Schlechte Leads filtern: So steigerst du direkt Anfragequalität und Performance

Schlechte Leads filtern ist im modernen SEA kein „Nice-to-have“, sondern eine harte Performance-Frage: Hohe Anfragevolumen ohne klare Qualifizierung verzerren deine Daten, überlasten dein Team und führen zu falschen Optimierungsentscheidungen.

• Wie du schlechte Leads früh im Funnel abfängst, statt sie im Sales-Prozess teuer zu entsorgen
• Welche Rolle Kampagnenstruktur, Targeting, Bots, Formulare und Tracking beim Leadfilter spielen
• Konkrete Methoden, Setups und Use Cases, mit denen wir bei der OSG die Leadqualität in SEA-Accounts messbar steigern

1. Warum „mehr Anfragen“ deine SEA-Performance zerstören kann

Aus Sicht der Online Solutions Group GmbH als SEA- und SEO-Agentur sehen wir täglich Accounts, in denen „Erfolg“ über reine Conversion-Zahlen definiert wird: mehr Formulare, mehr Anrufe, mehr Downloads. Auf dem Dashboard sieht das gut aus, im CRM zeigt sich später eine andere Realität: ein Großteil dieser Leads ist unqualifiziert, nicht erreichbar oder spamverdächtig.

Typische Effekte von ungefilterten Leads:

• Dein Vertrieb arbeitet große Mengen nutzloser Kontakte ab.
• CPO und CPL wirken gut, Kosten pro qualifiziertem Lead explodieren jedoch.
• Smart Bidding optimiert auf Signale, die aus Sicht des Algorithmus funktionieren, aber keinen Umsatzbeitrag liefern.
• Budgets wandern in Segmente, die zwar „konvertieren“, jedoch kaum Deals erzeugen.

Die Folge: Du investierst Budget, Zeit und interne Kapazität in ein Traffic- und Lead-Volumen, das dein Reporting schönfärbt, aber dein Wachstum bremst.

2. Wie schlechte Leads entstehen – strukturiert analysiert

Um schlechte Leads zu filtern, brauchst du Klarheit darüber, wo sie entstehen. In unserer Arbeit mit Performance-Marketing-Teams zeigt sich ein Muster aus fünf Hebeln.

2.1 Kampagnenstruktur und Targeting als Qualitätshebel

• Zu breite Match Types bei generischen Keywords („Beratung Marketing“, „Software Demo“) führen zu falschen Suchintentionen.
• Unklare Location-Settings sorgen für Leads aus Ländern oder Regionen, die du gar nicht bedienst.
• Vermischung von Brand, Generic, Competitor, Remarketing in einer Kampagne verschleiert, welche Segmente wirklich gute Kontakte bringen.
• PMax ohne klare Qualitätsziele aggregiert sehr heterogene Signale; darunter landen auch Bots, Incentive-Clicker und Low-Intent-User.

Ergebnis: Du siehst ein gutes Volumen, aber weder Kampagnen noch Anzeigengruppen lassen sich sauber nach Leadqualität bewerten.

2.2 Messaging: Was du versprichst, ziehst du an

Die Copy entscheidet, wen du anziehst:

• „Jetzt kostenloses Angebot anfordern“ oder „Gratis Beratung“ zieht Preisjäger und Informationssammler an.
• „Individuelles Angebot ab 10.000 € Projektvolumen“ spricht eher Entscheider mit Budget an.
• Vage Headlines ohne klare Zielgruppe („Wir optimieren Ihr Marketing“) erzeugen Leads, die fachlich und budgetär nicht passen.

Merke: Klare Positionierung in Anzeigen und auf der Landingpage ist der erste Filter gegen schlechte Leads.

2.3 Formulardesign: Friction als Filter statt als Conversion-Killer

Im Lead-Gen-Bereich sehen wir häufig:

• Extrem kurze Formulare (Name, E-Mail, Telefon), die jede Hürde entfernen.
• Keine Pflichtfelder zu Unternehmensgröße, Budget, Use Case oder Branche.
• Ein einziges, generisches Conversion-Event direkt nach Formular-Submit.

Ergebnis: Du belohnst jede beliebige Eingabe mit einem Conversion-Signal. Bots, Fake-Profile und Low-Intent-User profitieren davon – deine Algorithmen auch.

