Beim Streit um Fit-Score vs. Engagement-Score geht es um zwei verschiedene Fragen. Der Fit fragt, ob es sich überhaupt lohnt, an das Unternehmen zu verkaufen, das Engagement fragt, ob dort gerade jemand aufmerksam ist. Wenn Sie beides in einer MQL-Zahl zusammenfassen, lesen Marketing und Vertrieb jeweils eine andere Frage heraus. Deshalb stimmen ihre Pipeline-Berichte nie überein.
Warum eine gemischte MQL-Zahl die Übergabe stört
Angenommen, eine Agentur mit 15 Personen lädt in einer Woche fünf Assets herunter und erreicht 90 Punkte. Das Marketing zählt einen MQL, der Vertrieb lehnt ihn nach zehn Minuten ab. Nehmen Sie nun eine VP in einem Unternehmen, das exakt zu Ihrem ICP passt. Sie schaut sich einmal die Preisseite an und kommt auf 30 Punkte. Sie erreicht den Schwellenwert nie, und niemand ruft an.
Dasselbe Scoring-Modell, zwei Fehler, und die Zahl verrät Ihnen nicht, welchen Sie vor sich haben. Ein Score von 60 kann 60 Punkte Verhalten bei null Fit bedeuten oder umgekehrt. Der Vertrieb versteht „Das ist ein Käufer“, das Marketing meint „Diese Person hat viel geklickt“. Beide Teams lesen die Zahl richtig. Sie trägt zwei Bedeutungen.
Werkzeuge lösen das nicht von selbst. Sowohl HubSpot als auch Salesforce dokumentieren ein Scoring, das beide Ideen trennen kann, und trotzdem fassen viele Teams sie in einer einzigen Eigenschaft zusammen, weil sich nach einer Zahl leichter routen lässt.
Fit-Score vs. Engagement-Score: zwei Scores, zwei Entscheidungen
Ich nenne das die Zwei-Schlüssel-Regel. Der Fit ist das Tor, das Engagement der Auslöser, und für eine Übergabe müssen beide gedreht sein.
Der Fit bestimmt, wem der Account gehört, in welcher Queue er landet und wie viel menschliche Zeit er verdient. Er ändert sich nur langsam, nämlich wenn sich Firmografien oder der ICP ändern. Deshalb sollte er aus wenigen Stufen (A, B, C) bestehen und nicht aus einer Skala von 0 bis 100.
Das Engagement bestimmt den Zeitpunkt: wann angerufen wird, welche Sequenz läuft und wie dringend es ist. Es sollte abklingen, denn ein Besuch der Preisseite vor fünf Wochen ist nicht dasselbe Signal wie einer von heute Morgen.
| Score | Entscheidung, die er steuert | Verhalten im Zeitverlauf | Natürlicher Verantwortlicher |
|---|---|---|---|
| Fit | Routing, Zuständigkeit, Aufwandsniveau | Stabil, gestuft | Vertriebsleitung mit RevOps |
| Engagement | Timing, Sequenz, Dringlichkeit | Klingt ab | Marketing |
Der Streit um Fit-Score vs. Engagement-Score endet, sobald jeder Score nur über sein eigenes Thema entscheidet. Ein Fit-A-Account mit geringem Engagement kommt in ein geduldiges Account-Based-Vorgehen, nicht in einen Anruf am selben Tag. Ein Fit-C-Lead mit enormem Engagement geht in Nurturing oder Self-Service, egal wie viele Webinare er besucht hat.
Was eine Trennung von Fit-Score und Engagement-Score für die Attribution bedeutet
In einem gemischten Modell stammen die Engagement-Punkte aus Kampagnen, sodass die Kampagne, die einen Lead über die Schwelle hebt, den MQL-Credit erhält. Das ist meist ein günstiges, gesperrtes Asset, denn günstige Assets sind der einfachste Weg, Punkte zu sammeln.
Ich nenne das Schwellenübertritts-Credit. Das Marketing berichtet die gesourcte Pipeline nach MQL-Datum und der dahinterstehenden Kampagne. Fit-qualifizierte Accounts, die über Outbound oder Empfehlungen kommen, überschreiten dagegen nie eine Engagement-Schwelle und erhalten deshalb gar keinen MQL. Der Vertrieb sieht sie in der Pipeline, das Marketing nicht.
Dieselbe Lücke zeigt sich in der KI-Suche. Ein Team sieht vielleicht die Zitationen steigen und kann trotzdem nicht sagen, welche Accounts daraus entstanden sind. Dieses Problem behandeln wir in SEO rankings vs AI citations. Wenn die zugrunde liegende Qualifizierung eine einzige trübe Zahl ist, erbt die darauf aufgesetzte Attribution diese Trübung.
