Wie trainiert man ein Lead-Scoring-Modell, wenn SQL-Daten knapp und verrauscht sind?+
Bei SQL-Volumen unter ~500/Jahr sind ML-Scorings statistisch instabil. Pragmatisch: regelbasierter Score mit wenigen gewichteten Features (Firmografie + Behavioral-Events + Recency), validiert durch retroaktive Closed-Won-Analyse. Ab 2.000+ SQLs lohnt Gradient-Boosted Scoring mit Time-Decay-Feature-Engineering.
Welche B2B-Signale heben MQL-Qualität über reine Firmografie-Scores?+
Technografie (BuiltWith, Wappalyzer): welche Systeme nutzt der Account? Hiring-Signale (LinkedIn-Jobs): Expansion in relevante Rollen. Funding-Events (Crunchbase). Intent-Daten (Bombora, G2). Firmografie + 2 dieser Signale hebt SQL-Konversion typisch um 40-70 %.
Wie geht man mit Multi-Stakeholder-B2B-Journeys um, wenn 6+ Personen an einer Entscheidung beteiligt sind?+
Account-based Journeys statt Contact-Journeys. Identifikation auf Company-Level (Reverse-IP, 6sense, Clearbit), Content-Pfade pro Persona (Champion, Economic Buyer, Technical, User), Touchpoints auf Account-Ebene aggregiert. Sales bekommt Buying-Committee-View, nicht Lead-Einzelfeed.
Wann ist Gated Content ein Intent-Filter, wann ein Reichweiten-Killer?+
Gate nur bei echten Utility-Assets (Template, Benchmark, Tool, Assessment) - nie bei Thought-Leadership-Content, der zitiert werden soll. Faustregel: ToFu ungegated, MoFu progressives Profiling (2-4 Felder), BoFu High-Intent-Ask (Demo, Pricing). Jeder Gate wird vierteljährlich gegen Organic-Reach-Verlust bilanziert.
Wie integriert man SEO-Content in HubSpot/Salesforce-Sequenzen?+
Content-Ops bleibt redaktionell, CRM-Sequenzen bekommen kuratierte Schnitte: Deep-Dive-Kapitel, Data-Points, Case-Study-Snippets - nicht ganze Artikel. Verlinkung via UTM-Tracking. Das liefert Multi-Touch-Reporting und Sales-Feedback, das in Content-Priorisierung zurückfließt.
Was unterscheidet Lead Generation via SEO von Performance Ads und Outbound Sales?+
Lead Gen via SEO ist Demand-Capture mit kompoundierender Asset-Basis - jeder Artikel bleibt indexiert und liefert über Jahre Pipeline. Performance Ads sind sofort skalierbar, aber CPL steigt mit Volumen und stoppt mit Budget. Outbound Sales ist präzise, aber Reply-Rates sinken strukturell. Reife Stacks orchestrieren alle Kanäle entlang Funnel-Stage und ICP-Tier.
Was bedeutet MQL- vs. SQL-Pipeline und wie wird die Übergabe sauber definiert?+
MQL signalisiert Marketing-Reife (ICP-Fit, Engagement, Scoring-Schwelle), SQL Sales-Reife (Kaufintention, Budget, Timeline). Die Übergabe braucht ein dokumentiertes SLA: Stage-Definitionen, Reaktions-SLAs (5 bis 15 Minuten für Hot Leads), Routing-Regeln nach Territory und Deal-Size, Recycling-Pfad für SQLs ohne Konversion.
Wie unterscheidet sich Demand Capture von Demand Creation in der B2B-Lead-Generation?+
Demand Capture adressiert bestehende Nachfrage (BOFU-SEO, Branded Search, G2/Capterra). Demand Creation baut Nachfrage, wo sie noch nicht artikuliert ist (Thought-Leadership, Original-Research, LinkedIn, Podcasts). Reife Stacks balancieren beide - Capture liefert kurzfristige Pipeline, Creation senkt langfristig CAC und schafft Brand-Pull.
Was unterscheidet Account-Based Marketing (ABM) von klassischer Inbound-Lead-Generation?+
ABM dreht die Logik um: erst kuratierte Account-Liste (Tier 1: 20-50, Tier 2: 100-300, Tier 3: 1.000+), dann gezielte Orchestrierung mit Reverse-IP, Intent-Daten und Sales-Marketing-Co-Selling. Inbound generiert breite MQL-Volumen mit Filterung downstream. Beide Modelle sind komplementär, moderne Stacks kombinieren sie.
Welche Tools im CRM- und MarTech-Stack sind für planbare B2B-Lead-Generation kritisch?+
Kern-Stack: CRM (HubSpot, Salesforce, Pipedrive), Marketing Automation (HubSpot, Marketo, Pardot), Reverse-IP (6sense, Clearbit, Albacross), Intent-Daten (Bombora, G2 Buyer Intent), Analytics (Mixpanel, Amplitude, GA4 server-side), Attribution (Dreamdata, HockeyStack), CDP (Segment, RudderStack). Tool-Auswahl folgt Pipeline-Architektur, nicht umgekehrt.