2.4 Tracking: Falsche Signale für Google & Co.

Klassische Fehler im Tracking:

• Conversion = Formular abgeschickt, ohne Validierung im Backend oder CRM.
• Alle Leads fließen mit gleichem Wert in Google Ads zurück – vom perfekten Enterprise-Lead bis zur Spam-Adresse.
• Kein separates Event für qualifizierte Leads, Opportunities oder Deals.
• Offline-Conversions werden zwar hochgeladen, aber nicht nach Qualität segmentiert.

So entsteht eine Schere: Deine Kampagne „funktioniert“ laut Google Ads, dein Vertrieb sieht eine sinkende Abschlussquote.

2.5 Externe Faktoren: Spam, Bots, Fake-Leads

Seit 2024/2025 berichten viele Werbetreibende von massiven Wellen an Spam-Leads über Google Ads, insbesondere in Lead-Form-Kampagnen und Performance Max. Professionelle Bot-Netzwerke füllen Formulare trotz reCAPTCHA, Honeypots und einfacher Prüfmechanismen aus.

Das verstärkt den Effekt: Du denkst, du generierst Nachfrage, in Wahrheit trainierst du die Plattform mit Fake-Signalen.

3. Der Zusammenhang zwischen Leadqualität, Algorithmuslernen und Umsatz

Um schlechte Leads gezielt zu filtern, musst du verstehen, wie Bidding-Algorithmen „denken“.

3.1 Wie Smart Bidding faktenbasiert arbeitet

Smart Bidding und PMax optimieren in der Praxis auf:

• Conversions (z. B. Leads) oder
• Conversion-Wert (z. B. Umsatz, Lead-Score)

Die Plattform erhält dabei keine inhaltliche Information, was ein „guter“ Lead ist. Sie interpretiert alles, was du als Conversion definierst, als Zielverhalten. Wenn 60 % deiner Leads Spam oder Low-Intent-Kontakte darstellen, dann:

• bewertet der Algorithmus genau diese Signale als „erfolgreiche“ Nutzerpfade,
• sucht verstärkt nach ähnlichen Nutzern und Umfeldern,
• verschiebt Budget in Segmente mit hoher Fake- oder Low-Quality-Rate.

3.2 Kosten pro qualifiziertem Lead statt Kosten pro Lead

Ein konkretes Beispiel:

Im Reporting steigt der CPL. Aus Business-Sicht verbessert sich aber die Wirtschaftlichkeit massiv, weil du schlechte Leads erfolgreich herausfilterst.

4. Schlechte Leads filtern: Strategische Grundprinzipien

Bevor wir auf konkrete Maßnahmen eingehen, brauchst du drei strategische Klarheiten.

4.1 Definition: Was ist für dich ein guter, was ein schlechter Lead?

Für B2B- und Dienstleistungs-Accounts der OSG hat sich folgende Struktur bewährt:

• Unqualifizierter Lead: formale Anfrage, aber keine Passung (z. B. falsche Branche, Region, Budget).
• Marketing Qualified Lead (MQL): Profil passt, aber Bedarf oder Timing sind noch unscharf.
• Sales Qualified Lead (SQL): Bedarf, Budget, Entscheidungsebene und Zeitrahmen stimmen.
• Schlechter Lead: Fake-Daten, private Anfragen bei reinen B2B-Angeboten, klare Budgetdiskrepanz, irrelevanter Use Case.

Diese Definition legst du gemeinsam mit Vertrieb und Marketing fest. Erst dann baust du Filtermechanismen.

4.2 Zielkonflikt: Volumen gegen Qualität

Jede Vorqualifizierung erzeugt Reibung:

• Höhere Hürden im Formular senken das Volumen, erhöhen aber die Relevanz.
• Strengeres Targeting reduziert Reichweite, erhöht aber den Anteil passender Kontakte.
• Harte Budget-Kommunikation schreckt Low-Budget-Anfragen ab, filtert jedoch potenzielle Upselling-Fälle.

Wichtig ist ein bewusster Umgang: Du entscheidest, ab welchem CAC und welchem Deal-Wert du welche Hürden akzeptierst.

4.3 Messen, nicht glauben

Statt Bauchgefühl nutzt du:

• Lead-Scoring im CRM
• Funnel-Analysen (Lead → MQL → SQL → Angebot → Deal)
• Attributions-Logik mit Fokus auf qualifizierte Events

So erkennst du, welche Kampagnen und Keywords wirklich wachsen lassen und wo du schlechte Leads systematisch filtern musst.

