Die Sackgasse des manuellen Wachstums
Der Kunde, ein etablierter B2B-Softwareanbieter mit Sitz in München und 120 Mitarbeitern, stand vor einem klassischen Skalierungsproblem. Das Unternehmen investierte bereits großzügig in LinkedIn-Werbung, um neue Geschäftskunden zu akquirieren. Doch trotz der hohen Ausgaben blieb der Hebelwirkung auf dem Boden. Die Conversion-Rate von einem reinen Klick auf eine qualifizierte Anfrage lag unter 1,5 %. Das war zu wenig, um die wachsenden Pipeline-Ziele zu erreichen.
Noch problematischer war der Prozess dahinter. Das Sales-Team verbrachte bis zu 40 % seiner wertvollen Vertriebszeit damit, manuell Kampagnendaten zu pflegen und Anfragen zu sichten, die oft gar nicht qualifiziert waren. Diese manuelle Arbeit führte nicht nur zu Frustration im Team, sondern auch zu verpassten Chancen, da die Reaktionszeit auf Leads zu lang war. Die fehlende Automatisierung zwischen der Ad-Plattform und dem CRM (HubSpot) bildete eine unsichtbare Mauer, die jede Skalierung der Akquise blockierte. Es war klar: Ohne eine tiefgreifende technische und prozessuale Überarbeitung würde das Unternehmen an der Decke seiner manuellen Kapazitäten scheitern.
Konkrete Herausforderungen
Bevor wir mit der Umsetzung begannen, haben wir die spezifischen Pain Points im Detail analysiert. Drei Kernprobleme dominierten das Bild:
- Daten-Silos: Die Daten aus LinkedIn und HubSpot sprachen nicht miteinander. Manuelle Exporte führten zu Verzögerungen und Datenverlusten.
- Unschärfes Lead-Scoring: Es gab keine einheitliche Definition dafür, was ein „qualifizierter Lead“ ist. Sales und Marketing arbeiteten aneinander vorbei.
- Ineffiziente Zielgruppen: Die Kampagnen zielten auf breite Interessensgruppen, ohne die bestehenden Kunden als Basis für Lookalikes zu nutzen. Das führte zu hohen Kosten für unqualifizierte Klicks.
Der Tech-Stack
Um diese Probleme zu lösen, setzten wir auf einen schlanken, aber leistungsstarken Stack, der perfekt auf die bestehenden Tools des Kunden zugeschnitten war:
- HubSpot Marketing Hub: Als zentrale CRM- und Automatisierungsplattform für Datenhaltung und Workflows.
- LinkedIn Campaign Manager: Für die Ausspielung der Ads und das Targeting.
- LinkedIn Insight-Tag: Für das Tracking von Conversions und das Füttern der Lookalike-Audiences.
- Zapier (Custom Connectors): Für die Echtzeit-Synchronisation zwischen LinkedIn und HubSpot, um Latenzen zu minimieren.
- Power BI: Für die zentrale Auswertung der KPIs und die transparente Berichterstattung an das Management.
Umsetzung: Sechs Wochen bis zur Automatisierung
Die Implementierung erfolgte in sechs Wochen in drei klar definierten Phasen. In der ersten Woche lag der Fokus auf dem Audit und der Sanierung der Datenbasis in HubSpot. Wir haben alle bestehenden Kontakte bereinigt und die Lead-Scoring-Modelle neu kalibriert. Nur mit sauberen Daten können Algorithmen und Zielgruppen-Definitionen funktionieren.
Anschließend startete die technische Integration. Wir implementierten das LinkedIn Insight-Tag auf den relevanten Landingpages und definierten Custom Conversion Events für kritische Aktionen wie Demo-Anfragen und Whitepaper-Downloads. Dies war der Schlüssel, um dem LinkedIn-Algorithmus zu sagen, was für den Kunden wertvoll ist. Parallel dazu erstellten wir HubSpot-basierte Lookalike-Audiences. Anstatt auf breite Demografien zu setzen, nutzten wir die Daten unserer besten bestehenden Kunden, um neue Nutzer mit ähnlichem Profil zu finden.
