Fit- vs. Intent-Scoring: Welches Signal wirklich einen gewonnenen Deal vorhersagt

Sie haben zwei Leads in der Warteschlange.

Lead A: VP Operations bei einem 200-Personen-Softwareunternehmen. Passt in jeder Dimension zu Ihrem ICP: Branche, Größe, Tech-Stack, Rolle. Steht seit 8 Monaten auf Ihrer E-Mail-Liste. Hat die Preisseite nie besucht. Keine Produktseiten. Hat letztes Quartal zwei E-Mails geöffnet.

Lead B: Marketing Manager bei einem 40-Personen-Dienstleistungsunternehmen, kleiner als Ihr Ideal. Nicht in Ihrer Kernbranche. Aber er hat gestern eine Demo angefragt. Hat diese Woche die Preisseite dreimal besucht. Hat Ihre Kategorie auf G2 gesucht und auf Ihr Profil geklickt.

Ihr Scoring-Modell sagt, Lead A hat 78 Punkte. Lead B hat 61 Punkte.

Wen rufen Sie zuerst an?

Wenn Ihr Instinkt Lead B sagt, weil er jetzt in einem aktiven Kaufzeitfenster ist, haben Sie wahrscheinlich recht. Und wenn Ihr Scoring-Modell Lead A höher einordnet, haben Sie ein Kalibrierungsproblem, das still Ihre Pipeline schadet.

Das ist die Fit-vs.-Intent-Frage. Und in beide Richtungen falsch zu liegen kostet Umsatz. Es ist auch die zentrale Spannung in jedem gemeinsamen Lead-Scoring-Gespräch — die Gewichtungen, die Sie Fit-vs.-Intent-Signalen zuweisen, sind der Punkt, an dem das Alignment entweder hält oder bricht.

Wichtige Fakten: Leistung von Fit- und Intent-Signalen

• Leads mit hohen Intent-Signalen konvertieren laut Bombora und SiriusDecisions-Forschung zur Intent-Daten-Adoption mit 3-5-facher Rate zu Opportunities im Vergleich zu Leads mit hohen Fit-Scores allein.
• 70 % der B2B-Kaufreise passiert, bevor ein Käufer einen Anbieter kontaktiert, was bedeutet, dass Intent-Signale oft erscheinen, bevor Leads in Ihr CRM eingehen, laut Forrester's Kaufverhalten-Forschung.
• Unternehmen, die Third-Party-Intent-Daten zusammen mit First-Party-Fit-Daten verwenden, sehen laut Aberdeen Group-Forschung zu prädiktiver Analytik eine 23%ige Steigerung der Konversionsraten von Lead zu Opportunity.
• Fit-Leads ohne Intent-Signale brauchen im Durchschnitt 6-9 Monate länger zum Abschluss als High-Fit/High-Intent-Leads, basierend auf CEB (jetzt Gartner)-Forschung zur B2B-Kaufzykluslänge.
• Zu starke Gewichtung von Engagement-Verhalten im Lead-Scoring (E-Mail-Öffnungen, Seitenaufrufe) bläht MQL-Zählungen um durchschnittlich 40 % auf, ohne die Pipeline-Qualität zu verbessern, laut Demand Gen Report-Daten zur Scoring-Genauigkeit.

Fit-Scoring definieren

Fit-Score misst, ob ein Lead zu der Art von Unternehmen gehört, an das Sie verkaufen, und die Art von Rolle innehat, die bei Ihnen kauft.

Was Fit erfasst:

• Unternehmensgröße (Mitarbeiter, Umsatz)
• Branche oder Vertical
• Geografie (wenn Sie bestimmte Märkte bedienen)
• Tech-Stack (von ihnen genutzte Tools, die mit Ihrem Produkt integriert werden oder es ersetzen)
• Jobtitel, Funktion und Seniorität
• Unternehmensphase (Startup vs. Wachstum vs. Enterprise)

Was Fit nicht erfasst:

• Ob sie aktiv nach einer Lösung suchen
• Ob in diesem Quartal Budget verfügbar ist
• Ob ein aktives Projekt oder Beschaffungszyklus läuft

Fit ist weitgehend statisch. Die Größe eines Unternehmens ändert sich nicht monatlich. Ihre Branche verändert sich nicht. Die Titel der Kontakte ändern sich langsam, wenn überhaupt. Diese Stabilität ist sowohl eine Stärke als auch eine Einschränkung.

