieren, haben ein Modell, das beides versucht, weshalb niemand auf der Sales-Floor den Score ernst nimmt. Die Lösung ist kein besserer Algorithmus. Es ist, den Score in zwei Contact-Level-Properties zu splitten, jede vom Team besessen, das sie nutzt.
Warum das jetzt wichtig ist
Buying-Verhalten auf Contact-Level ist schwerer zu lesen geworden, nicht einfacher. Buying Groups sind größer, einzelne Touchpoints rauschiger, und das Signal-Rausch-Verhältnis eines zusammengesetzten Grades ist weiter gefallen, als die meisten Ops-Teams zugeben wollen. Die Analyse der Harvard Business Review zur modernen B2B-Buying-Journey legte den strukturellen Grund dar: Kunden verbringen den Großteil ihrer Journey in Self-Serve-Research und tauchen im CRM mit partieller Intent auf, mit einem Profil, das widersprüchlich aussieht, bis Sie trennen, wer sie sind und was sie tun. Ein kombinierter Grade flacht diese Unterscheidung genau in dem Moment ab, in dem sie am meisten zählt. [1]
Die falsche Frage, „Wie ist unser Lead-Score?"
Wenn ein Revenue-Team nach einem Lead-Score fragt, fragen sie meist nach einer Zahl, die die Queue rankt. Dieser Instinkt ist die Falle. Ranking impliziert eine einzige Reihenfolge, und eine einzige Reihenfolge zwingt Sie, zwei Signale zu mitteln, die nicht gemittelt werden sollten. Der Fit-Score beantwortet eine strukturelle Frage zum Account. Der Engagement-Score beantwortet eine behaviorale Frage zum Timing. Sie zu mitteln produziert eine mittlere Zahl, die hoch genug ist, die Inbound-Queue zu verstopfen, und niedrig genug, das Vertrauen des Outbound-Reps auf der Cold-List zu verlieren. Die richtige Frage ist eher, Welche Property gewichtet jedes Team, wenn es entscheidet, was es als Nächstes bearbeitet?
Fit-Score, wer sie sind
Der Fit-Score ist die Antwort darauf, ob das die Art von Unternehmen ist, an die das Team verkauft. Er ist aus Contact- und Company-Demografie gebaut, Land, Umsatzbereich, Mitarbeiterbereich, Branche, Job-Titel, Seniorität und jeder ICP-Filter, auf den sich das GTM-Team geeinigt hat. Die Daten sind meist statisch oder slow-moving. Sobald die Company eines Contacts angereichert ist, bewegt sich der Fit-Score kaum, bis sich die Company selbst ändert.
Der Diagnose-Test für einen Fit-Score ist einfach. Ziehen Sie eine Liste der Closed-Won-Deals des letzten Quartals und eine Liste der Closed-Lost-No-Decision-Deals desselben Quartals. Der Fit-Score sollte sie sichtbar trennen. Wenn die Verteilungen sich überlappen, sind die Inputs falsch, nicht die Mathematik.
Was der Fit-Score Ihnen nicht sagt
Der Fit-Score wird Ihnen nicht sagen, ob der Contact diese Woche aufmerksam ist. Ein perfekter-Fit-Contact, der seit neun Monaten keine E-Mail geöffnet hat, ist immer noch ein perfekter-Fit-Contact, und ein Fit-Score, der auf Basis von Engagement abklingt, ist kein Fit-Score mehr. Es ist ein verwirrtes Composite. Widerstehen Sie der Versuchung, Recency hineinzubacken.
Engagement-Score, was sie tun
Der Engagement-Score ist die Antwort darauf, ob der Contact gerade aufmerksam ist. Er ist aus Verhalten gebaut, Opens, Page Views, Demo-Requests, Content-Downloads, Pricing-Page-Besuche und Meeting-Holds. Jeder behaviorale Input hat eine Recency-Gewichtung. Eine Demo-Ansicht von gestern zählt mehr als drei Pricing-Page-Besuche aus Juni, und ein Contact, der alle Signale in Q2 abgefeuert hat, sollte mit dem Abklingen des Scores in der Queue zurückfallen.
Der Engagement-Score ist die Property, von der das Inbound-Team queued. Er bewegt sich täglich und gibt dem Rep einen Grund, warum dieser Contact heute auftauchte. Der Fit-Score entscheidet, ob der Lead die nächste Motion überhaupt wert ist; der Engagement-Score entscheidet, dass heute der Tag ist.
Warum das Inbound-Team das eine und das Outbound-Team das andere nutzt
Auf der einen Seite arbeitet das Inbound-Team eine Queue von Leads, die bereits die Hand gehoben haben. Die Fit-Frage ist weitgehend durch das Formular oder die Routing-Schicht beantwortet. Was Inbound braucht, ist eine Sequenz, Wer hat zuletzt die Hand gehoben, mit welcher Intensität, auf welcher Seite. Das ist der Engagement-Score, stark auf Recency gewichtet.
Auf der anderen Seite baut das Outbound-Team eine Liste aus einem kälteren Universum. Das Engagement-Signal ist per Definition spärlich. Was Outbound braucht, ist ein Filter, der das Segment des Universums entfernt, das nicht zum ICP passt, bevor irgendein Rep eine Minute auf eine Sequenz verwendet. Das ist der Fit-Score, als harter Cutoff statt als Ranking. Deshalb enttäuscht ein einzelner kombinierter Lead-Grade beide Teams, Inbound wäre lieber, der Score würde sich mit Verhalten bewegen; Outbound wäre lieber, der Score bewegte sich nicht, sobald die Company angereichert ist. Ein kombinierter Grade kompromittiert beides.
