Welche Fragen Manager wirklich brauchen
Was ich tun würde, wenn ein Manager fragt: „Lass KI entscheiden, ob ein Lead gut ist.“ Ich würde dem Modell keinen Button „entscheide das Schicksal des Leads“ geben: Das Modell extrahiert Fakten, den finalen Score berechnet eine einfache Regel.
Den Fehler, den ich zuerst entfernen würde: Wenn die Antwort nichts ändert, sind es keine Daten—es ist ein Verhör. Der Kunde bricht den Chat ab, und das Team bekommt eine weitere Tabelle, die niemand öffnet.
Was vorbereiten und welches Ergebnis erwarten
- Ergebnis: Der Lead bekommt einen klaren Status, der Manager sieht, warum er priorisiert ist, und der Kunde wiederholt dieselben Infos nicht über Kanäle hinweg.
- Baue eine Routing-Tabelle: Anfragetyp, Pflichtfragen, Priorität, wer sie erhält und was als schwieriger Fall gilt.
- Halte Quelldaten und Zugriffsrechte getrennt vom Ergebnis, damit du prüfen kannst, was die eingehende Lead-Qualifizierung wirklich getan hat.
- Teste kurze, unvollständige und widersprüchliche Antworten. Der Bot sollte eine nächste Frage stellen oder den Dialog an einen Menschen übergeben—nicht Daten erfinden.
Qualifizierung ohne aufdringliches Verhör einrichten
- Behalte nur Fragen, die die Route ändern
Liste 3–5 Fragen und schreibe neben jede, welche Aktion sie auslöst. Wenn die Antwort nichts ändert, entferne die Frage.
Проверьте: Ein Manager kann erklären, warum jede Frage existiert.
Если не сработало: Behalte Bedarf und Kontakt; frage den Rest nach der Übergabe an einen Menschen.
- Mache Verzweigungen explizit
Im Workflow füge Router/Branch hinzu: ready for quote, needs clarification, urgent to human, not a fit. Bitte KI nicht, eine neue Route zu erfinden.
Проверьте: Jeder Status hat einen nächsten Schritt und einen Owner.
Если не сработало: Fixiere zuerst die erlaubte Statusliste in einer Tabelle.
- Rate verbieten
Schreibe in die Anweisung: „Wenn der Wert nicht explizit genannt ist, gib null zurück und stelle eine kurze Frage.“ Behalte die Originalantwort des Kunden neben dem extrahierten Feld.
Проверьте: Ein leeres Feld bleibt null statt mit einer Vermutung gefüllt zu werden.
Если не сработало: Sende die Karte zur manuellen Prüfung, wenn Antworten widersprechen.
- Übergib das Ergebnis dem Manager
In der Benachrichtigung zeige Status, Antworten, unbekannte Felder, Link zum Dialog und den empfohlenen nächsten Kontakt. Sende dem Kunden keinen Preis, solange kein Mensch ihn bestätigt hat.
Проверьте: Der Manager kennt die nächste Aktion in 30 Sekunden.
Если не сработало: Mache die KI-Antwort zum Entwurf und füge einen Approve-Button hinzu.
Schreibe zuerst vier Routen auf
In der Tabelle legst du Status an: ready_for_quote, needs_info, human_now und not_a_fit. Daneben nächste Aktion und Owner. Beispiel: Budget nicht genannt → needs_info; Beschwerde oder Rechtsfrage → human_now; Anfrage passt zu Region und Timeline → ready_for_quote.
Bitte den Bot, nur explizit Genanntes zu extrahieren. Wenn jemand schreibt „ungefähr wie beim Wettbewerber,“ ist das kein Budget. Gib null und eine kurze Frage zurück—keine Vermutung.
- Zeige dem Kunden an jedem Schritt einen Button „Mensch anrufen“.
- Setze keine hohe Priorität wegen Ausrufezeichen oder grobem Ton.
Minimaler Dialog-Skript
Erste Nachricht: „Ich kann helfen, Ihre Anfrage zu routen. Was soll erledigt werden?“ Zweite—erst nach der Antwort: „Bis wann?“ Dritte: „Wie erreichen wir Sie am besten?“ Budget nur fragen, wenn Produkt oder Route davon abhängt.