Stärke: Fit-Scores verfallen nicht schnell. Ein High-Fit-Lead von vor sechs Monaten ist heute noch ein High-Fit-Lead.

Einschränkung: Fit sagt Ihnen nicht wann. Ein Unternehmen könnte ein perfekter Fit sein und für die nächsten 18 Monate keine Dringlichkeit haben.

Woher Fit-Daten kommen:

• Formularfelder (selbst gemeldete Unternehmensgröße, Titel, Branche)
• CRM-Anreicherungstools (Clearbit, ZoomInfo, Apollo)
• Third-Party-Firmografik-Datenbanken
• LinkedIn-Daten (für Titel und Seniorität)

Formulardaten sind selbst gemeldet und oft ungenau (Menschen unterschätzen Unternehmensgrößen, übertreiben Titel). Anreicherungsdaten sind zuverlässiger, haben aber Abdeckungslücken für kleinere Unternehmen. Planen Sie für SMB-Ziele insbesondere einen gewissen Prozentsatz an Leads mit unvollständigen oder ungenauen Fit-Daten ein. Das gemeinsame ICP-Framework ist dort, wo die Fit-Kriterien leben — die Scoring-Gewichtungen sollten widerspiegeln, was die beiden Teams dort vereinbart haben. Sehen Sie das Marketing-Sales-Alignment-Glossar dafür, wie ICP im Kontext Ihrer Alignment-Vereinbarung definiert ist.

Intent-Scoring definieren

Intent-Score misst, ob ein Lead aktiv nach einer Lösung in Ihrer Kategorie sucht. Gartners B2B-Intent-Data-Leitfaden definiert Intent-Signale als Verhaltensbelege, dass ein Unternehmen aktiv Software in Ihrer Kategorie bewertet — eine nützliche operative Definition dafür, was Ihr Modell tatsächlich messen sollte.

Was Intent erfasst:

• Sind sie in einem Kaufzeitfenster?
• Bewerten sie Optionen in Ihrer Kategorie?
• Haben sie kommerzielles Interesse gezeigt, nicht nur Neugier?

First-Party-Intent-Signale kommen aus Ihren eigenen Quellen. Das sind die stärksten Intent-Signale, weil Sie das Verhalten direkt beobachtet haben.

Third-Party-Intent-Signale kommen von Datenanbietern, die Forschungsverhalten über mehrere Websites, Bewertungsplattformen und Content-Netzwerke aggregieren. Forresters Analyse des B2B-Selbstbedienungs-Kaufens ergab, dass 68 % der B2B-Käufer es vorziehen, selbst zu recherchieren, bevor sie einen Anbieter kontaktieren — was bedeutet, dass Third-Party-Intent-Signale aktive Bewertungen erfassen, die nie in Ihrer eigenen Analytik erscheinen.

Third-Party-Intent-Daten verbessern die Scoring-Präzision erheblich, erfordern aber Budget (Bombora beginnt bei 1.500 $/Monat+) und MAP-Integrationsarbeit. Wenn Sie noch kein Budget für Intent-Datenanbieter haben, können Sie Proxy-Signale aus First-Party-Daten allein aufbauen.

Wie jedes verschiedene Ergebnisse vorhersagt

Die Fit/Intent-Reaktionsmatrix

Die Fit/Intent-Reaktionsmatrix ordnet Leads in vier Quadranten basierend auf zwei unabhängigen Achsen — ICP-Fit (wer sie sind) und Kaufabsicht (ob sie aktiv bewerten) ein. Jeder Quadrant erfordert ein eigenes Reaktions-Playbook. Die Matrix ist das Entscheidungstool; das Scoring-Modell ist nur der Input, der einen Lead in die richtige Zelle platziert.

