The Ultimate Guide to Lead Scoring in HubSpot (SalesPlaybook Edition)

Lead Scoring 101: Was es ist (und was nicht)

‍
Lead Scoring ist ein Priorisierungssystem, das Personen (und Accounts) danach rankt, wie wahrscheinlich sie bald kaufen. Lead Scoring ist wichtig, um die Business-Effizienz in Branchen wie SaaS, Real Estate und Construction zu optimieren, weil es hilft, High-Quality Leads zu identifizieren und Sales-Strategien zu verbessern. Du vergibst positive Punkte für gute Signale und negative Punkte für Disqualifier. Es ist keine Kristallkugel; es ist eine gemeinsame Sprache, die Marketing, Sales und CS dabei hilft, ihre Aktionen an der Realität der Buyer auszurichten.
Der Lead-Scoring-Prozess ist eine systematische Methode, die sowohl demografische als auch verhaltensbezogene Daten bewertet, um den potenziellen Wert eines Leads zu bestimmen, Sales-Qualified Leads zu identifizieren und Marketing-Aufwände zu priorisieren.

‍

Why it matters

• Schnellere Reaktion auf echten Intent
• Besseres Routing und klarer Rep-Fokus
• Saubere Handoffs und höhere Forecast Accuracy
• Relevantere Messaging- und Nurture-Pfade

Scoring in HubSpot erlaubt dir, Lead Scoring aufzusetzen, zu customizen und zu implementieren – so priorisierst du Leads einfacher und alignst Sales und Marketing.

‍

Understanding Lead Scoring Properties
Lead-Scoring-Properties sind die essenziellen Bausteine jedes wirksamen Scoring-Systems. In HubSpot repräsentieren diese Properties die spezifischen Merkmale und Verhaltensweisen, die bestimmen, wie wahrscheinlich ein Lead zum Customer wird. Indem du Scoring-Properties definierst und customizest – z. B. Job Title, Company Size, Industry, Website Activity oder Email Engagement – baust du ein Lead-Scoring-Modell, das deine Business-Prioritäten widerspiegelt.

Ein gut strukturiertes Set an Scoring-Properties ermöglicht deinem Marketing-Team, die vielversprechendsten Leads schnell und präzise zu identifizieren. So fokussierst du Sales und Marketing auf Kontakte mit hoher Conversion-Wahrscheinlichkeit, statt Zeit auf unqualifizierte Prospects zu verschwenden. HubSpot Lead Scoring macht es leicht, diese Properties anzupassen, wenn sich dein Business entwickelt – damit dein Modell immer zu aktuellen Zielen und deiner Target Audience passt.

Am Ende befähigt dich das Verständnis und die Nutzung von Lead-Scoring-Properties, smarter zu arbeiten, High-Quality Leads zu priorisieren und bessere Ergebnisse aus deinem Scoring-System zu holen.

‍

The Three Score Types You Actually Need

• MQL Score (Marketing Qualified Lead) – für net-new Marketing-Leads.
• SQL Score (Sales Qualified Lead) – für in-funnel Opportunities, an denen Sales arbeitet.
• PQL Score – für User mit in-product intent.

Mehrere Scores (z. B. MQL, SQL, PQL) parallel zu fahren, ermöglicht präzisere Segmentierung und Priorisierung. Jeder Lead-Score wird basierend auf spezifischen Engagement-Signalen und Kriterien je Stage berechnet – etwa Email Opens, Website Visits oder Product Usage. Durch mehrere Lead-Scores stellst du sicher, dass sowohl Marketing Qualified Leads als auch Sales Qualified Leads korrekt identifiziert und an die richtigen Teams geroutet werden.

Genau darum geht’s: Jedes Team bekommt einen Score, der zu seiner Motion passt – und RevOps behält den Unified View.

The Core Model: Fit × Engagement × Product

Fit (Who they are)
Firmographic und technographic Traits, die zu deinem ICP passen.

