Leadlisten-Qualitäts-Scorecard: Kostenlose CSV

Eine Leadliste ist nicht gut, weil sie viele Zeilen enthält. Sie ist gut, wenn die richtigen Datensätze vollständig, nachvollziehbar, aktuell und für den definierten nächsten Schritt nutzbar sind.

Diese Scorecard schafft einen wiederholbaren QA-Prozess vor CRM, Dialer oder Forschungsprojekt. Laden Sie die kostenlose CSV-Vorlage herunter, entfernen Sie die Beispielzeile und bewahren Sie die Quellenfelder neben Ihren Geschäftsdaten auf.

Sechs Qualitätsdimensionen

Dimension	Gewicht	Prüffrage
Zielpassung	20	Passt der Eintrag zu Kategorie, Region und ICP?
Kontaktabdeckung	20	Gibt es mindestens einen geeigneten öffentlichen Geschäftskanal?
Einzigartigkeit	20	Ist es nach Normalisierung ein eigenes Unternehmen oder eine echte Filiale?
Aktualität	15	Liegt Erhebung oder Prüfung im akzeptierten Zeitfenster?
Herkunft	15	Sind Quellen-URL und Erhebungsdatum nachweisbar?
Einsatzbereitschaft	10	Sind Formate, Sperrlisten und Compliance-Prüfungen abgeschlossen?

Bewerten Sie jede Dimension mit bestanden, teilweise oder nicht bestanden. Ein einfaches Modell vergibt volle, halbe oder keine Punkte. Speichern Sie die Komponenten: Hinter 80 Punkten können ein fehlendes Telefon oder eine fehlende Quelle stehen, und diese Risiken sind verschieden.

Zielpassung kommt zuerst

Ein vollständiger Datensatz im falschen Markt ist ein schlechter Lead. Definieren Sie vor der Prüfung:

• Exakte Kategorie oder erlaubte Kategorien.
• Stadt, Radius oder Vertriebsgebiet.
• Erforderliche Unternehmensmerkmale.
• Ausschlüsse wie Ketten, geschlossene Standorte und Bestandskunden.

Wer Regeln erst nach Sichtung der Daten formuliert, passt den Standard unbewusst an die Quelle an.

Kontaktabdeckung nach Kanal

Reduzieren Sie Vollständigkeit nicht auf „E-Mail vorhanden“. In unserem 3.147er-Sample hatten 93,6 % ein Telefon, 73,0 % einen Website-Link, 71,3 % beides und 4,7 % keines.

Vier Routing-Werte reichen oft:

• telefon_und_website
• nur_telefon
• nur_website
• manuelle_verifizierung

Der Kontaktierbarkeits-Benchmark erklärt die Segmente. Raten Sie keine persönlichen Daten, nur um leere Spalten zu füllen.

Deduplizierung braucht mehr als Namen

Im Forschungssample gab es unter dem konservativen Schlüssel Land + Stadt + Unternehmensname nur eine exakte Duplikatgruppe: zwei gleich benannte Zeilen in Buenos Aires. Das beweist nicht, dass keine weiteren Dubletten vorhanden waren.

Entity Resolution muss Schreibvarianten, Transliteration, gemeinsame Telefonnummern, Tracking-URLs, echte Filialen und kleine Koordinatenabweichungen berücksichtigen. Nutzen Sie zuerst normalisierten Namen und Stadt, danach Telefon, Root-Domain und Koordinaten. Echte Filialen dürfen nicht allein wegen des Markennamens zusammenfallen.

Aktualität ist zweckabhängig

Es gibt keine universelle Frist. Eine einmalige Marktstudie kann ältere Beobachtungen akzeptieren; eine Anrufkampagne braucht aktuelle Kanäle. Die Vorlage enthält deshalb collected_at und record_age_days.

Definieren Sie die maximale Datensatzalterung im Kampagnenbriefing. Ältere Zeilen kommen in eine Prüfwarteschlange. Überschreiben Sie bei Normalisierung niemals den Rohwert.

Herkunft ist Teil der Qualität

Jede Zeile sollte beantworten, woher sie stammt und wann sie erhoben wurde. source_url und collected_at helfen bei Nachprüfung, Korrekturwünschen, Trennung von Quelldaten und Enrichment sowie bei Lösch- oder Sperranfragen. Perfektes Format ohne Herkunft ist keine hohe Datenqualität.

Operative und rechtliche Bereitschaft

Vor der Übergabe:

• Internationale Vorwahlen erhalten.
• URLs konsistent kanonisieren.
• Leerwert und „nicht geprüft“ unterscheiden.
• Duplikatentscheidungen protokollieren.
• Kunden-, Do-not-call- und Opt-out-Listen anwenden.
• Geschäftsfelder von personenbezogenen Daten trennen.

Öffentliche Verfügbarkeit erlaubt nicht jede Werbenutzung. Der Rechts- und Datenschutzleitfaden ist allgemeine Orientierung; für Land und Kanal ist fachlicher Rat sinnvoll.

30-Minuten-QA-Workflow

1. Rohdatei einfrieren und auf einer Kopie arbeiten.
2. Scorecard-Spalten ergänzen.
3. Namen, Telefone, URLs und Orte normalisieren, Rohwerte behalten.
4. Exakte und danach unscharfe Duplikatkandidaten prüfen.
5. Kanalsegment und Datensatzalter berechnen.
6. Zufallsstichprobe und jeden niedrigen Score manuell prüfen.
7. Akzeptiert-, Prüfen- und Abgelehnt-Warteschlangen getrennt exportieren.
8. Regeln, Datum und Prüfer dokumentieren.

Bei großen Dateien sollte jede Region, Kategorie und Quellcharge in der Stichprobe vertreten sein. Fehler treten häufig gebündelt auf.

Vorlage herunterladen

Die CSV-Scorecard ist anbieterneutral. Ergänzen Sie CRM-IDs oder projektspezifische Prüfungen, behalten Sie aber Quelle und Rohwerte. Als Vergleich dienen die Studie zur digitalen Präsenz und der Profil-Vollständigkeitsscore.