Den Funnel um Product-Qualified Leads herum bauen

# Den FunnelFunnelDie Customer Journey von der Aufmerksamkeit bis zum Kauf, typischerweise Awareness, Interest, Consideration, Decision, Action, wobei sich die Zahl der Interessenten auf jeder Stufe verringert.Vollständige Definition ansehen → um Product-Qualified Leads herum bauen

Eine Nutzerin registriert sich an einem Dienstagmorgen für Ihr Whiteboard-Tool. Bis Donnerstag hat sie vier Teamkollegen eingeladen, zwei Boards erstellt und den Workspace mit Slack verbunden. Keine Demo-Anfrage, kein Whitepaper, kein Gespräch mit einem Rep. Sie ist ein Vielfaches dessen wert, was der Lead wert ist, der letzte Woche Ihr Formular „Demo anfragen“ ausgefüllt hat, und wenn Ihr FunnelFunnelDie Customer Journey von der Aufmerksamkeit bis zum Kauf, typischerweise Awareness, Interest, Consideration, Decision, Action, wobei sich die Zahl der Interessenten auf jeder Stufe verringert.Vollständige Definition ansehen → nur Formulareingänge liest, bleibt sie unsichtbar bis zu dem Tag, an dem sie geht.

Das ist ein Product-Qualified Lead (PQL). Diese Lektion ist die Verrohrung dahinter: wie Sie einen PQL definieren, scoren und routen, bevor es Freitag ist.

Das Vokabular: MQLMQLEin Marketing Qualified Lead (MQL) ist ein Interessent, dessen Engagement- und Fit-Signale darauf hindeuten, dass er mit höherer Wahrscheinlichkeit Kunde wird, was die Übergabe an den Vertrieb rechtfertigt.Vollständige Definition ansehen →, PQL, SQLSQLSales Qualified Lead: ein Prospect, den das Sales-Team als bereit für direkte Ansprache und ein Angebot validiert hat, weil er klare Qualifizierungskriterien erfüllt.Vollständige Definition ansehen →

Drei Lead-Typen, drei verschiedene Arten von Evidenz.

MQL (Marketing Qualified Lead): Interesse, gezeigt durch Marketing-Aktivität. Ein Ebook-Download, ein Webinar, drei Besuche der Pricing-Seite. Interesse, keine Nutzung.

PQL (Product Qualified Lead): jemand, der das Produkt genutzt hat, meist im Free Trial oder in der Free-Variante, und Verhaltensweisen gezeigt hat, die einen Kauf vorhersagen.

SQL (Sales Qualified Lead): ein Lead, den ein Rep geprüft und als bearbeitungswürdig akzeptiert hat. Die Übergabe an einen menschlichen Closer.

Das alte B2B-Software-Playbook lief von MQLMQLEin Marketing Qualified Lead (MQL) ist ein Interessent, dessen Engagement- und Fit-Signale darauf hindeuten, dass er mit höherer Wahrscheinlichkeit Kunde wird, was die Übergabe an den Vertrieb rechtfertigt.Vollständige Definition ansehen → zu SQLSQLSales Qualified Lead: ein Prospect, den das Sales-Team als bereit für direkte Ansprache und ein Angebot validiert hat, weil er klare Qualifizierungskriterien erfüllt.Vollständige Definition ansehen →: E-Mail einsammeln, mit Content nurturen, an Sales übergeben. Das funktioniert, wenn der Kauf vor der Nutzung passiert. Wo das Produkt die Akquisition trägt, also in der Motion, die die Schwesterlektion gegen sales-led abwägt, dreht sich die Reihenfolge, und der PQL ist das einzige Signal, das liest, was die Nutzerin tatsächlich getan hat.

Warum PQLs besser konvertieren

Handlung schlägt Klicks als Evidenz. Wer fünf Teamkollegen eingeladen und zwei Integrationen verbunden hat, hat Ihr Produkt in ihre Arbeitswoche eingebaut. Wer ein PDF heruntergeladen hat, hat nichts eingebaut.

Praktiker berichten, dass PQLs deutlich höhere Conversion-Raten als MQLs erreichen. Das Vielfache variiert je nach Produkt und wird locker zitiert, behandeln Sie also jede konkrete Zahl, die Sie sehen, als Schätzung. Die Richtung stimmt.