5. Praktische Hebel, um schlechte Leads direkt an der Quelle zu filtern

Im Folgenden führen wir dich durch konkrete Hebel entlang des gesamten Funnels. Ziel: Schlechte Leads filtern, bevor sie im Vertrieb landen – und gleichzeitig die Algorithmen mit sauberen Signalen versorgen.

5.1 Erwartungsmanagement in Anzeigen und Landingpage

5.1.1 Klare Angebots- und Budget-Kommunikation

• Nenne Preisniveaus oder Mindestbudgets („ab 2.500 € monatlichem Ad Spend“, „ab 10.000 € Projektvolumen“).
• Formuliere Zielgruppe und Ausschlüsse („für B2B-Unternehmen ab 50 Mitarbeiter“, „nicht für Einzelunternehmer“).
• Nutze konkrete Use Cases statt generischer Versprechen.

Das schreckt bewusst einen Teil der Klicks ab – genau jene, die später als schlechte Leads in deinem CRM landen.

5.1.2 CTA-Feintuning als Filter

• „Demo anfragen“ zieht oft besser qualifizierte Leads an als „Mehr Infos“.
• „Termin buchen“ statt „Angebot anfordern“ reduziert Neugierklicker.
• In manchen Accounts reduziert ein Wechsel von „Gratis Angebot“ auf „Individuelle Strategie-Session“ Spam-Leads signifikant, ohne den Umsatz zu bremsen.

5.2 Qualifizierungsmechanismen im Formular

Hier liegt einer der stärksten Hebel, um schlechte Leads zu filtern.

5.2.1 Pflichtfelder, die Qualität sichtbar machen

Relevante Felder für B2B, Dienstleistungen und erklärungsbedürftige Produkte:

• Unternehmensname und Domain
• Branche
• Unternehmensgröße (Mitarbeiter, Umsatzcluster)
• Geplanter Budgetrahmen / Projektvolumen
• Zeitrahmen („Start in 1–3 Monaten“, „in 6+ Monaten“)
• Kurzbeschreibung des Projekts oder Bedarfs

Wichtig: Nicht alles in Freitextfeldern verstecken. Saubere Dropdowns lassen sich später besser in ein CRM-Lead-Scoring überführen.

5.2.2 Stufen-Formulare mit technischem Vorfilter

Effektiv ist ein zweistufiger Prozess:

Schritt 1: Qualifizierungsfragen (ohne Kontaktdaten)

• Sofortige, logische Validierung (z. B. Region, Mindestanforderungen).

Schritt 2: Kontaktdaten

• Nur, wenn die Antworten in Schritt 1 innerhalb definierter Korridore liegen.
• Konfigurierbar: bestimmte Kombinationen führen zu einer „Danke, aktuell kein Fit“-Seite statt zum Lead.

So filterst du schlechte Leads automatisch aus, ohne dein Sales-Team zu belasten.

5.3 Technische Vorfilterung: Spam- und Bottraffic reduzieren

Plattformübergreifend sehen wir, dass klassische Maßnahmen wie einfache CAPTCHA-Lösungen vermehrt von Bots umgangen werden.

Wir setzen auf mehrschichtige Schutzmechanismen:

• Honeypot-Felder, die im Frontend unsichtbar sind, im Backend aber eine Sperrlogik auslösen, wenn sie ausgefüllt werden.
• ReCAPTCHA v3 mit Score-basiertem Handling: niedrige Scores führen zu weiteren Prüfungen oder Soft-Block.
• Serverseitige Validierung von E-Mail (Syntax, Disposable Domains) und Telefonnummern (Ländercodes, Länge).
• IP- und Device-Pattern-Analysen, um wiederkehrende Bot-Muster zu erkennen.

Wichtig: Technische Filter ergänzen, ersetzen aber keine inhaltliche Qualifizierung. Viele schlechte Leads kommen von echten Menschen mit falscher Motivation.

5.4 Saubere Conversion-Definitionen in Google Ads & Co.

Schlechte Leads filtern reicht nicht. Du musst auch dafür sorgen, dass sie nicht als Conversion-Signale in den Plattformen landen.

