HubSpot Lead-Erstellung Template

Transformiere eingehende Anrufe automatisch in qualifizierte Leads in deinem HubSpot CRM. Dieses Tool ermöglicht es deinem 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

Tool-Konfiguration
Headers

Parameter	Wert
Funktionsname	`create_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-Methode	`POST`
Timeout	`7000ms`
URL	`https://api.hubapi.com/crm/v3/objects/contacts`

Authorization: "Bearer IHRE_HUBSPOT_API_KEY"
Content-Type: "application/json"
User-Agent: "Famulor-LeadGen/1.0"

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

Budget-Assessment

Automatische Budget-Erkennung:

Direktangaben:
  "Unser Budget liegt bei 50.000€" → budget_range: "50k-60k"
  "Wir haben etwa zehntausend Euro eingeplant" → budget_range: "10k-15k"

Indirekte Hinweise:
  "Wir sind ein kleines Startup" → budget_range: "under_10k"
  "Das Budget ist nicht das Problem" → budget_range: "flexible"
  "Wir müssen schauen..." → budget_range: "limited"

Lead-Score-Einfluss:
  High Budget (&gt;50k): +25 Punkte
  Medium Budget (10-50k): +15 Punkte  
  Low Budget (&lt;10k): +5 Punkte
  Unbekannt: 0 Punkte

Authority-Assessment

Entscheidungsbefugnis-Klassifikation:

Decision Maker:
  Indikatoren: "Ich bin der Geschäftsführer", "Das kann ich entscheiden"
  Lead-Score: +30 Punkte
  Tag: "decision_maker"

Influencer:
  Indikatoren: "Ich bin der IT-Leiter", "Ich empfehle das dann weiter"
  Lead-Score: +20 Punkte
  Tag: "influencer"

Gatekeeper:
  Indikatoren: "Ich sammle erst mal Informationen", "Das muss ich weiterleiten"
  Lead-Score: +10 Punkte
  Tag: "gatekeeper"

User/Stakeholder:
  Lead-Score: +5 Punkte
  Tag: "stakeholder"

Need-Analysis

Pain-Point-Kategorisierung:

Technical Challenges:
  Keywords: "Integration", "Performance", "Skalierung"
  Category: "technical_needs"
  Urgency: high

Business Challenges:  
  Keywords: "Effizienz", "Kosten", "Wachstum", "Konkurrenz"
  Category: "business_needs"
  Urgency: medium-high

Compliance/Security:
  Keywords: "DSGVO", "Sicherheit", "Audit", "Compliance"
  Category: "compliance_needs"
  Urgency: high

Process Optimization:
  Keywords: "Automatisierung", "Workflow", "Prozess"
  Category: "process_needs"
  Urgency: medium

Timeline-Assessment

Buying-Timeline-Klassifikation:

Immediate (0-1 Monat):
  Indikatoren: "sofort", "dringend", "so schnell wie möglich"
  Timeline: "immediate"
  Lead-Score: +25 Punkte

Short-term (1-3 Monate):
  Indikatoren: "in den nächsten Monaten", "bis Quartalsende"
  Timeline: "1-3_months"
  Lead-Score: +20 Punkte

Medium-term (3-6 Monate):
  Indikatoren: "dieses Jahr noch", "mittelfristig"
  Timeline: "3-6_months" 
  Lead-Score: +15 Punkte

Long-term (6+ Monate):
  Indikatoren: "nächstes Jahr", "langfristige Planung"
  Timeline: "6+_months"
  Lead-Score: +10 Punkte

Undefined:
  Timeline: "undefined"
  Lead-Score: +5 Punkte

Erweiterte Lead-Anreicherung

Company-Enrichment-Tool

Tool-Konfiguration
Request Body

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

{
  "properties": {
    "name": "{company_name}",
    "domain": "{company_website}",
    "industry": "{identified_industry}",
    "numberofemployees": "{estimated_company_size}",
    "annualrevenue": "{estimated_revenue}",
    "company_source": "ai_conversation_analysis",
    "description": "{company_description_from_conversation}"
  }
}

