Blog

Du betrachtest gerade Zoho CRM, Lead Forensics API und OpenAI: Tutorial für KI-gestützte Lead-Qualifizierung

Zoho CRM, Lead Forensics API und OpenAI: Tutorial für KI-gestützte Lead-Qualifizierung

  • Beitrags-Autor:

Intelligente Lead-Qualifizierung: So kombinierst Du Zoho CRM, Lead Forensics und ChatGPT

Im B2B-Vertrieb ist die Qualität der Leads entscheidend. Doch oft landen im Zoho CRM nur rudimentäre Informationen: ein Firmenname, vielleicht eine E-Mail-Adresse. Dein Vertriebsteam muss dann mühsam recherchieren, um das Potenzial eines Leads einzuschätzen. Dieser manuelle Prozess ist nicht nur zeitaufwendig, sondern auch fehleranfällig. Was wäre, wenn Du diesen Prozess vollständig automatisieren könntest? Wenn jeder neue Lead automatisch mit wertvollen Firmendaten angereichert und von einer KI vorqualifiziert würde, bevor ein Mitarbeiter ihn überhaupt zu Gesicht bekommt? Genau das zeigen wir Dir in diesem Artikel. Wir bauen einen praxisnahen Workflow, der die Stärken von Zoho mit externen APIs von Diensten wie Lead Forensics und OpenAI (ChatGPT) kombiniert, um Deinen Vertrieb auf ein neues Level zu heben.

Die Herausforderung: Von anonymen Website-Besuchern zu qualifizierten Leads

Stell Dir ein typisches Szenario vor: Du betreibst ein B2B-Unternehmen, zum Beispiel einen spezialisierten Großhandel für Holzwerkstoffe. Deine Website zieht viele Besucher an, und Du nutzt ein Tool wie Lead Forensics, um die Unternehmen hinter diesen Besuchen zu identifizieren. Die grundlegende Integration legt diese Firmen als Leads in Deinem Zoho CRM an.

Das Problem: Die automatisch erstellten Leads enthalten oft nur den Firmennamen. Dein Vertriebsteam muss nun:

  • Sich bei Lead Forensics einloggen, um die besuchten Seiten einzusehen.
  • Die Website des potenziellen Kunden manuell recherchieren.
  • Versuchen, aus den besuchten Seiten („Fixmaße“, „Furnierwissen“) auf ein konkretes Interesse zu schließen.
  • Kontaktdaten wie Telefonnummer oder Adresse mühsam suchen.

Dieser Prozess ist ineffizient. Das Ziel ist klar: Alle relevanten Informationen – Firmendetails, Besuchshistorie und eine erste qualitative Einschätzung – müssen direkt und automatisch im Lead-Datensatz in Zoho CRM verfügbar sein.

Schritt-für-Schritt: Dein automatisierter Qualifizierungs-Workflow

Wir bauen diesen Prozess mit Zoho CRM als zentraler Datenbasis und Zoho Flow als Orchestrierungs-Tool. Alternativ lassen sich viele Schritte auch über Custom Functions direkt im CRM mit der Skriptsprache Deluge umsetzen.

Schritt 1: Die Basis schaffen und Daten in Zoho CRM vorbereiten

Bevor die Automatisierung startet, musst Du Dein Zoho CRM vorbereiten, um die zusätzlichen Daten aufzunehmen.

  1. Benutzerdefinierte Felder erstellen: Gehe in Zoho CRM zu Einstellungen > Module und Felder > Leads. Erstelle hier neue Felder, um die Daten von Lead Forensics zu speichern, z.B.:
    • Lead Forensics Business ID (Textfeld)
    • Lead Forensics Visit ID (Textfeld)
  2. Unterformular für Besuchshistorie: Die Liste der besuchten Seiten lässt sich am saubersten in einem Unterformular (Subform) speichern. Erstelle ein neues Unterformular namens „Besuchshistorie“ mit den Feldern Seiten-URL und Seiten-Titel.

Schritt 2: Leads anreichern mit der Lead Forensics API

Der Standard-Webhook von Lead Forensics liefert oft nur Basisinformationen. Um an die wirklich interessanten Daten wie Adressen oder die detaillierte Besuchshistorie zu kommen, nutzen wir die REST-API von Lead Forensics direkt aus Zoho Flow oder einer Deluge-Funktion.

Der Prozess startet, wenn ein neuer Lead von Lead Forensics im CRM angelegt wird. Dies dient als Trigger für unseren Workflow in Zoho Flow.