• Industry, Company Size, Geo/Territory
• Job Role/Seniority, Buying Group Membership
• Tech-Stack-Signale (z. B. nutzt komplementäre Tools)

Engagement (What they do with you)
Beobachtetes Verhalten über deinen Go-to-Market hinweg.

• High-Intent Pages (Pricing, Integrations, ROI)
• Demo Requests, Event/Webinar Attendance
• E-Mail-Klicks, Content Downloads, Chatbot Conversations
• Form Submissions
  Das Tracken dieser Aktivitäten ermöglicht Engagement Scores, die das Interessen-Level eines Leads widerspiegeln.

Product (What they do in your product)
Usage und Outcomes (für Freemium, Trials oder bestehende Kunden).

• New Workspace created, Feature-Adoption-Milestones
• Logins in den letzten 7–14 Tagen, Plan-Limits/Overages erreicht
• Support-Aktivität, die Dringlichkeit oder Expansion signalisiert

Warum das funktioniert:
Fit sagt „sollten wir an sie verkaufen?“, Engagement sagt „lehnen sie sich jetzt rein?“, Product zeigt „bekommen sie bereits Value?“.

‍

Designing Your Scoring Model (Step by Step)

1. Benchmark conversion first
   Miss aktuelle Lead → SQL → Closed-Won-Raten und Speed-to-Lead. Diese Baselines werden zu deinen Erfolgskriterien.
2. List positive & negative signals
   Positives: Definiere positive und negative Attribute und vergib passende Punkte. Positive Beispiele: Demo Request, Pricing-Page-Visits, Target Role, eingeladenen Kollegen, Webinar attended.
   Negatives: Negative Beispiele: Student/Consultant/Competitor-Domains, Bounced Emails, Unsubscribes, falsches Geo. Vergib negative Scores bzw. zieh Punkte ab, um die Qualifizierung zu verfeinern.
3. Pick a range and weight by impact
   Nutze 0–100 oder 0–10. Gewichte große Signale groß. Beispiel:

• Demo Request (+30) > E-Book Download (+5).
• Competitor Domain (−50) > generische Gmail (−5).

4. Set thresholds and “hard triggers”
   MQL, wenn Fit ≥ B UND Engagement ≥ Threshold. Beim Erreichen eines Score-Schwellenwerts können automatische Actions ausgelöst werden (Notifications, Routing).
   Auto-Route bei Hard Triggers (z. B. Demo booked, Pricing-Page + Chatbot).
   SQL, wenn Qualification erfasst und Opportunity erstellt wurde.
5. Add score decay
   Intent verblasst. Reduziere Engagement-Punkte nach 7–14 Tagen Inaktivität; resette Product-Punkte nach keiner Login-Aktivität innerhalb eines definierten Fensters.
6. Align routing & SLAs
   Definiere, wer den Lead bei welchem Threshold owned und die Response Time (z. B. ≤ 1 Business Hour für MQLs; sofort für Demo Requests).
7. Document the model
   One-Pager. Plain German. Inklusive Beispiele, Thresholds, Decay Rules, Routing und SLAs. Jede*r neue Rep bekommt das in Woche 1 ins Onboarding.

‍

‍

Account Scoring (weil Buying ein Teamsport ist)

‍
Rolle Kontakt-Signale auf Company-Ebene hoch:

• Summe oder Durchschnitt der Top-3 Kontakte pro Account, damit ein Power-User das Ergebnis nicht verfälscht.
• Buying Group taggen und eine*n Primary Decision-Maker markieren, um Outreach zu steuern.
• Account Score für ABM Tiers, Territories und Expansion Plays nutzen.