Lead-Company-Association

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

Praktische Implementierung

Szenario 1: Inbound-Lead aus Cold-Call

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"

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"

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

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

Sofortige Aktionen

Unmittelbar nach Lead-Erstellung:

Lead-Bestätigungs-E-Mail senden
Sales-Team-Benachrichtigung (bei Score &gt;70)
CRM-Aufgabe erstellen: "Lead-Follow-up innerhalb 24h"
Lead in entsprechende HubSpot-Liste einordnen
Marketing-Automation-Sequenz starten

Zeitverzögerte Workflows

24-48 Stunden später:

Wenn kein Sales-Kontakt erfolgte:
  → Automated Follow-up E-Mail
  → SMS-Erinnerung (bei hohem Score)
  → Manager-Eskalation (bei Score &gt;80)

Nach 1 Woche:
  → Lead-Nurturing-E-Mail-Serie
  → LinkedIn-Connection-Request
  → Re-Engagement-Call planen

Lead-Scoring-Updates

Kontinuierliche Score-Anpassung:

E-Mail-Engagement: +5 Punkte
Website-Besuche: +3 Punkte pro Session
Content-Downloads: +10 Punkte
Demo-Request: +25 Punkte
Pricing-Page-Besuche: +15 Punkte

Duplicate-Management

Intelligent Duplicate Detection

Pre-Creation-Check
Post-Creation-Cleanup

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

HubSpot-Workflow:
  Trigger: Neue Kontakt-Erstellung
  Bedingung: Duplicate-Score &gt;80%
  Aktion: 
    - Merge-Vorschlag an Sales-Team
    - Temporary-Hold auf Automated Follow-ups
    - Manual Review Required Tag

Erweiterte Konfigurationen

Industry-Specific Lead Templates

SaaS/Tech Companies

Additional_Fields:
  tech_stack: "Aktuelle Software-Landschaft"
  integration_requirements: "Benötigte Integrationen" 
  user_count: "Anzahl geplanter User"
  compliance_requirements: "DSGVO, SOC2, etc."
  current_solution: "Bestehende Lösung"
  
Custom_Scoring:
  Enterprise_Size (+20): &gt;500 Employees
  High_Tech_Stack (+15): Modern APIs mentioned
  Compliance_Needs (+10): Security/Privacy concerns

E-Commerce

Additional_Fields:
  platform_current: "Aktuelle E-Commerce-Plattform"
  monthly_revenue: "Monatlicher Umsatz"
  product_count: "Anzahl Produkte"
  international_sales: "Internationale Verkäufe?"
  growth_challenges: "Hauptwachstumshürden"
  
Custom_Scoring:
  High_Revenue (+25): &gt;100k monthly
  Growth_Stage (+15): "schnell wachsend"
  Multi_Channel (+10): "Omnichannel"

Professional Services

Additional_Fields:
  service_focus: "Hauptdienstleistungsbereich"
  client_size_focus: "Zielkundengruppe"
  current_tools: "Aktuell genutzte Tools"
  team_size: "Größe des Teams"
  billing_model: "Abrechnungsmodell"
  
Custom_Scoring:
  Established_Practice (+20): &gt;3 Jahre
  Growing_Team (+15): Hiring mentioned
  Process_Pain (+10): Efficiency issues

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

Metrik	Beschreibung	Zielwert
Data Completeness	% der Leads mit vollständigen Kerndaten	>90%
Lead-Score-Accuracy	Korrelation 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-Lead	Zeit von Gespräch bis Sales-Kontakt	<2 Stunden

Automated Quality Checks

Data-Validation

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

Score-Validation

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

Post-Creation-Verification

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

Integration-Empfehlungen

Optimiere deine Lead-Generierung durch zusätzliche Tool-Kombinationen:

HubSpot Deal Management für Sales-Pipeline-Verwaltung
Webhook-Integration für komplexe Multi-System-Workflows
SendGrid Integration für automatische Follow-up-E-Mails

Pro-Tipp: Beginne mit einem konservativen Lead-Score-Algorithmus und optimiere basierend auf tatsächlichen Conversion-Daten. Ein zu aggressives Scoring kann zu Lead-Überflutung des Sales-Teams führen.