Muster aus der Praxis
Ein B2B-SaaS-Team in DACH in Series A kam mit einem HubSpot-Lead-Grade zu uns, den der Inbound-Rep aufgehört hatte zu prüfen und den der Outbound-Rep nie vertraut hatte. Der Grade war ein gewichteter Durchschnitt von Inputs, die sowohl Fit als auch Verhalten umfassten. Der Instinkt des Teams war, die Gewichte neu zu tunen. Die tatsächliche Lösung war strukturell, die Property in zwei splitten, einen Fit-Score aus einem demografischen Stack ohne behaviorale Inputs definieren, einen Engagement-Score aus einem behavioralen Stack mit dreißig-Tage-Recency-Decay definieren und jedes Team die Property gewichten lassen, die zu seiner tatsächlichen nächsten Aktion mappte. Die Daten waren bereits in HubSpot. Sie wurden nur auf der falschen Schicht gemittelt.
Auflösung, ein Fit-und-Engagement-Playbook
Wenn Sie HubSpot-Lead-Scoring bauen oder neu aufbauen, halten die Schritte unten in jeder Variante dieses Projekts, die wir gesehen haben:
- Entscheiden Sie zuerst die zwei Properties. Vor jeglichen Inputs oder Gewichten: Einigen Sie sich, dass es einen Fit-Score und einen Engagement-Score als separate Contact-Level-Properties gibt, keinen kombinierten Grade. Benennen Sie sie klar. Die Naming-Konvention ist der Vertrag.
- Bauen Sie den Fit-Score nur aus demografischen Inputs. Land, Umsatzbereich, Mitarbeiterbereich, Branche, Job-Titel, Seniorität, ICP-Flag aus Anreicherung. Kein Verhalten. Der Fit-Score sollte sich ändern, wenn sich die Company ändert, nicht wenn der Contact eine E-Mail öffnet.
- Bauen Sie den Engagement-Score nur aus behavioralen Inputs, mit Recency-Decay. Opens, Page Views, Demo-Requests, Content-Downloads, Pricing-Page-Besuche, Meeting-Holds. Wenden Sie eine Recency-Gewichtung an, die ältere Signale automatisch nach unten zieht; dreißig bis neunzig Tage ist das übliche Band.
- Validieren Sie gegen die Ergebnisse des letzten Quartals. Ziehen Sie Closed-Won und Closed-Lost-No-Decision; prüfen Sie, dass der Fit-Score sie trennt. Ziehen Sie SQL-konvertierte vs. SQL-disqualifizierte Inbound; prüfen Sie, dass der Engagement-Score sie trennt. Wenn eine Property ihr Zielergebnis nicht trennt, sind die Inputs falsch.
- Weisen Sie jedem Team eine primäre Property zu. Inbound queued aus Engagement, mit Fit als Sanity Check. Outbound filtert aus Fit, mit Engagement als Tiebreaker auf der eligiblen Liste. Dokumentieren Sie das im Team-Playbook, damit der Score einen einzigen Owner der nächsten Aktion hat.
- Veröffentlichen Sie eine Distribution-Preview. Zeigen Sie dem Team, wie viele Contacts in jedem Band jeder Property landen. Ein Score, bei dem neunzig Prozent der Contacts in einem Band clustern, ist kein Score; er ist ein Label. Tunen Sie die Band-Cutoffs gegen die Verteilung, bevor Sie die Property im Routing freilassen.
- Behandeln Sie den Score als Richtungs-Indikator. Kein Scoring-Modell ist auf Contact-Level perfekt, besonders im Maßstab, wo Free-Email-Domain-Contacts und partielle Anreicherung die unteren Bänder verzerren. Veröffentlichen Sie den Caveat neben dem Score, damit das Team ihn als Queue-Input nutzt, nicht als Verdikt.
Wenn Sie diese sieben Schritte tun, wird der Score zur Property, von der das Team tatsächlich queued. Wenn Sie sie überspringen und einen kombinierten Grade shippen, sind Sie innerhalb eines Quartals wieder im HubSpot-Scoring-Tool und tunen Gewichte, die nie das Problem waren.
Wo Checkpoint ins Spiel kommt
Score-Design ist auch stage-abhängig. Ein Seed-Stage-Team, das eine handverlesene Zielliste bearbeitet, braucht keinen Fit-Score; die Liste ist der Score. Ein Late-Series-B-Team, das gemischtes Inbound und Outbound betreibt, braucht beide Properties hart arbeitend, mit team-spezifischer Gewichtung, ein strukturelles Muster, das die Harvard Business Review vor Jahrzehnten beschrieb, als sie argumentierte, dass Sales-Force-Design mit dem Geschäftslebenszyklus evolvieren muss, nicht in der Form bleiben, die in der vorherigen Phase funktionierte. [2] Score-Design ist dasselbe Problem eine Schicht tiefer.
Fit und Engagement zu splitten ist einer der saubersten Hebelpunkte in jeder HubSpot-Instanz, aber die Arbeit, die den Score nutzbar macht, ist upstream, die ICP-Definition, der Anreicherungs-Stack, die Routing-Regeln, das Playbook, das der Inbound-Rep zu Tagesbeginn öffnet. Wir machen diese Art von HubSpot-Operating-Layer-Arbeit als embedded RevOps innerhalb von Client-Teams. Wenn Ihr Lead-Grade aufgehört hat, etwas zu bedeuten, ist das meist das Projekt. Sprechen Sie mit uns über HubSpot Lead Scoring.
Noah Charak