Lead Scoring mit externen Daten anreichern
Wenn du dein Lead-Scoring aufs nächste Level heben willst, integriere externe Datenquellen. Indem du Infos aus CRM, Social Media oder anderen Marketing Automation-Tools einspielst, erweiterst du deine Kriterien um Insights, die über HubSpot hinausgehen.
Social-Engagement zeigt dir Leads, die aktiv mit deiner Brand interagieren; CRM-Daten liefern Purchase History, Deal Size oder frühere Sales-Interaktionen. Dieser Kontext hilft, dein Modell zu verfeinern, Muster zu erkennen und Punktwerte präziser zu vergeben.
So stellst du sicher, dass deine Kriterien vollständig und aktuell sind – und identifizierst die vielversprechendsten Leads, während du Sales und Marketing maximal wirkungsvoll ausrichtest.

‍

HubSpot Setup: So baust du es konkret

Manuelles Scoring (empfohlener Startpunkt)
Richte manuelles Lead Scoring in HubSpot ein – entweder mit der Property HubSpot Score oder mit Custom-Properties wie Fit Score, Engagement Score, Product Score. Das funktioniert am besten, wenn Marketing und Sales gemeinsam die Attribute auswählen und Punkte vergeben.

• Lege positive und negative Kriterien mit Punkten fest.
• Optional: Calculated Properties nutzen für einen Total Score = Fit + Engagement + Product.
• Active Lists bauen: „MQL – ready for Sales“, „PQL – product intent high“, „Suppression – disqualified“.
• Workflows erstellen, um:
  • Lifecycle bei Threshold-Überschreitung zu setzen (Lead → MQL → SAL → SQL).
  • Owner automatisch zuzuweisen (Round-Robin mit Fallback Queue).
  • Slack Alerts bei Score-Spikes oder verpassten SLAs zu senden.
  • Decay anzuwenden (z. B. nach 10 Tagen ohne Aktivität Engagement-Punkte abziehen).
  • Nurture zu pausieren, sobald Sales aktiv arbeitet (SAL/SQL).

Predictive Scoring (wenn genug Daten da sind)
Nutze Likelihood to Close als Side-by-Side-Signal. HubSpot’s predictive lead scoring analysiert Gemeinsamkeiten und Verhaltensmuster und vergibt eine Conversion-Wahrscheinlichkeit je Lead.

• Gating auf beide Signale: z. B. „Route, wenn Total Score ≥ 70 ODER Likelihood to Close ≥ 70 %“.
• Behalte manuelle Scores auch mit Predictive bei – Teams brauchen transparente Stellhebel.

‍

Was du scoren solltest (praktische Beispiele)

Fit (Examples)

• ICP Industry (+10)
• 50–500 Employees (+10); 500–2000 (+15)
• Seniority: Director (+10), VP/CXO (+15)
• Target Region (+5); Excluded Geo (−15)
• Competitor Domain (−50)

Engagement (Examples)

• Demo Request (+30)
• Pricing Page in den letzten 7 Tagen (+15)
• Webinar registriert (+10), attended (+15)
• Email Click auf Produkt-Feature (+7)
• Unsubscribe (−20); Hard Bounce (−40)

Product (Examples)

• Free Workspace created (+20)
• Logins ≥ 3 in den letzten 7 Tagen (+15)
• Used Premium Feature (+15)
• Over Quota/Limit (+20)
• No Login 14 days (−10)

Thresholds (illustrativ)

• MQL: Fit ≥ 20 UND Engagement ≥ 20 ODER Demo Request
• PQL: Product ≥ 25 UND Fit ≥ 15
• Route to AE: Total ≥ 70 ODER Demo Request ODER Pricing + Chatbot
  (Auf deine Motion anpassen; nach 30 Tagen reviewen.)

Automation: Vom Score zur Aktion

• Instant Route: Demo Request → Deal erstellen, Owner zuweisen, Slack Alert, Booker erhält Prep Email.
• Task Queues: Wenn HubSpot Score in 24 h um ≥ 20 springt, Same-Day Call Task erstellen (oder Trigger bei Erreichen eines Thresholds).
• Nurture Suppression: Bei SAL/SQL alle Drips pausieren.
• Recycle: Wenn 30 Tage nach SAL kein Fortschritt, in Recycled verschieben und leichteres Nurture starten.
• Data Hygiene: Auto-Dedupe, Lead Source als Dropdown (kein Freitext), Required Fields per Stage durchsetzen.