	Niedriger Intent	Hoher Intent
Hoher Fit	Nurture für Timing — strukturiert, geduldig, auf Intent-Trigger warten	Sofort anrufen — bester Lead, Geschwindigkeit ist die Variable
Niedriger Fit	Unterdrücken oder deprioritisieren — nur Nurture mit geringem Investment	Vorsichtig behandeln — schnell qualifizieren, nicht an Senior AEs weiterleiten

Die Matrix macht explizit, was ein einzelner zusammengesetzter Score verbirgt: Ein Score von 85 könnte High-Fit/Low-Intent (zukünftige Pipeline) oder Low-Fit/High-Intent (fragile Opportunity) sein. Die richtige Reaktion ist völlig unterschiedlich.

Die vier Quadranten der Fit/Intent-Matrix erfordern jeweils eine unterschiedliche Reaktion.

                    HOHER INTENT
                         |
    NURTURE FÜR TIMING   |   SOFORT ANRUFEN
    Hoher Fit, niedr. Int|   Hoher Fit, hoher Intent
                         |
    ─────────────────────┼─────────────────────
                         |
    UNTERDRÜCKEN         |   VORSICHTIG BEHANDELN
    Niedr. Fit, niedr. I.|   Niedr. Fit, hoher Intent
                         |
                    NIEDRIGER INTENT
         NIEDRIGER FIT        HOHER FIT

Hoher Fit + hoher Intent: Sofort anrufen. Das ist Ihr bester Lead. Sie passen zu Ihrem ICP und suchen aktiv. Das ist, wen das Sales-Team innerhalb der Stunde anrufen sollte. Alle anderen Arbeiten stoppen, wenn dieser Quadrant aufleuchtet.

Die Priorität ist Geschwindigkeit. Die Daten zeigen konsistent, dass High-Fit/High-Intent-Leads, die innerhalb der ersten Stunde kontaktiert werden, dramatisch höhere Konversionsraten aufweisen als die, die 24 Stunden später kontaktiert werden. Das Kaufzeitfenster ist jetzt offen. Ihre Aufgabe ist, darin zu sein. Ein Fünf-Minuten-Reaktions-SLA für eingehende Demo-Anfragen ist speziell für diesen Quadranten gebaut.

Hoher Fit + niedriger Intent: Nurture für Timing. Das ist ein wertvoller Lead in einem ruhenden Zeitfenster. Sie werden schließlich brauchen, was Sie verkaufen, aber wahrscheinlich nicht heute. Diesen Lead an Sales weiterzugeben erzeugt verschwendete Anrufe und untergräbt das Vertrauen in das Scoring-Modell. Halten Sie diese Person in strukturiertem Nurture: vierteljährliche Check-in-Inhalte, relevante Branchen-Updates, eine Case Study, die ihrer Situation entspricht. Wenn ihr Intent-Score steigt (ein Preisseitenbesuch, eine Demo-Anfrage), ist das der Trigger, zu Sales zu wechseln.

Dieser Quadrant ist, wo die meisten Ihrer MQL-Datenbank lebt. Behandeln Sie es als zukünftige Pipeline, nicht als aktuelle Pipeline. Das Lead-Lifecycle-Stages-Framework zeigt, wie diese ruhenden, aber passenden Kontakte durch Nurture-Programme fließen sollten, bevor sie bereit für den SQL-Handoff sind.

Niedriger Fit + hoher Intent: Vorsichtig behandeln. Dieser Lead recherchiert aktiv, entspricht aber nicht Ihrem ICP. Es gibt einige Szenarien, die dieses Muster erzeugen, und sie werden unterschiedlich behandelt:

Szenario A: Sie sind ein schneller wachsendes Unternehmen als Ihre Daten zeigen. Anreicherungsdaten können 6-12 Monate veraltet sein. Ein Unternehmen, das vor sechs Monaten zu klein aussah, könnte jetzt 80 Mitarbeiter haben. Führen Sie eine schnelle Anreicherungsaktualisierung durch, bevor Sie ablehnen.

Szenario B: Sie sind tatsächlich außerhalb Ihres ICP. Sie brauchen eine Lösung, aber Sie sind nicht der richtige Fit für sie. Weiterleitung an einen schnellen Qualifier-Anruf oder einen eingehenden SDR. Nicht an Ihr AE-Team weiterleiten. Diese Leads schließen gelegentlich ab, aber mit niedrigeren Raten und oft mit höherem Churn. Bauen Sie keine Pipeline auf einem Muster auf, das Churn erzeugt.