Innerhalb des Flows fügst Du eine „Custom Function“ hinzu, um die Lead Forensics API abzufragen. Hier ist ein beispielhaftes Deluge-Skript, wie Du die besuchten Seiten für eine gegebene Visit-ID abrufen kannst:

// Deluge Custom Function in Zoho Flow oder CRM
// leadId ist die ID des ausgelösten Leads
leadDetails = zoho.crm.getRecordById("Leads", leadId);
visitId = leadDetails.get("Lead_Forensics_Visit_ID");
apiKey = "DEIN_LEAD_FORENSICS_API_KEY"; // Sicher in Connections speichern

if(visitId != null)
{
    // API-Endpunkt für besuchte Seiten (Beispiel, prüfe die offizielle Doku)
    pagesUrl = "https://api.leadforensics.com/v2/visit/" + visitId + "/pages";
    headers = Map();
    headers.put("Authorization", "Bearer " + apiKey);
    
    // API-Aufruf, um die besuchten Seiten abzurufen
    pagesResponse = invokeurl
    [
        url :pagesUrl
        type :GET
        headers:headers
    ];

    // Die Antwort (ein JSON-Array) parsen und dem Unterformular hinzufügen
    pageList = List();
    if(pagesResponse.get("pages") != null)
    {
        for each page in pagesResponse.get("pages")
        {
            row = Map();
            row.put("Seiten_Titel", page.get("title"));
            row.put("Seiten_URL", page.get("url"));
            pageList.add(row);
        }
    }
    
    // Daten im Lead-Datensatz aktualisieren
    updateMap = Map();
    updateMap.put("Besuchshistorie", pageList); // "Besuchshistorie" ist der API-Name des Unterformulars
    updateResponse = zoho.crm.updateRecord("Leads", leadId, updateMap);
    info updateResponse;
}

Auf ähnliche Weise kannst Du mit der Business-ID weitere Firmendetails (Adresse, Telefon, Website) abrufen und die entsprechenden Felder im Zoho CRM aktualisieren.

Schritt 3: KI-basierte Qualifizierung mit der OpenAI API (ChatGPT)

Jetzt kommt der spannendste Teil. Wir senden die gesammelten Informationen an die OpenAI API, um eine automatische Analyse und Zusammenfassung zu erhalten. Das Ergebnis speichern wir als Notiz direkt am Lead.

Dafür erweiterst Du Deinen Zoho Flow oder Deine Custom Function. Nachdem die Daten von Lead Forensics abgerufen wurden, folgt ein weiterer API-Call an OpenAI.

Zuerst der Prompt: Die Qualität der KI-Antwort hängt maßgeblich von Deinem Prompt ab. Formuliere ihn so präzise wie möglich.

Beispiel-Prompt:

„Analysiere das folgende B2B-Unternehmen als potenziellen Lead für einen Holzgroßhändler.
Firma: [Firmenname]
Website: [Website]
Besuchte Seiten auf unserer Website: [Liste der Seitentitel]
Aufgabe: Gib eine kurze Zusammenfassung des Unternehmensprofils (max. 50 Wörter) und bewerte die Lead-Qualität auf einer Skala von ‚Hoch‘, ‚Mittel‘ oder ‚Gering‘. Begründe Deine Bewertung kurz, basierend auf den besuchten Seiten und dem wahrscheinlichen Geschäftsfeld des Unternehmens.“

Dann der Deluge-Code: Dieses Skript baut den Request, sendet ihn an OpenAI und fügt die Antwort als Notiz zum Lead hinzu.

// Fortsetzung der vorherigen Funktion...
// Annahme: Alle Firmendaten und die Besuchshistorie sind bereits im 'leadDetails'-Objekt.

openai_api_key = "DEIN_OPENAI_API_KEY"; // Sicher als Connection verwalten!
openai_url = "https://api.openai.com/v1/chat/completions";

// Daten aus dem CRM-Lead-Datensatz sammeln
companyName = leadDetails.get("Company");
companyWebsite = leadDetails.get("Website");
// Besuchshistorie aus dem Unterformular in einen String umwandeln
visitedPagesList = leadDetails.get("Besuchshistorie");
pageTitles = "";
for each page in visitedPagesList
{
    pageTitles = pageTitles + page.get("Seiten_Titel") + ", ";
}

// Den Prompt für ChatGPT erstellen
prompt_text = "Analysiere das folgende B2B-Unternehmen als potenziellen Lead für einen Holzgroßhändler. Firma: " + companyName + ", Website: " + companyWebsite + ". Das Unternehmen hat folgende Seiten auf unserer Website besucht: " + pageTitles + ". Aufgabe: Gib eine kurze Zusammenfassung des Unternehmensprofils (max. 50 Wörter) und bewerte die Lead-Qualität auf einer Skala von 'Hoch', 'Mittel' oder 'Gering'. Begründe Deine Bewertung kurz.";

// Request Body für die API
requestBody = {
    "model": "gpt-4o",
    "messages": [
        {
            "role": "system",
            "content": "Du bist ein B2B-Vertriebsassistent, der Leads für einen Holzgroßhändler qualifiziert."
        },
        {
            "role": "user",
            "content": prompt_text
        }
    ]
};

// Header mit dem API Key
headers = {
    "Authorization": "Bearer " + openai_api_key,
    "Content-Type": "application/json"
};

// API Call ausführen
apiResponse = invokeurl
[
    url :openai_url
    type :POST
    headers:headers
    parameters:requestBody.toString()
];