5.4.1 Trennung von „Lead“ und „qualifiziertem Lead“

• Event 1: Formular abgeschickt / Anruf ab X Sekunden
• Event 2: CRM-Qualifikationsstatus = MQL/SQL

In Google Ads definierst du:

• Event 2 als primäre Conversion zur Optimierung,
• Event 1 maximal als sekundäre Messgröße oder gar nicht.

Damit signalisierst du den Algorithmen:

Nur Leads mit echter Sales-Relevanz zählen als Erfolg.

5.4.2 Offline-Conversions mit Qualitätsdimension

Über eine API-Anbindung oder CSV-Uploads führst du Daten aus deinem CRM zurück in Google Ads:

• Leadstatus (z. B. MQL, SQL, Opportunity, Closed Won)
• Deal-Wert oder Deal-Wert-Buckets
• Leadscore (z. B. 0–100)

Diese Werte nutzt du als Conversion-Wert. So lernt der Algorithmus, woher hochwertige Kontakte kommen und reduziert langfristig den Anteil schlechter Leads.

5.5 Kampagnen-Setups, die Qualität fördern

5.5.1 Saubere Segmentierung

• Eigene Kampagnen für Brand, Generic, Competitor, Remarketing.
• Eigene Kampagnen oder Asset-Gruppen je Branche, Produktlinie oder Funnelstufe.
• Negative Keywords für irrelevante Intentionen (kostenlos, Jobs, Ausbildung, DIY).

Diese Struktur erleichtert dir:

• Qualitätsanalysen auf Kampagnenebene
• Budgetumschichtungen auf Grundlage von qualifizierten Leads
• Ausschluss ganzer Segmente, die überwiegend schlechte Leads liefern

5.5.2 Umgang mit Performance Max

PMax aggregiert Signale aus vielen Kanälen. Für erklärungsbedürftige B2B- oder Dienstleistungsangebote empfiehlt sich:

• Start mit klar umrissenen Asset-Gruppen (z. B. nur für bestimmte Branchen oder Use Cases).
• Strenge Zielgruppen- und Standortdefinitionen.
• Laufendes Monitoring, ob bestimmte Assets, Placements oder Zielgruppen einen überproportional hohen Anteil schlechter Leads produzieren.

Erst wenn du ausreichende qualifizierte Signale zurückspielst, entfaltet PMax sein Potenzial, um hochwertige Zielgruppen effizient zu skalieren.

6. Verbindung zu CRM und Bewertungssystemen

Ohne CRM-Integration bleibt Leadqualität eine Bauchentscheidung. Aus Agenturperspektive ist dieser Schritt häufig der Gamechanger.

6.1 Lead-Scoring im CRM

Ein praxisnahes Lead-Scoring kombiniert:

• Explizite Daten: Branche, Unternehmensgröße, Standort, Budgetrange.
• Implizite Daten: Websitebesuche, Content-Downloads, E-Mail-Öffnungen, Reaktion auf Sales-Outreach.

Jeder Lead erhält einen Score, z. B. 0–100. Schwellen definieren, ab wann ein Lead als MQL oder SQL gilt. Diese Klassifikation fließt wieder in dein SEA-Reporting und in die Conversion-Uploads zurück.

6.2 Closed-Loop-Reporting für SEA

In vielen Projekten der OSG verbinden wir:

• Google Ads / Microsoft Ads
• CRM-Systeme (z. B. HubSpot, Salesforce, Pipedrive)
• Performance Suite als Datenhub

So erkennst du etwa:

• welches Keywordcluster den höchsten SQL-Anteil liefert,
• welche Kampagnen zwar viele Leads bringen, aber kaum Deals,
• welche Anzeigentexte signifikant mehr oder weniger qualifizierte Anfragen erzeugen.

Schlechte Leads filtern bedeutet dann nicht mehr „viel Gefühl“, sondern klar messbare Steuerung.

7. Use Cases aus B2B, Dienstleistung und erklärungsbedürftigen Angeboten

7.1 B2B-Software (SaaS, High-Ticket)

Problem: Viele Demo-Anfragen mit sehr kleinen Teams, ohne Budget oder mit reiner Neugier. Vertrieb blockiert, Sales-Cycle zieht sich, Abschlussquote niedrig.

Hebel:

• Pflichtfeld „Mitarbeiterzahl“ und „geplantes Lizenzvolumen“.
• Budgetkommunikation „ab 1.000 € monatlicher Lizenzinvestition“.
• Zweistufiges Formular mit Use-Case-Fragen.
• Primäre Conversion in Google Ads: „Opportunity erstellt“, nicht „Demo angefragt“.