So gleichen Sie die Pipeline-Berichte von Marketing und Vertrieb ab
Die beiden Berichte widersprechen sich, weil sie unterschiedliche Grundgesamtheiten zählen. Das Marketing zählt Leads, die den gemischten Schwellenwert überschritten haben. Der Vertrieb zählt Leads, die er akzeptiert hat. Die Differenz zwischen beiden ist der Streitpunkt.
Die Lösung besteht darin, jeden Datensatz mit drei Daten zu versehen: dem Datum der Fit-Qualifizierung, dem Datum, an dem das Engagement ausgelöst hat, und dem Datum der Annahme durch den Vertrieb. Jeder Bericht wird dann aus denselben Zeitstempeln aufgebaut, und aus dem Widerspruch wird eine messbare Verzögerung oder ein Abbruch zwischen zwei Stempeln, die Sie sich an einem Montag ansehen können. Unser Leitfaden zum Beheben von Lead-Übergabe und Attribution geht tiefer auf die Lifecycle-Seite ein.
Wem gehört der Schwellenwert, wenn der Vertrieb ablehnt, was das Marketing zählt?
Ich empfehle eine Dreiteilung. Die Vertriebsleitung verantwortet die Fit-Definition, weil der Fit darüber entscheidet, wie ihre Kapazität eingesetzt wird. Das Marketing verantwortet die Engagement-Definition, weil es weiß, was ein Verhalten in der Erzeugung kostet. RevOps verantwortet das SLA und das Dispute-Log.
Das Dispute-Log braucht zwei Ablehnungsgründe statt einem: „falscher Fit“ und „noch kein Interesse“. Wenn die meisten Ablehnungen „falscher Fit“ nennen, ist das Fit-Tor undicht. Wenn sie „kein Interesse“ nennen, löst der Engagement-Auslöser zu früh aus. Wer dieses eine Dropdown aufteilt, erfährt ohne Meeting, welcher Score korrigiert werden muss.
Um zu messen, ob die Übergabe funktioniert, würde ich drei Dinge beobachten:
- Ablehnungsquote nach Grund, nicht insgesamt
- Zeit bis zum ersten Kontakt nach dem Auslösen des Triggers
- Konversion nach Fit-Stufe und nach Engagement-Band, getrennt ausgewiesen
Als Ausgangspunkt für die Struktur zeigt unsere Seite zum Lead-Scoring-Modell, wie wir es aufsetzen.
Wo ich beim Thema Fit-Score vs. Engagement-Score keine saubere Antwort habe
Ich kann Ihnen keine universelle Aufteilung nennen. Bei einem vertriebsgetriebenen Enterprise-Ansatz dominiert der Fit, und das Engagement ist meist nur ein Hinweis auf den Zeitpunkt. Bei einem produktgetriebenen Ansatz mit kostenloser Stufe leistet das Engagement mehr. Das ehrliche Vorgehen ist, beide Scores an Ihren eigenen gewonnenen Deals rückwirkend zu testen, und bei wenigen Dutzend Deals ist diese Stichprobe dünn. Die erste Version des Modells ist, im Guten wie im Schlechten, eine Hypothese, und Sie schärfen sie nach, sobald die Daten eintreffen.
Das ist wichtig, wenn Sie Automatisierung hinzufügen. Ein KI-Versender, der mit einem gemischten Score gefüttert wird, skaliert genau den Fehler, den Ihr Score ohnehin hat. Das ist das Muster hinter dem Scheitern von KI-SDRs. Dasselbe gilt für jeden Piloten, den Sie an der Pipeline messen, wie in unserer AI-GTM-Scorecard. Auch die Versandqualität zählt, prüfen Sie also die E-Mail-Zustellbarkeit, bevor Sie Volumen hinter einen der beiden Scores legen.
Wir versuchen hier, uns einzubetten statt nur zu beraten, denn das Scoring-Modell ist der einfache Teil. Schwierig ist es, Vertrieb, Marketing und RevOps darauf zu einigen, wer welchen Schlüssel besitzt, und dann die Zeitstempel so zu verdrahten, dass die Berichte übereinstimmen. Das ist Arbeit auf der operativen Ebene, und dort würde ich beginnen, bevor Sie zusätzliche Stellen oder ein weiteres Tool einplanen. Wofür Sie sich auch entscheiden: Halten Sie die Trennung von Fit-Score und Engagement-Score in jedem Bericht sichtbar.