Szenario C: Die Fit-Daten sind falsch. Titel spiegelt nicht die tatsächliche Rolle wider (ein "Coordinator", der tatsächlich das Budget für ein großes Projekt verwaltet). Fragen Sie direkt im Qualifier, um zu überprüfen, bevor Sie ablehnen.

Niedriger Fit + niedriger Intent: Unterdrücken oder deprioritisieren. Geben Sie das nicht an Sales weiter. Investieren Sie nicht in starkes Nurture. Wenn dieser Lead auf Ihrer Liste ist, könnten sie schließlich konvertieren, aber mit einer so niedrigen Rate, dass die Opportunitätskosten der Fokussierung auf sie hoch sind. Eine einfache Nurture-Sequenz (monatlicher Newsletter) ist angemessen. Aus dem aktiven Scoring entfernen.

Zitat: B2B-Leads mit hohem Fit, aber ohne Intent-Signale brauchen im Durchschnitt 6-9 Monate länger zum Abschluss als High-Fit/High-Intent-Leads, laut CEB (jetzt Gartner)-Forschung zur B2B-Kaufzykluslänge — was bedeutet, dass das Weiterleiten von Fit-only-Leads an Sales nicht nur ineffizient ist, sondern Pipeline-Velocity-Prognosen aktiv verzerrt.

Die Scoring-Falle: Verhalten zu stark gewichten

Der häufigste Scoring-Fehler ist, Engagement-Signalen zu viel Gewicht zu geben, die sich wie Intent anfühlen, es aber nicht sind. Forresters Forschung zu Intent-Daten-Fehlern listet das Verwechseln von Engagement mit Kaufabsicht als einen der häufigsten Fehler, die Teams machen — MQL-Zählungen aufblähen, ohne die Pipeline-Qualität zu verbessern.

E-Mail-Öffnungen. Gelesene Blog-Beiträge. Webinar-Anmeldungen. Social-Klicks. Diese Signale zeigen an, dass jemand mit Ihrem Content engaged ist, aber Engagement ist kein Intent.

Die "engaged but never buys"-Persona ist in jeder B2B-Content-Bibliothek real. Sie konsumieren alles. Sie öffnen jede E-Mail. Sie nehmen an jedem Webinar teil. Sie kaufen nie. Oft weil sie Praktiker sind, die Ihren Content zur Bildung und Ideengenerierung nutzen, aber entweder nicht die Budget-Inhaber sind, nicht in einem aktiven Projekt sind oder nicht in einem Unternehmen sind, das jemals Kunde sein würde.

Wenn Ihr Modell 5 Punkte für jede E-Mail-Öffnung und 10 Punkte für jeden Blog-Besuch gibt, erzielt diese Persona extrem hohe Scores, möglicherweise höher als ein Perfect-Fit-Lead, der die Preisseite einmal besucht hat. Das ist eine Modellfehlfunktion.

Wie man das Verhaltsgewichts-Problem behebt:

• Begrenzen Sie die Gesamtpunkte, die eine Verhaltens-Signal-Kategorie beitragen kann (z.B. Behavior-Score caps bei 30 Punkten insgesamt, unabhängig davon, wie viele E-Mails sie öffnen)
• Wenden Sie aggressiven Verfall auf Engagement-Signale an (14-Tage-Halbwertszeit bei E-Mail-Öffnungen, 30 Tage bei Blog-Besuchen) — der Artikel zum Lead-Scoring-Modell-Verfall behandelt die Mechanik
• Verlangen Sie mindestens ein Intent-Signal über einem Mindestschwellenwert, bevor ein Lead unabhängig vom Behavior-Score MQL-Status erreichen kann
• Validieren Sie, indem Sie prüfen, ob Ihre höchst bewerteten "nur Verhalten"-Leads tatsächlich konvertieren. Die meisten werden es nicht.

Relative Gewichtungen nach Sales-Strategie setzen

Die richtige Balance zwischen Fit und Intent hängt davon ab, wie Sie Kunden gewinnen.

Inbound-geführte Strategie: Wenn die meisten Ihrer Leads aus Content und eingehender Suche kommen, filtern Sie bereits vor für Intent: jemand, der Sie aktiv gesucht hat. Fit wird zum primären Differenziator, weil Sie nur ICP-passende Inbound-Leads an Sales weiterleiten möchten. Gewichtung: Fit 50 %, Intent 35 %, Verhalten 15 %. Die MQL-zu-SQL-Score-Schwellenwerte für diese Strategie spiegeln diese Fit-schwere Gewichtung wider.