Die Ökonomie verstärkt sich noch auf eine zweite Weise. Sobald das Produkt instrumentiert ist, kostet ein PQL fast nichts: ErErDas Verhältnis von Interaktionen (Likes, Kommentare, Shares) zur Reichweite eines Inhalts. Zeigt, wie stark die Zielgruppe reagiert, gemessen an der Zahl der Personen, die den Inhalt gesehen haben.Vollständige Definition ansehen → ist eine Query über Events, die Sie ohnehin sammeln. Ein MQLMQLEin Marketing Qualified Lead (MQL) ist ein Interessent, dessen Engagement- und Fit-Signale darauf hindeuten, dass er mit höherer Wahrscheinlichkeit Kunde wird, was die Übergabe an den Vertrieb rechtfertigt.Vollständige Definition ansehen → trägt jedes einzelne Mal die Media-Ausgaben, die ihn erzeugt haben. Die beiden Kostenkurven laufen mit steigendem Volumen auseinander, und genau deshalb wirken PQL-Programme im ersten Monat unspektakulär und im zweiten Jahr entscheidend.

Ein PQL-Scoring-Modell bauen

Ein PQL-Score sortiert Trial- und Free-Tier-Nutzer nach Kaufwahrscheinlichkeit. Sie bauen ihn aus Aktivierungssignalen: In-Product-Events, die mit dem Übergang zum zahlenden Kunden korrelieren.

Schritt 1: Ihre Aktivierungssignale finden

Setzen Sie sich mit Product Analytics zusammen und beantworten Sie eine Frage: Was haben Nutzer, die konvertiert sind, getan, was Nutzer, die gechurnt sind, nicht getan haben?

• Breite: genutzte Features, verbundene Integrationen.
• Team: eingeladene Seats, akzeptierte Einladungen, erstellte geteilte Workspaces.
• Tiefe: der Moment, in dem der Nutzer den Kernnutzen erstmals erlebt. In einem Design-Tool wie Figma kkDie durchschnittliche Zahl neuer Nutzer, die jeder bestehende Nutzer über Empfehlungen generiert. Über 1,0 verstärkt sich das Wachstum selbst und wird exponentiell.Vollständige Definition ansehen →önnte das eine Datei mit einem zweiten Editor darin sein. In einem E-Mail-Tool eine erste versendete Kampagne.
• Frequenz: aktive Tage in der ersten Woche.
• Fit: Unternehmensgröße, E-Mail-Domain, Jobtitel aus Enrichment.

Fit-Signale führen am ehesten in die Irre. Eine gmail.com-Adresse bei einem Design-Tool ist oft ein Freelancer, der drei Studios auf dieselbe Datei zieht; eine Firmendomain kann ein einzelner Analyst sein, dem niemand folgt. Halten Sie Fit schwach gewichtet, bis Sie genug konvertierte Accounts haben, um es zu testen.

Schritt 2: Die Signale gewichten

Eingeladene Seats prognostizieren meist mehr Umsatz als ein Login, denn Pricing pro Seat bedeutet, dass Adoption sich durch Teams verbreitet und ein einzelner aktiver Nutzer schnell an die Grenze kommt.

Zwei Regeln ersparen später Nacharbeit. Scoren Sie auf einem rollierenden Zeitfenster statt auf Lifetime-Summen: Ein Nutzer, der über acht Monate neun Features berührt hat, ist nicht der Nutzer, der neun in vier Tagen berührt hat. Und scoren Sie Veränderungen, nicht nur Niveaus, besonders bei Freemium, wo der Kaufmoment ein Sprung in der Nutzung ist und nicht eine ablaufende Uhr. Der kostenlose Plan von Slack behält 90 Tage Nachrichtenhistorie (ererDas Verhältnis von Interaktionen (Likes, Kommentare, Shares) zur Reichweite eines Inhalts. Zeigt, wie stark die Zielgruppe reagiert, gemessen an der Zahl der Personen, die den Inhalt gesehen haben.Vollständige Definition ansehen → hat 2022 das alte Limit von 10.000 Nachrichten ersetzt), und ein Team, das gegen so eine Obergrenze drückt, ist ein besseres Kaufsignal als das absolute Volumen desselben Teams.

Ein vereinfachtes Modell in einfachem Pseudocode:

pql_score = 0
# alle Zähler lesen die letzten 14 Tage, nicht lifetime

# Team expansion (strongest predictor for team products)
pql_score += min(seats_invited, 5) * 8

# Aha moment reached
if reached_aha_moment:
    pql_score += 25

# Breadth of use
pql_score += features_used * 3

# Engagement frequency
pql_score += days_active_first_week * 4

# Firmographic fit
if work_email and company_size > 50:
    pql_score += 15

# Threshold for handoff
is_pql = pql_score >= 60

Die Gewichte sind keine Magie. Sie setzen sie, validieren gegen die, die tatsächlich konvertiert sind, und passen dann an. Ein grobes Modell, das offensichtliche KKDie durchschnittliche Zahl neuer Nutzer, die jeder bestehende Nutzer über Empfehlungen generiert. Über 1,0 verstärkt sich das Wachstum selbst und wird exponentiell.Vollständige Definition ansehen →äufer markiert, schlägt kein Modell.