// Antwort extrahieren und in eine Notiz schreiben
if(apiResponse.get("choices") != null)
{
    aiSummary = apiResponse.get("choices").get(0).get("message").get("content");
    
    // Hinzufügen der Zusammenfassung als Notiz zum Lead
    note_data = Map();
    note_data.put("Note_Title", "KI-basierte Lead-Analyse");
    note_data.put("Note_Content", aiSummary);
    createNoteResponse = zoho.crm.addNotes("Leads", leadId, note_data);
    info createNoteResponse;
}

Das Ergebnis: Jeder neue Lead von Lead Forensics hat nun nach wenigen Sekunden eine aussagekräftige Notiz, die Deinem Vertriebsteam sofort zeigt, ob sich eine Nachverfolgung lohnt.

Tipps und Best Practices

  • Umgang mit Duplikaten überdenken: Standardmäßig versucht man, Duplikate zu vermeiden. Überlege aber, ob nicht jeder neue, relevante Website-Besuch eines bekannten Unternehmens einen neuen Lead wert ist. Ein Besuch heute könnte ein ganz anderes Kaufinteresse signalisieren als ein Besuch vor sechs Monaten. Dies gibt dem Vertrieb einen frischen Anlass zur Kontaktaufnahme.
  • Prompt Engineering ist der Schlüssel: Investiere Zeit in die Optimierung Deines Prompts für ChatGPT. Gib der KI eine klare Rolle („Du bist ein Vertriebsassistent für…“), genaue Anweisungen und Beispiele. Je besser der Prompt, desto wertvoller das Ergebnis.
  • Kosten im Blick behalten: API-Aufrufe, insbesondere an OpenAI, sind kostenpflichtig. Implementiere eine Logik, die die KI-Analyse nur für Leads durchführt, die bestimmte Kriterien erfüllen (z.B. mehr als drei Seiten besucht, aus einer bestimmten Branche).
  • Robuste Fehlerbehandlung: Was passiert, wenn eine API nicht erreichbar ist? Baue in Deinem Zoho Flow oder Deluge-Skript eine Fehlerbehandlung ein. Sende bei einem Fehlschlag eine Benachrichtigung an einen Admin-Kanal in Zoho Cliq, damit Du das Problem untersuchen kannst.
  • API-Dokumentation prüfen: Verlasse Dich immer auf die offizielle Dokumentation der API-Anbieter. Manchmal findet man in Foren Hinweise auf undokumentierte Endpunkte. Deren Nutzung kann riskant sein, da sie jederzeit ohne Vorwarnung geändert oder abgeschaltet werden können.

Zusätzliche Optimierungsmöglichkeiten

Dein neuer Workflow ist die perfekte Basis für weitere Verbesserungen:

  • Interne Benachrichtigungen: Informiere Dein Vertriebsteam proaktiv. Wenn ein Lead von der KI als „Hoch“ eingestuft wird, sende automatisch eine Nachricht in einen bestimmten Zoho Cliq-Kanal oder eine E-Mail über Zoho ZeptoMail, inklusive eines direkten Links zum CRM-Datensatz.
  • Datenvisualisierung: Nutze Zoho Analytics, um die Früchte Deiner Arbeit sichtbar zu machen. Erstelle Dashboards, die zeigen, wie viele Leads pro Woche generiert, wie sie von der KI bewertet und wie hoch die Konversionsrate von „hoch“ bewerteten Leads ist.
  • Web-Formulare optimieren: Auch bei direkten Anfragen über Deine Website-Formulare (z.B. mit Elementor für WordPress erstellt) kannst Du mehr Daten sammeln. Für DSGVO-konforme Double-Opt-In-Prozesse ist die Speicherung der IP-Adresse wichtig. Dies erfordert oft eine kleine, serverseitige PHP-Funktion. Ein Plugin wie Code Snippets für WordPress ermöglicht es Dir, solchen Code sicher hinzuzufügen, ohne direkt am Theme arbeiten zu müssen.

Fazit: Mehr als nur Automatisierung

Die Implementierung eines solchen automatisierten Workflows ist mehr als nur eine Zeitersparnis. Du verwandelst Dein Zoho CRM von einem passiven Datenspeicher in ein proaktives, intelligentes Vertriebswerkzeug. Dein Team kann sich auf die aussichtsreichsten Leads konzentrieren, da die zeitaufwendige Recherche und Vorqualifizierung bereits erledigt ist.

Dieses Beispiel zeigt eindrucksvoll die Stärke des Zoho-Ökosystems: Die nahtlose Kombination nativer Apps wie Zoho CRM und Zoho Flow mit der Flexibilität, über APIs praktisch jeden externen Dienst anzubinden. Du bist nicht auf eine Insellösung beschränkt, sondern kannst Dir die beste Technologie für jede Aufgabe aussuchen und zu einem leistungsstarken Ganzen verbinden.

In diesem Lösungsansatz verwendete Zoho Apps:

Schlagwörter: , , , , , , , , , , , , , , , , , ,