​
HubSpot Lead-Erstellung Template

Transformieren Sie eingehende Anrufe automatisch in qualifizierte Leads in Ihrem HubSpot CRM. Dieses Tool ermöglicht es Ihrem KI-Assistenten, während des Gesprächs neue Kontakte zu erstellen, zu qualifizieren und mit relevanten Informationen anzureichern.

​
Überblick & Funktionen

Automatische Lead-Erfassung

  • Echtzeit-Kontakterstellung aus Gespräch
  • Intelligente Datenextraktion (Name, E-Mail, Firma)
  • Lead-Score-Berechnung basierend auf Gespräch
  • Automatische Kategorisierung und Tagging

BANT-Qualifizierung

  • Budget-Assessment durch Gesprächsanalyse
  • Authority-Level-Bestimmung
  • Need-Analysis und Pain-Point-Identifikation
  • Timeline-Ermittlung für Kaufentscheidung

​
Lead-Erstellung-Tool konfigurieren

​
1. Basis-Tool-Setup

ParameterWert
Funktionsnamecreate_hubspot_lead
Beschreibung”Erstellt einen neuen Lead in HubSpot basierend auf Gesprächsinformationen. Verwenden Sie dies, wenn ein potentieller Kunde Interesse zeigt und noch nicht im System existiert.”
HTTP-MethodePOST
Timeout7000ms
URLhttps://api.hubapi.com/crm/v3/objects/contacts

​
2. Request Body Template

{
  "properties": {
    "firstname": "{first_name}",
    "lastname": "{last_name}",
    "email": "{email_address}",
    "phone": "{phone_number}",
    "company": "{company_name}",
    "jobtitle": "{job_title}",
    "website": "{company_website}",
    "lifecyclestage": "lead",
    "leadsource": "phone_call",
    "hs_lead_status": "NEW",
    "lead_score": "{calculated_score}",
    "notes_last_updated": "{conversation_summary}",
    "budget_range": "{estimated_budget}",
    "timeline": "{buying_timeline}",
    "pain_points": "{identified_challenges}",
    "interest_level": "{engagement_score}",
    "hs_analytics_source": "famulor_ai_call",
    "createdate": "{current_timestamp}"
  }
}

​
3. Parameter-Schema

{
  "type": "object",
  "properties": {
    "first_name": {
      "type": "string",
      "description": "Vorname des Kontakts"
    },
    "last_name": {
      "type": "string", 
      "description": "Nachname des Kontakts"
    },
    "email_address": {
      "type": "string",
      "format": "email",
      "description": "E-Mail-Adresse des Leads"
    },
    "phone_number": {
      "type": "string",
      "description": "Telefonnummer des Kontakts"
    },
    "company_name": {
      "type": "string",
      "description": "Name des Unternehmens"
    },
    "job_title": {
      "type": "string",
      "description": "Position/Jobtitel des Kontakts"
    },
    "company_website": {
      "type": "string",
      "description": "Website des Unternehmens (falls erwähnt)"
    },
    "calculated_score": {
      "type": "integer",
      "description": "Lead-Score basierend auf Gesprächsqualität (0-100)",
      "minimum": 0,
      "maximum": 100
    },
    "conversation_summary": {
      "type": "string",
      "description": "Zusammenfassung der wichtigsten Gesprächspunkte"
    },
    "estimated_budget": {
      "type": "string",
      "description": "Geschätzter oder genannter Budget-Range"
    },
    "buying_timeline": {
      "type": "string",
      "description": "Zeitrahmen für Kaufentscheidung"
    },
    "identified_challenges": {
      "type": "string",
      "description": "Im Gespräch identifizierte Herausforderungen/Pain Points"
    },
    "engagement_score": {
      "type": "string",
      "enum": ["low", "medium", "high"],
      "description": "Interesse-Level basierend auf Gesprächsengagement"
    }
  },
  "required": ["first_name", "last_name", "phone_number"]
}

​
Intelligente Lead-Qualifizierung

​
BANT-Framework Implementation

​
Erweiterte Lead-Anreicherung

​
Company-Enrichment-Tool

Funktionsname: enrich_hubspot_company
Beschreibung: "Reichert Lead mit Firmendaten an, basierend auf Firmenname oder Website"
HTTP-Methode: POST
URL: https://api.hubapi.com/crm/v3/objects/companies

​
Lead-Company-Association

{
  "associations": [
    {
      "to": {
        "id": "{company_id}"
      },
      "types": [
        {
          "associationCategory": "HUBSPOT_DEFINED",
          "associationTypeId": 1
        }
      ]
    }
  ]
}

​
Praktische Implementierung

​
Szenario 1: Inbound-Lead aus Cold-Call

1

Erstkontakt & Datensammlung

KI-Assistent: "Darf ich fragen, mit wem ich spreche?"
Kunde: "Hier ist Max Mustermann von der Beispiel GmbH"

→ Automatic Data Extraction:
  first_name: "Max"
  last_name: "Mustermann"  
  company_name: "Beispiel GmbH"
2

Bedarf-Exploration

KI: "Wobei kann ich Ihnen denn helfen?"
Kunde: "Wir suchen eine neue CRM-Lösung. Unser aktuelles System 
        ist zu langsam und die Integration funktioniert nicht."