Schritt 3: Einen Schwellenwert setzen

Wählen Sie einen Score, der „Sales soll sich melden“ von „weiter im Produkt nurturen“ trennt. Zu niedrig und Sie ersäufen Ihre Reps in schwachen Leads. Zu hoch und Sie verpassen echte KKDie durchschnittliche Zahl neuer Nutzer, die jeder bestehende Nutzer über Empfehlungen generiert. Über 1,0 verstärkt sich das Wachstum selbst und wird exponentiell.Vollständige Definition ansehen →äufer.

Ein praktischer Start: Nehmen Sie die Conversions der letzten 90 Tage, finden Sie den Score, den die meisten überschritten haben, und setzen Sie den Schwellenwert knapp darunter.

Prüfen Sie dann die Rechnung gegen Ihre Kapazität, denn der Schwellenwert ist ein Ventil, keine Wahrheit. Ein Rep, der PQLs richtig bearbeitet (Account lesen, etwas Persönliches schreiben, zweimal nachfassen), schafft irgendwo zwischen 60 und 100 Accounts pro Monat. Vier Reps ergeben eine Obergrenze von etwa 300 bis 400. Wenn das Modell 900 markiert, erhöhen Sie den Schwellenwert, schieben den Überschuss in eine automatisierte Strecke oder stellen ein. Teams, die das überspringen, erzeugen das schlechteste verfügbare Ergebnis: 900 schlecht bearbeitete Leads und Reps, die dem Score binnen eines Quartals nicht mehr trauen.

Für einen tieferen Gang durch Aktivierungsmetriken ist Amplitudes Product Analytics Playbook eine solide kostenlose Ressource zur Definition von Aha-Momenten und Aktivierungsevents.

Die Übergaben abbilden

Ein Score ist nutzlos, wenn niemand darauf reagiert. Der schwierige Teil von PQL-Programmen ist organisatorisch: drei Teams müssen sauber übergeben.

Marketing besitzt das obere Ende

Marketing treibt Sign-ups und Free-Tier-Aktivierung, also verschiebt sich die Aufgabe von der Erzeugung von Demo-Anfragen zur Erzeugung von Trials, die aktivieren. Ein Marketer, der Google-Traffic einkauft, muss nun wissen, ob diese Kohorte den Aha-Moment erreicht, nicht nur, ob sie einen Trial startet. Kanäle sortieren sich neu, sobald Sie das messen: Die Quelle mit dem günstigsten Sign-up ist häufig die mit dem teuersten PQL.

Product besitzt die Mitte

Product legt die Signale frei und treibt Aktivierung in der App: das Aha-Event, den In-App-Nudge („laden Sie Ihr Team ein, um geteilte Boards freizuschalten“), den Upgrade-Prompt an der Plan-Obergrenze. Das ist die Zusammenarbeit, die am häufigsten bricht, weil Marketing und Product historisch nie ein gemeinsames Dashboard hatten. Eine gemeinsame Definition von Aktivierung, ein Owner dieser Definition.

Sales besitzt die qualifizierte Übergabe

Wenn ein Account den Schwellenwert überschreitet, feuert ein Signal mit Kontext: Dieser Workspace hat sechs Personen eingeladen, Salesforce verbunden, ist noch im Free-Plan. Der Rep steigt mit Relevanz ein statt mit einem kalten Skript, meist um ein Team von Free auf Paid zu bringen oder einen bestehenden Footprint zu verbreitern.

Die Mechanik der Übergabe

Die Verrohrung zählt. Ein typischer Stack:

1. Ein Product-Analytics-Tool (zum Beispiel Amplitude oder Mixpanel, beide Anbieter in diesem Feld) trackt Events.

2. Die Events fließen in eine Customer Data PlatformCustomer Data PlatformEine Customer Data Platform führt Kundendaten aus allen Quellen zu dauerhaften, nutzbaren Profilen zusammen, die andere Systeme verwenden können.Vollständige Definition ansehen → oder ein Reverse-ETLETLETL (Extract, Transform, Load) ist ein Datenintegrationsprozess, der Daten aus Quellsystemen extrahiert, in ein konsistentes Format bringt und in ein Zielsystem schreibt.Vollständige Definition ansehen →-Tool.

3. Der Score landet in Ihrem CRMCRMCustomer Relationship Management: Software und Strategie, um Kundeninteraktionen über den gesamten Lifecycle zu steuern und zu analysieren.Vollständige Definition ansehen → (Salesforce, HubSpot) als Feld am Account.

4. Ein Workflow alarmiert den zugewiesenen Rep und erzeugt eine Aufgabe.

Geschwindigkeit zählt. Ein PQL ist während des Aktivierungsausschlags selbst am heißesten. Melden Sie sich vier Tage später, sprechen Sie mit jemandem, der längst in einem anderen Tab unterwegs ist.