Effekt: weniger Leads, deutlich höherer SQL-Anteil, steigende Abschlussquote, verbesserter CAC.

7.2 Dienstleistung mit regionalem Fokus (z. B. Agentur, Beratung)

Problem: Leads aus nicht bedienten Regionen, stark preissensitiv, teils Privatkunden statt B2B.

Hebel:

• Klare regionale Kommunikation in Anzeige und Landingpage.
• Entfernen zu grober Radius-Targetings, Umstieg auf Location-Inclusion plus -Exclusion.
• Pflichtfeld „Art des Unternehmens“ und „Branche“.
• CRM-Sync, um Leads außerhalb des Zielsegments nicht als Conversion zu zählen.

Effekt: messbar weniger Aufwände im Vertrieb, mehr Kapazität für passende Anfragen.

7.3 Erklärungsbedürftige B2B-Lösungen (z. B. technische Dienstleistungen)

Problem: Viele sehr frühe Informationsanfragen von Fachkräften ohne Entscheidungskompetenz, hohe Beratungsaufwände ohne Abschlussoption.

Hebel:

• CTA-Wechsel: „Whitepaper herunterladen“ für Research-Phase, „Projektanfrage“ nur für konkrete Fälle.
• Nurturing-Strecke für MQLs, direkte Sales-Bearbeitung nur bei SQLs.
• SEA-Kampagnen nach Funnelstufen getrennt (Top-Funnel vs. Mid/Bottom-Funnel).
• Bewertung der Kampagnen über SQLs und Angebote, nicht über Roh-Leads.

Effekt: Vertriebsressourcen fokussieren sich auf Leads mit realistischem Entscheidungsrahmen.

8. Typische Irrtümer im Umgang mit Leadqualität

In der Zusammenarbeit mit Performance-Marketing-Teams treffen wir immer wieder auf wiederkehrende Annahmen, die in die falsche Richtung führen.

8.1 „Wir optimieren die schlechten Leads später heraus“

Ohne klare Qualitäts-Signale im Tracking funktioniert das nicht. Der Algorithmus unterscheidet nicht zwischen „Lead“ und „schlechtem Lead“, solange du keine saubere Trennung vornimmst. Du trainierst die Maschine mit genau den Daten, die du eigentlich reduzieren willst.

8.2 „Zielgruppen-Targeting löst das Qualitätsproblem“

Zielgruppen-Targeting hilft, ersetzt aber keine:

• klare Messaging-Strategie,
• inhaltliche Qualifizierung im Formular,
• Rückkopplung von CRM-Daten.

Auch innerhalb einer sauberen Zielgruppe existieren große Unterschiede in Budget, Entscheidungsbefugnis und Dringlichkeit.

8.3 „Mehr Daten = besseres Lernen, egal welche Leads“

Mehr Daten helfen nur, wenn sie relevant sind. Eine Flut an minderwertigen Leads führt zu mehr Rauschen und schlechterer Modellausrichtung. 100 qualifizierte Leads liefern dem Algorithmus mehr Wert als 1.000 Leads mit 70 % Spam-Anteil.

9. Wie die OSG dich bei der Filterung schlechter Leads unterstützt

Als BVDW-zertifizierte SEA-Agentur und Entwickler der Performance Suite begleitet die Online Solutions Group Unternehmen im DACH-Raum bei genau diesen Herausforderungen:

• Audit deiner aktuellen Lead- und Conversion-Definitionen in Google Ads, PMax und Microsoft Ads.
• Aufsetzen einer Leadqualitäts-Metrik (MQL/SQL/Deal) und Definition von Filtern.
• Integration von CRM- und Bewertungssystemen, um qualitätsbasierte Conversion-Uploads zu ermöglichen.
• Ableitung einer SEA- und Tracking-Strategie, bei der du schlechte Leads strukturiert filterst und Algorithmen mit echt relevanten Signalen fütterst.

Wenn du mehr über datengetriebene Optimierung erfahren möchtest, lohnt sich auch ein Blick auf unsere Beiträge zu Auswahl der besten SEA-Agentur oder zu systematischer Conversion-Optimierung.

Häufige Fragen zu Leadqualität, Lead-Qualifizierung und schlechten Leads