ABM-Strategie: Wenn Sie proaktiv bestimmte Accounts anvisieren, ist Fit bereits festgelegt (Sie haben die Accounts ausgewählt). Intent wird das Trigger-Signal: Wann ist ein Zielaccount in einem aktiven Kaufzeitfenster? Gewichtung: Fit 25 % (bereits geprüft), Intent 60 %, Verhalten 15 %.

PLG-Strategie (Product-Led Growth): Produktverhalten ist Ihr stärkstes Signal: Trial-Nutzung, Feature-Adoption, Nutzungsvolumen. Fit ist wichtig, aber Produktengagement sagt Konversion oft besser vorher als traditioneller Intent oder Fit. Gewichtung: Fit 25 %, Intent 25 %, Produktverhalten 50 %.

Outbound-unterstützte Strategie: Sales treibt Outreach zu Accounts unabhängig von Inbound-Signalen. Fit bestimmt das Targeting. Intent-Signale sagen Ihnen, welche Accounts in der Sequenz priorisiert werden sollen. Gewichtung: Fit 60 %, Intent 40 %, Verhalten 0 % (Verhalten ist minimal, weil Sie kalt Outreach betreiben).

Praktische Implementierung ohne teure Tools

Third-Party-Intent-Datenanbieter verbessern die Scoring-Präzision erheblich. Aber Sie brauchen sie nicht, um ein funktionierendes Fit/Intent-Modell zu bauen.

Proxy-Signale für Intent, wenn Sie keine Intent-Datenanbieter haben:

Die schwächsten Proxies sind Formularfelder, weil Menschen lügen, auslassen oder aspirierende Antworten geben. Die stärksten Proxies sind tatsächliche Verhaltens-Signale aus Ihren eigenen Quellen: Preisseitenbesuche, Vergleichsseitenbesuche, ROI-Kalkulator-Abschlüsse.

Selbst ohne Third-Party-Daten übertrifft ein Modell, das Fit von Intent trennt und beides vor dem Erreichen des MQL-Status erfordert, ein eindimensionales Modell.

Zitat: Zu starke Gewichtung von Engagement-Verhalten im Lead-Scoring — E-Mail-Öffnungen, Seitenaufrufe, Newsletter-Klicks — bläht MQL-Zählungen um durchschnittlich 40 % auf, ohne die Pipeline-Qualität zu verbessern, laut Demand Gen Report-Daten zur Scoring-Genauigkeit in B2B-Marketing-Teams.

Rework-Analyse: Die Fit/Intent-Reaktionsmatrix verdeutlicht den teuersten Scoring-Fehler, den Teams machen: High-Intent/Low-Fit-Leads an Senior AEs weiterzuleiten. Diese Leads konvertieren gelegentlich, schließen aber langsamer ab, churnen schneller und verbrauchen unverhältnismäßig viel Sales-Zeit. Die Matrix erzwingt eine explizite Routing-Entscheidung nach Quadrant — nicht nur einen Score-Schwellenwert. Bauen Sie die Quadrantenlogik in Ihre CRM-Ansicht ein, damit Reps sehen, in welche Zelle ein Lead fällt, nicht nur eine zusammengesetzte Zahl.

Gewichtungen gegen Closed-Won-Daten kalibrieren

Der beste Weg, Gewichtungen zu setzen, ist rückwärts zu schauen, was tatsächlich einen gewonnenen Deal vorhergesagt hat. Das ist auch der Ort, wo die Sicht des Pipeline-Teams unschätzbar wird — die Pipeline vs. Forecast-Daten zeigen Ihnen, welche Lead-Merkmale konsistent zu abgeschlossenen Deals geführt haben vs. Leads, die ins Stocken geraten sind.