Schreibe question_count, status, missing_fields und transcript_url in die CRM-Karte. So siehst du, wo Leute abspringen, und kannst Extras streichen statt den Prompt blind umzuschreiben.
Trenne Fit und Intent
In n8n sieht die Kette so aus: `Webhook → Normalize → OpenAI Extract Evidence → Structured Output Parser → Code → IF → Switch → CRM Update`. Das Modell liefert nur Fakten und kurze Zitate. `Code` berechnet `fit_score`, `intent_score`, `data_completeness` und `total_score` mit veröffentlichten Gewichten.
Beispiel: Fit 0–40, Intent 0–40, Completeness 0–20. Speichere `score_version`, damit Formeländerungen die Historie alter Leads nicht überschreiben.
total_score = fit_score + intent_score + data_completeness
if total_score >= 70: status = 'sales_queue'
elif total_score >= 45: status = 'manual_review'
else: status = 'nurture'JSON nur mit Evidence
Im Structured Output verlange `industry_match`, `use_case_match`, `timeline`, `budget_signal`, `evidence` und `missing_fields`. Wurde Budget nicht genannt, muss es `null` sein. Nutze Modell-`confidence` nicht als Faktenersatz: Eine selbstsichere Antwort wird dadurch nicht wahr.
{
"timeline": "diesen Monat",
"budget_signal": null,
"evidence": ["Launch bis Monatsende"],
"missing_fields": ["budget_range"]
}Wann eine Frage stellen vs. an einen Menschen übergeben
| Kriterium | Frage | Gutes Zeichen |
|---|---|---|
| Input | Was kommt genau in die eingehende Lead-Qualifizierung? | Baue eine Routing-Tabelle: Anfragetyp, Pflichtfragen, Priorität, wer sie erhält und was als schwieriger Fall gilt. |
| Aktion | Was darf das System allein tun? | Nur vorab gelistete Aktionen, ohne Zugriff auf das gesamte Konto |
| Prüfung | Woran erkennst du, dass das Ergebnis akzeptabel ist? | Teste kurze, unvollständige und widersprüchliche Antworten. Der Bot sollte eine nächste Frage stellen oder den Dialog an einen Menschen übergeben—nicht Daten erfinden. |
| Fehlerfall | Wohin geht ein unklarer Fall? | Speichere den Dialog und setze needs_human; stelle keine Fragen mehr, wenn der Kunde klar nach einer Person fragt. |
Was sich nach der Einrichtung ändern sollte
Der Lead bekommt einen klaren Status, der Manager sieht, warum er priorisiert ist, und der Kunde wiederholt dieselben Infos nicht über Kanäle hinweg.
Warum KI-Qualifizierung Kunden verscheucht
Zehn Fragen stellen, bevor die erste nützliche Antwort kommt.
Hohe Priorität anhand emotionaler Worte des Kunden vergeben.
Fehlendes Budget als schlechten Lead behandeln.
Dem Kunden keinen klaren Button „Mensch anrufen“ geben.
Wann ein einfaches Frageskript nicht mehr reicht
Du brauchst ein dediziertes Setup, wenn Qualifizierung verschiedene Produkte, Regionen, Preisregeln oder personenbezogene Daten-Übergaben über Kanäle umfasst.
Was vor dem Bot-Launch prüfen
Für wen ist dieser Ansatz zur Lead-Qualifizierung?
Gute KI-Qualifizierung verhört den Kunden nicht. Sie stellt wenige Fragen, die die Route wirklich ändern: Bedarf, Timeline, Budgetrahmen und bevorzugter Kontaktweg.
Wo starten, wenn alles noch manuell ist?
Baue eine Routing-Tabelle: Anfragetyp, Pflichtfragen, Priorität, wer sie erhält und was als schwieriger Fall gilt.
Wie prüfst du, dass das Setup dir nicht schadet?
Teste kurze, unvollständige und widersprüchliche Antworten. Der Bot sollte eine nächste Frage stellen oder den Dialog an einen Menschen übergeben—nicht Daten erfinden.
Was, wenn das Ergebnis unklar ist?
Speichere den Dialog und setze needs_human; stelle keine Fragen mehr, wenn der Kunde klar nach einer Person fragt.