Measurement: Beweise, dass es wirkt
Tracke vor/nach dem Rollout:

• MQL → SQL Conversion und Time-to-First-Touch
• Win Rate und Cycle Length für scored vs. unscored Cohorts
• Meetings aus High-Intent-Actions (Demo, Pricing, Trials)
• Revenue influenced durch scored Leads
  In Monat 1 wöchentlich prüfen, danach monatlich.

30/60/90 Recalibration Plan

• Day 30: Low-Signal-Kriterien entfernen; Thresholds um ±5–10 Punkte tunen.
• Day 60: Decay ergänzen, falls Reps über „stale hot leads“ klagen.
• Day 90: Cohorts nach Segment (SMB/MM/ENT) vergleichen; segment-spezifische Gewichte starten, wenn sinnvoll.

Common Pitfalls (und schnelle Fixes)

• Ein einziger Riesenscore → splitte in Fit, Engagement, Product, damit Teams wissen, warum jemand hot ist.
• Lead-Scoring-Tool nicht ausgeschöpft → Features/Customization nutzen, sonst verpasst du Optimierung.
• Kein Decay → Intent verrottet; Punkte über Zeit reduzieren.
• Freitext-Quellen → Lead Source als Dropdown, interne Werte verstecken.
• Kein Feedback-Loop → alle zwei Wochen mit SDR/AE-Leads in den ersten 60 Tagen.
• Scoring ohne Routing → wenn bei Thresholds nichts passiert, bleibt es eine Vanity Number.

‍

Dein Marketing-Team auf Erfolg einstellen

‍
Starte mit klaren Zielen (höhere Conversion, bessere Lead-Qualität, engeres Marketing–Sales Alignment). Sorge für enge Zusammenarbeit bei der Definition „Was ist ein Qualified Lead?“. Wählt gemeinsam Kriterien und Punktwerte, die ICP und Buying Signals abbilden.
Biete laufendes Training, damit das Team Scores lesen, interpretieren und Taktiken anpassen kann. Regelmäßige Check-ins zwischen Marketing und Sales halten das Modell relevant und liefern konstant qualifizierte Leads an das Sales-Team.

‍

Future of Lead Scoring

‍
Lead Scoring entwickelt sich rapide – dank AI, Machine Learning und Predictive Analytics. Predictive Lead Scoring (z. B. in HubSpot) nutzt historische Daten und Echtzeit-Signale, um High-Quality Leads automatisch zu erkennen. Zunehmend werden externe und Echtzeit-Datenquellen integriert, sodass du auf Verhaltensänderungen sofort reagieren kannst.
Die Zukunft ist smarter und adaptiver: Modelle, die kontinuierlich lernen und dafür sorgen, dass Sales und Marketing zur richtigen Zeit mit den richtigen Prospects sprechen.

Key Takeaways

• Ein starkes Lead-Scoring-Modell ist zentral für Priorisierung und Qualifizierung – Grundpfeiler jeder wirksamen Sales & Marketing-Strategie.
• Ein maßgeschneidertes System hebt Conversion Rates, Alignment und Effizienz deutlich.
• HubSpot Lead Scoring bietet robuste Tools für manuelle und predictive Modelle – volle Flexibilität.
• Externe Daten und ein gut aufgesetztes Team maximieren den Impact.
• Die Zukunft liegt in Predictive, AI und ML – für noch genauere, actionable Insights.
  Befolgst du diese Best Practices, baust du ein Lead-Scoring-System, das konstant qualifizierte Leads liefert und Growth in Sales und Marketing treibt.

‍