Die Analyse:

1. Ziehen Sie Ihre letzten 90-180 Tage geschlossener-gewonnener Opportunities
2. Prüfen Sie für jede den Lead-Datensatz: Was war der Fit-Score zum Zeitpunkt von SQL? Was war der Intent-Score?
3. Bauen Sie denselben Datensatz für Closed-Lost auf
4. Vergleichen Sie die Verteilung von Fit- und Intent-Scores zwischen gewonnenen und verlorenen

Wenn sich Closed-Won-Deals bei hohem Fit UND hohem Intent häufen, ist Ihr Modell ungefähr richtig. Wenn sich Closed-Won-Deals bei hohem Fit, aber mittlerem Intent häufen, gewichten Sie Intent zu stark. Wenn Sie einen Cluster von Low-Fit/High-Intent-Leads in Ihrem Closed-Won-Set sehen, haben Sie möglicherweise einen breiteren ICP als Ihr Modell annimmt.

Diese Analyse erfordert keinen Datenwissenschaftler. Eine Tabelle mit zwei Spalten (Fit-Score und Intent-Score zum Zeitpunkt von SQL) für Ihre letzten 50 gewonnenen und 50 verlorenen Deals wird das Muster zeigen.

Führen Sie diese Kalibrierung alle sechs Monate durch. Märkte verschieben sich. Käuferverhalten ändert sich. Ein Modell, das vor 18 Monaten akkurat war, könnte jetzt abweichen, ohne dass jemand es bemerkt.

Wenn Intent-Signale verfallen

Intent ist zeitsensitiv auf eine Weise, wie Fit es nicht ist. Ein Unternehmen, das vor drei Monaten Ihre Kategorie recherchiert hat, könnte einen Mitbewerber gekauft, das Projekt pausiert oder ganz deprioritisiert haben. Ein hoher Intent-Score vom letzten Quartal ist nicht dasselbe wie ein hoher Intent-Score heute.

Halbwertszeiten der Signale:

Hochdringliche Intent-Signale wie Demo-Anfragen sollten sofortiges Routing zu Sales auslösen, keine Batch-Verarbeitung. Der Intent-Score wird bedeutungslos sein, wenn Sie ihn in einem wöchentlichen Batch überprüfen, wenn das Signal am Dienstag ausgelöst wurde. Die Lead-Routing-Regeln müssen das berücksichtigen — heiße Intent-Signale sollten einen eigenen schnellen Pfad haben, getrennt vom normalen wöchentlichen MQL-Batch.

Für Signale mit 2-4-wöchigen Halbwertszeiten bauen Sie Verfall in Ihre MAP-Automatisierung ein, sodass Scores automatisch neu berechnet werden. Ein Lead, der die Preisseite dreimal vor zwei Monaten besucht hat und seitdem nicht zurückgekehrt ist, befindet sich aktuell nicht in einem Kaufzeitfenster.

Der Artikel zum Lead-Scoring-Modell-Verfall behandelt die technische Implementierung von Verfallsregeln im Detail.

Das Fazit

Fit ohne Intent ist Geduld. Sie haben die richtige Art von Unternehmen, aber sie sind nicht bereit zu kaufen. Halten Sie sie im Nurture, lassen Sie das Modell triggern, wenn Intent steigt.

Intent ohne Fit ist Rauschen. Jemand recherchiert aktiv Ihre Kategorie, aber er ist kein Unternehmen, das Sie tatsächlich gewinnen können. Vorsichtig behandeln: schnell qualifizieren, nicht an Senior AEs weiterleiten, ehrlich über Konversionswahrscheinlichkeit bleiben.

Beides zusammen ist Pipeline. Hoher Fit + hoher Intent ist Ihr bester Lead, und Ihre Reaktionsgeschwindigkeit auf diese Leads ist wichtiger als fast jede andere operative Variable.

Das Modell, das diese Balance richtig hinbekommt und gegen echte Closed-Won-Daten kalibriert bleibt, ist das, was Revenue-Teams, die ihrem Lead-Score vertrauen, von Teams trennt, bei denen Sales die Zahl ignoriert und ihre eigene Liste bearbeitet.

Bauen Sie zuerst für Genauigkeit. Gemeinsame Eigentümerschaft als zweites. Und validieren Sie es gegen das, was tatsächlich abgeschlossen hat.

Häufig gestellte Fragen

Was ist der Unterschied zwischen Fit-Scoring und Intent-Scoring?