Datenschutz-Hinweis: Stelle sicher, dass alle erfassten Leads explizit der Kontaktaufnahme zugestimmt haben, und implementiere DSGVO-konforme Opt-out-Mechanismen.

Statt einzelner HTTP-Aktionen ein ganzes Toolset auf einmal? Externen MCP-Server verbinden — Tools werden automatisch erkannt. Siehe MCP-Server.

Mid-Call-Tools

Mid-Call-Tools Integrationen

HubSpot Lead-Erstellung

HubSpot Lead-Erstellung Template

Überblick & Funktionen

Automatische Lead-Erfassung

BANT-Qualifizierung

Lead-Erstellung-Tool konfigurieren

1. Basis-Tool-Setup

2. Request Body Template

3. Parameter-Schema

Intelligente Lead-Qualifizierung

BANT-Framework Implementation

Erweiterte Lead-Anreicherung

Company-Enrichment-Tool

Lead-Company-Association

Praktische Implementierung

Szenario 1: Inbound-Lead aus Cold-Call

Szenario 2: Warm-Lead mit hohem Intent

Response-Verarbeitung & Follow-up

Erfolgreiche Lead-Erstellung

Automatische Follow-up-Workflows

Duplicate-Management

Intelligent Duplicate Detection

Erweiterte Konfigurationen

Industry-Specific Lead Templates

Multi-Language Support

Quality Assurance & Monitoring

Lead-Quality-Metriken

Automated Quality Checks

Integration-Empfehlungen

​HubSpot Lead-Erstellung Template

​Überblick & Funktionen

Automatische Lead-Erfassung

BANT-Qualifizierung

​Lead-Erstellung-Tool konfigurieren

​1. Basis-Tool-Setup

​2. Request Body Template

​3. Parameter-Schema

​Intelligente Lead-Qualifizierung

​BANT-Framework Implementation

​Erweiterte Lead-Anreicherung

​Company-Enrichment-Tool

​Lead-Company-Association

​Praktische Implementierung

​Szenario 1: Inbound-Lead aus Cold-Call

​Szenario 2: Warm-Lead mit hohem Intent

​Response-Verarbeitung & Follow-up

​Erfolgreiche Lead-Erstellung

​Automatische Follow-up-Workflows

​Duplicate-Management

​Intelligent Duplicate Detection

​Erweiterte Konfigurationen

​Industry-Specific Lead Templates

​Multi-Language Support

​Quality Assurance & Monitoring

​Lead-Quality-Metriken

​Automated Quality Checks

Integration-Empfehlungen

HubSpot Lead-Erstellung Template

Überblick & Funktionen

Lead-Erstellung-Tool konfigurieren

1. Basis-Tool-Setup

2. Request Body Template

3. Parameter-Schema

Intelligente Lead-Qualifizierung

BANT-Framework Implementation

Erweiterte Lead-Anreicherung

Company-Enrichment-Tool

Lead-Company-Association

Praktische Implementierung

Szenario 1: Inbound-Lead aus Cold-Call

Szenario 2: Warm-Lead mit hohem Intent

Response-Verarbeitung & Follow-up

Erfolgreiche Lead-Erstellung

Automatische Follow-up-Workflows

Duplicate-Management

Intelligent Duplicate Detection

Erweiterte Konfigurationen

Industry-Specific Lead Templates

Multi-Language Support

Quality Assurance & Monitoring

Lead-Quality-Metriken

Automated Quality Checks