→ Pain Point Analysis:
  pain_points: "Performance-Probleme, Integration-Challenges"
  category: "technical_needs"
  urgency: "high"
3

BANT-Qualifizierung

Budget: "Was haben Sie sich budgetmäßig vorgestellt?"
Authority: "Wer trifft bei Ihnen die Entscheidung für Software?"
Need: "Welche Funktionen sind für Sie am wichtigsten?"
Timeline: "Bis wann möchten Sie eine Lösung implementiert haben?"

→ Lead-Score-Berechnung basierend auf Antworten
4

Lead-Creation & Follow-up

create_hubspot_lead(
  first_name: "Max",
  last_name: "Mustermann",
  company_name: "Beispiel GmbH", 
  calculated_score: 75,
  timeline: "1-3_months",
  pain_points: "CRM Performance & Integration issues"
)

→ Automatic Follow-up Task Creation
→ Sales-Team-Benachrichtigung

​
Szenario 2: Warm-Lead mit hohem Intent

​
Response-Verarbeitung & Follow-up

​
Erfolgreiche Lead-Erstellung

{
  "id": "lead12345",
  "properties": {
    "firstname": "Max",
    "lastname": "Mustermann",
    "email": "max@beispiel.de",
    "company": "Beispiel GmbH",
    "lifecyclestage": "lead",
    "hs_lead_status": "NEW",
    "lead_score": "75",
    "createdate": "2024-01-15T10:30:00.000Z"
  },
  "createdAt": "2024-01-15T10:30:00.000Z"
}

​
Automatische Follow-up-Workflows

​
Duplicate-Management

​
Intelligent Duplicate Detection

Tool: check_existing_contact
Method: GET
URL: https://api.hubapi.com/crm/v3/objects/contacts/search

Search-Criteria:
  - E-Mail-Adresse (exakter Match)
  - Telefonnummer (normalisierter Vergleich)
  - Firmenname + Nachname (fuzzy Match)

Wenn Match gefunden:
  → update_existing_contact statt create_new
  → Lead-Score addieren statt überschreiben
  → Conversation-History anhängen

​
Erweiterte Konfigurationen

​
Industry-Specific Lead Templates

​
Multi-Language Support

German_Localization:
  field_labels:
    firstname: "Vorname"
    lastname: "Nachname" 
    company: "Unternehmen"
    jobtitle: "Position"
  
  pain_point_detection:
    efficiency: ["Effizienz", "Produktivität", "Zeitersparnis"]
    cost: ["Kosten", "Budget", "Einsparung", "ROI"]
    growth: ["Wachstum", "Skalierung", "Expansion"]
    competition: ["Konkurrenz", "Wettbewerb", "Marktposition"]

​
Quality Assurance & Monitoring

​
Lead-Quality-Metriken

MetrikBeschreibungZielwert
Data Completeness% der Leads mit vollständigen Kerndaten>90%
Lead-Score-AccuracyKorrelation Score vs. tatsächliche Conversion>0.7
Duplicate-Rate% der durch Tool erstellten Duplicates<5%
Sales-Acceptance-Rate% der von Sales akzeptierten Leads>80%
Speed-to-LeadZeit von Gespräch bis Sales-Kontakt<2 Stunden

​
Automated Quality Checks

1

Data-Validation

Pre-Creation-Checks:
  - E-Mail-Format validieren
  - Telefonnummer normalisieren  
  - Firmenname gegen Blacklist prüfen
  - Spam-Pattern-Detection
2

Score-Validation

Score-Plausibility:
  - Score vs. Data-Completeness Check
  - Timeline vs. Budget Consistency
  - Authority vs. Company Size Logic
3

Post-Creation-Verification

Automated_Follow-up:
  - E-Mail-Deliverability-Test
  - Phone-Number-Validation
  - Company-Website-Verification
  - Social-Media-Profile-Enrichment

Integration-Empfehlungen

Optimieren Sie Ihre Lead-Generierung durch zusätzliche Tool-Kombinationen:
Pro-Tipp: Beginnen Sie mit einem konservativen Lead-Score-Algorithmus und optimieren Sie basierend auf tatsächlichen Conversion-Daten. Ein zu aggressives Scoring kann zu Lead-Überflutung des Sales-Teams führen.
Datenschutz-Hinweis: Stellen Sie sicher, dass alle erfassten Leads explizit der Kontaktaufnahme zugestimmt haben und implementieren Sie DSGVO-konforme Opt-out-Mechanismen.