Outbound war noch nie so schwierig wie heute: Es kommen weniger Replies rein, Sales Reps buchen weniger Demos, verfehlen ihre Quota und sind irgendwann einfach nur noch frustriert – weil sie am Ende des Tages den falschen Leads hinterherlaufen, die sowieso nicht kaufen.

Und nein, das ist nicht ihre Schuld.

Der eigentliche Grund ist meist, dass Sales-, Marketing- und GTM-Verantwortliche nicht die richtigen Systeme aufgesetzt haben.

Ein Setup, das sicherstellt, dass Reps konsequent die richtigen Leads priorisieren, kostet normalerweise viel Zeit, Energie und technisches Know-how.

Zum Glück ist das mit AI heute deutlich einfacher.

In diesem Guide zeige ich Dir, wie Du ein System aufbaust, das alle Leads automatisch bewertet, bevor Deine Reps sie überhaupt kontaktieren – also ein Lead-Scoring-System.

Hier ist der Step-by-Step-Prozess für AI Lead Scoring:

  1. Deine besten Kunden identifizieren
  2. Leads in Datablist importieren
  3. Der AI sagen, wie Leads gescored werden sollen

Was ist Lead Scoring?

Lead Scoring ist eine systematische Methode, um Prospects anhand bestimmter Kriterien und Verhaltenssignale zu bewerten und zu priorisieren.

Wenn Du diesen Prozess sauber systematisierst, kann Dein Sales-Team schneller entscheiden, welche Leads am ehesten zu Kunden werden.

Mit einem Lead-Scoring-System fokussieren Reps ihre Zeit auf die qualifiziertesten Prospects – das sorgt für höhere Conversion Rates und eine bessere Sales Velocity.

Schritt 1: Deine besten Kunden identifizieren

  1. Schau in Dein CRM und pick Dir die Top 10 Prospects, die Du jemals hattest.

  2. Analysiere, was diese gemeinsam haben, und schreib es auf. Typische Faktoren sind z. B.:

    • Company-Merkmale (Größe, Branche, Standort)
    • Kontakt-Details (Jobtitel, Entscheidungsbefugnis)
    • Engagement mit Deiner Company
    • Demografische und verhaltensbezogene Daten

  3. Lege fest, wie stark jeder Faktor das Ranking beeinflusst.

Dafür solltest Du den wichtigsten Faktoren die höchste Punktzahl geben – und „Nice-to-haves“ niedriger bewerten.

Beispiel: In vielen Sales-Prozessen ist der Standort fürs Scoring weniger wichtig (vor allem, wenn Du ein digitales Produkt oder eine Dienstleistung verkaufst). Die Branche dagegen ist oft entscheidend.

Deshalb würde ich z. B. 3 Punkte für die Branche geben, aber nur 1 Punkt für den Standort.

Hinweis:

Passe die Scores an Dein Geschäftsmodell und Deinen Markt an.

Schritt 2: Leads in Datablist importieren

Als Erstes importierst Du eine CSV/Excel-Datei in Datablist – mit der Liste der Leads, die Du scoren willst.

Datablist ist ein AI Co-Pilot für moderne GTM Teams.

Eine der stärksten Funktionen von Datablist: Es kann automatisch Scripts für Datenmanipulation generieren. So können auch nicht-technische Nutzer komplexe Daten-Workflows umsetzen.

Du musst Datablist im Grunde nur sagen, was Du erreichen willst.

Erstelle dafür zuerst eine Collection und importiere Deine Liste als CSV- oder Excel-Datei.

Create a new collection in Datablist
Create a new collection in Datablist

Das ist meine Datei. Sie enthält:

  • Website-Texte der Companies
  • Company Size
  • Job Position der Prospects
List of prospects with information to score on.
List of prospects with information to score on.

Schritt 3: Der AI sagen, wie Leads gescored werden sollen

Der letzte Schritt: Du berechnest einen Score pro Lead. Der alte Weg wäre eine komplexe Excel-Formel zu bauen. Das Problem: Formeln werden schnell unübersichtlich und sind schwer zu warten.

Mit AI brauchst Du dafür in der Regel keine Formeln mehr. Du beschreibst einfach Deine Scoring-Kriterien, und die AI generiert automatisch ein Script, das den Score berechnet.

So bekommst Du die besten Ergebnisse:

  1. Geh in der Nav-Bar auf „Edit“

  2. Wähle „AI Editing“

    Open AI Editing with Edit -> AI Editing
    Open AI Editing with Edit -> AI Editing

  3. Schreib dann Deinen Prompt. Best Practices fürs Prompting:

    • Sei konkret, welches Ergebnis Du haben willst.
    • Nutze klare Bullet Points und Kommas, damit die Logik eindeutig bleibt.
    • Nutze Variablen aus Deiner Collection, indem Du zwei Klammern tippst ({{PropertyName}} oder Slash /PropertyName) und das Property auswählst, das Du verwenden willst.
Prompt for Lead Scoring with AI.
Prompt for Lead Scoring with AI.

Hier ist mein Prompt für AI Lead Scoring.

Prompt Example
Add a column called "Persona Match?" and enter "2" for rows where the position contains any of "CEO & Founder", "Co-Founder and CEO", or "Founder and CEO" and "1" for rows with just "CEO" or "COO.

Create then a second column called "Account Match" that shows "1" for any row where company_size falls between 15 and 100.

Create also a third column called "Product Match?" and Add a "1" for each row where Website Texts contains one of the following terms: AI, Artificial Intelligence, KI.

Note for Product match: it has to be the exact term, not just a part of the word.

Finally, create a fourth column that summarizes the figures contained in the three new columns and name it "Lead Score".

Use {{position}}, {{Website Texts}} and {{company_size}} as reference, acting based on similarities rather than specifics

❗Wichtig

Ersetze {{xxx}} am Ende durch die Properties aus Deiner Collection (nutze {{ oder /, um ein Property auszuwählen).

  1. Klicke auf Generate

Die AI erstellt Dir dann ein Script und zeigt Dir eine Vorschau der Ergebnisse. Anhand der Preview kannst Du den Prompt iterativ verbessern und bei Bedarf weitere Kriterien hinzufügen.

Generated preview of the lead scoring system generated by the AI
Generated preview of the lead scoring system generated by the AI

Schritt 4: Ergebnisse ausgeben

Klicke auf „Run on items“, um Deine Ergebnisse zu bekommen.

Scoring Results
Scoring Results

Anschließend kannst Du die Ergebnisse zurück in Dein CRM oder Deinen Sequencer schicken – über eine der nativen Integrationen von Datablist oder über das Call API/HTTP enrichment.

Das Script wird gespeichert, d. h. Du findest es jederzeit wieder über Edit -> AI Editing und kannst es auf neue Leads anwenden.