Fit-Scoring misst, ob ein Lead zu der Art von Unternehmen gehört, an das Sie verkaufen, und die Art von Rolle innehat, die bei Ihnen kauft — es basiert auf firmografischen und Rollensignalen, die weitgehend statisch sind. Intent-Scoring misst, ob ein Lead aktiv nach einer Lösung in Ihrer Kategorie sucht — es basiert auf Verhaltens-Signalen (Preisseiten-Besuche, Demo-Anfragen, G2-Kategorie-Forschung), die zeitsensitiv sind und innerhalb von Tagen bis Wochen verfallen.

Was ist wichtiger: Fit oder Intent?

Es hängt von Ihrer Sales-Strategie ab, aber wenn beide vorhanden sind, ist ein High-Intent/High-Fit-Lead fast immer Ihre beste Opportunity. Wenn Sie eines priorisieren müssen: Für Inbound-geführte Strategien differenziert Fit, weil Inbound bereits einige Intent-Filter hat; für ABM-Strategien triggert Intent, weil Sie auf Fit vorgeprüft haben. Keines der Signale ist allein zuverlässig — Intent ohne Fit ist Rauschen, und Fit ohne Intent ist Geduld.

Wann ist Fit am wichtigsten?

Fit ist am wichtigsten bei ABM- und Outbound-unterstützten Strategien, wo Sie Accounts proaktiv anvisieren. In diesen Strategien ist Fit vorgeprüft (Sie haben die Accounts ausgewählt), also ist es das Gate, nicht der Trigger. Fit ist auch am wichtigsten im großen Maßstab — wenn Sie hohes Inbound-Volumen haben, ist Fit der schnellste Filter, um ICP-Leads von Nicht-ICP-Leads zu trennen, bevor Sie in Intent-Analyse investieren.

Was passiert bei Intent-Signalen ohne Fit?

Low-Fit/High-Intent-Leads sollten vorsichtig behandelt, aber nicht an Senior AEs weitergeleitet werden. Diese Leads recherchieren aktiv, entsprechen aber nicht Ihrem ICP — sie könnten die falsche Größe, falsche Branche oder falsche Rolle haben. Weiterleitung an einen schnellen Qualifier-Anruf oder einen eingehenden SDR. Investieren Sie keine schweren Sales-Ressourcen. Diese Leads schließen gelegentlich ab, aber typischerweise mit niedrigeren Raten und höherem Churn.

Wie lange bleibt ein Intent-Signal gültig?

Intent-Signale sind zeitsensitiv und verfallen schnell. Demo-Anfragen: 48-72 Stunden. Preisseitenbesuche (3+): 7-10 Tage. G2-Profil-Ansichten: 2-3 Wochen. Mitbewerber-Vergleichsbesuche: 3-4 Wochen. Bombora-Topic-Wellen: 3-4 Wochen. Ein hoher Intent-Score vom letzten Monat ist nicht dasselbe wie ein hoher Intent-Score heute. Bauen Sie MAP-Automatisierung ein, um Scores mit angewendetem Verfall neu zu berechnen, nicht nur in Batch-Verarbeitungsintervallen.

Was ist der häufigste Lead-Scoring-Fehler?

Zu starkes Gewichten von Verhaltens-Engagement-Signalen (E-Mail-Öffnungen, Blog-Besuche, Webinar-Anmeldungen) als ob sie Kaufabsicht anzeigen. Das tun sie nicht — sie zeigen Content-Interesse an. Die "engaged but never buys"-Persona erzielt beim Verhalten extrem hohe Scores und konvertiert selten. Lösung: Begrenzen Sie den gesamten Verhaltens-Beitrag zum zusammengesetzten Score eines Leads, wenden Sie aggressiven Verfall auf Engagement-Signale an und verlangen Sie mindestens ein echtes Intent-Signal, bevor ein Lead unabhängig vom Behavior-Score MQL-Status erreichen kann.

Mehr erfahren

• Gemeinsames Lead-Scoring: Fit, Intent, Verhalten
• Lead-Scoring-Modell-Verfall
• MQL-zu-SQL-Score-Schwellenwerte
• Gemeinsames ICP-Framework
• Lead-Routing-Regeln
• Pipeline vs. Forecast
• Lead-Scoring-Systeme
• Marketing-Sales-Alignment-Glossar