Typische Fehlermuster

Scoring auf Vanity-Signale. Logins allein sind schwach. Man kann sich täglich einloggen und nichts davon haben. Gewichten Sie, was am Kernnutzen hängt.

Signale auf Account-Ebene ignorieren. Der KKDie durchschnittliche Zahl neuer Nutzer, die jeder bestehende Nutzer über Empfehlungen generiert. Über 1,0 verstärkt sich das Wachstum selbst und wird exponentiell.Vollständige Definition ansehen →äufer ist ein Team. Rollen Sie individuelle Signale auf die Domain hoch. Notions Free-Tier ist voll von Leuten, die es als persönliches Notizbuch nutzen: Scoren Sie sie einzeln und Ihre PQL-Queue füllt sich mit Accounts, die nie einen zweiten Seat haben werden.

Mit der falschen Person im richtigen Account sprechen. Der intensivste Nutzer in einem Figma- oder Miro-Workspace ist oft ein Designer ohne Budgetposten. Der Score identifiziert den Account; das Routing muss trotzdem den finden, der unterschreibt, und der Champion ist die Einführung, nicht der KKDie durchschnittliche Zahl neuer Nutzer, die jeder bestehende Nutzer über Empfehlungen generiert. Über 1,0 verstärkt sich das Wachstum selbst und wird exponentiell.Vollständige Definition ansehen →äufer.

Stiller Model-Drift. Bringen Sie einen neuen Onboarding-Flow, der vier Features im Namen des Nutzers berührt, und jeder Score springt über Nacht, ohne einen einzigen zusätzlichen KKDie durchschnittliche Zahl neuer Nutzer, die jeder bestehende Nutzer über Empfehlungen generiert. Über 1,0 verstärkt sich das Wachstum selbst und wird exponentiell.Vollständige Definition ansehen →äufer. Versionieren Sie das Modell und setzen Sie den Schwellenwert nach jedem Release neu, das den Aktivierungspfad verändert.

Kein Feedback-Loop. Sales muss Marketing und Product sagen, welche PQLs gut waren. Setzen Sie ein monatliches Review auf, in dem Reps eine Stichprobe bewerten.

Sales auf Self-Serve-Käufer schießen. Manche Nutzer wollen mit Karte zahlen und nie mit jemandem sprechen. Wer das unterbricht, baut Friktion in einen Kauf ein, der ohnehin schon lief.

Ein kurzes Rechenbeispiel

Nehmen Sie ein Whiteboard-Tool im Miro-Stil mit Free-Tier. Die Zahlen sind illustrativ; die Form nicht.

Ein Monat bringt 1.000 Sign-ups aus einer Content-Kampagne. 300 erreichen den Aha-Moment, ein Board, an dem in der ersten Woche eine zweite Person mitbearbeitet. Von diesen laden 90 zwei oder mehr Teamkollegen ein, verbinden den Workspace mit Slack und stoßen an die Grenzen des Free-Plans.

Diese 90 überschreiten den Schwellenwert. Sales bearbeitet 90 warme Accounts mit Kontext statt 1.000 Fremde anzurufen. Die anderen 710 bleiben im Lifecycle-Nurturing und in In-App-Prompts, und ein guter Teil konvertiert später selbst oder kommt zurück in die Queue, wenn ein zweites Team auf der Domain landet.

Der Teil, der entscheidet, ob das Programm überlebt, kommt danach. Von den 90 bewertet Sales vielleicht 20 als wirklich schlecht. Wenn diese 20 ein Muster teilen (alle eine Abteilung, alle unter 20 Mitarbeitende), haben Sie ein Gewicht zum Ändern statt eine Beschwerde zum Einreichen.

Die wichtigsten Punkte

• PQLs sind Leads, die über Produktnutzung definiert werden, nicht über Marketing-Engagement. Handlung prognostiziert Intent besser als Klicks, und die Grenzkosten, einen zu finden, sinken mit der Skalierung.
• Bauen Sie den Score aus validierten Aktivierungssignalen auf einem rollierenden Fenster, zählen Sie Veränderungen genauso wie Niveaus, und halten Sie firmografischen Fit schwach gewichtet, bis die Daten mehr rechtfertigen.
• Setzen Sie den Schwellenwert gegen die Kapazität der Reps, nicht nur gegen vergangene Conversions. Ein Modell, das dreimal so viele Leads erzeugt, wie Ihr Team bearbeiten kann, zerstört seine eigene Glaubwürdigkeit.
• Rollen Sie Signale auf den Account hoch und routen Sie dann an die Person, die unterschreiben kann, und das ist selten der intensivste Nutzer.
• Setzen Sie nach Produkt-Releases neu auf und lassen Sie Sales monatlich eine Stichprobe bewerten. Ein grobes Modell, das live geht, schlägt ein perfektes, das nie startet.