Ein weiterer wichtiger Baustein war das Dynamic Retargeting. Nutzer, die bereits eine bestimmte Produktseite besucht hatten, wurden automatisch mit relevanten Produkt-Demos oder Case Studies angesprochen. Dies erhöhte die Relevanz der Werbung und senkte die Streuverluste.
Die Kampagnenstruktur wurde auf zwei Ebenen optimiert. Oben im Trichter (TOFU) fokussierten wir uns auf Awareness durch Thought-Leadership-Content, der Probleme adressiert, ohne direkt zu verkaufen. Unten im Trichter (BOFU) setzten wir auf direkte Conversion-Assets wie Webinare und Testanfragen. Alle Daten flossen in Echtzeit in HubSpot, wo sie durch automatisierte Workflows angereichert und dem zuständigen Account Executive zugewiesen wurden.
Wie wir die Zahlen messen
Um den Erfolg objektiv zu belegen, haben wir ein stringenten Messkonzept definiert. Wir nutzten nicht nur die Standard-Reports von LinkedIn, sondern verknüpften diese direkt mit den HubSpot-Attributionsmodellen.
- Pipeline-Volumen: Wir maßen den Gesamtwert aller Opportunities, die während des Messzeitraums aus den LinkedIn-Kampagnen stammten. Dies gibt den realen Geschäftswert wieder, nicht nur die Anzahl der Leads.
- Cost per Lead (CPL): Hier teilten wir die gesamten Werbeausgaben durch die Anzahl der qualifizierten Leads (MQLs), die im CRM als solche markiert wurden. Dies filtert den Lärm der unqualifizierten Anfragen heraus.
- Conversion-Rate: Wir berechneten den Anteil der Klicks, die in eine qualifizierte Anfrage mündeten. Dies zeigt die Qualität des Traffics.
- Sales-Cycle: Wir maßen die durchschnittliche Zeit von der ersten Lead-Erfassung bis zum geschlossenen Deal. Diese Kennzahl zeigt, wie gut die Vorqualifizierung funktioniert hat.
Alle Daten wurden wöchentlich in einem Dashboard zusammengeführt, um Trends frühzeitig zu erkennen und die Kampagnen in Echtzeit anzupassen.
Ergebnis: Verdoppelung des Pipeline-Volumens
Innerhalb der ersten drei Monate nach dem Launch zeigten sich signifikante Verbesserungen in den Kern-KPIs. Die Automatisierung hatte nicht nur die Effizienz gesteigert, sondern auch die Qualität der Leads erhöht.
| Metrik | Vorher | Nachher (3 Monate) | Veränderung |
|---|---|---|---|
| Pipeline-Volumen | 150.000 € | 310.000 € | +106 % |
| Kosten pro Lead (CPL) | 240 € | 145 € | -39 % |
| Conversion-Rate (Klick zu Lead) | 1,5 % | 4,2 % | +180 % |
| Sales-Cycle-Dauer | 45 Tage | 32 Tage | -29 % |
Das Pipeline-Volumen stieg von 150.000 € auf 310.000 €, was einer Verdoppelung von über 100 % entspricht. Gleichzeitig sanken die Kosten pro qualifiziertem Lead von 240 € auf 145 €. Das bedeutet, dass das Unternehmen für weniger Geld deutlich mehr und qualitativ hochwertigere Leads generierte. Die Conversion-Rate stieg von 1,5 % auf 4,2 %, was belegt, dass die Zielgruppen-Definitionen und die Relevanz der Botschaften deutlich besser wurden.
Besonders erfreulich war die Verkürzung des Sales-Cycles von 45 auf 32 Tage. Da die Leads bereits vorqualifiziert und mit relevanten Daten angereichert im CRM landeten, konnten die Vertriebler sofort mit qualifizierten Gesprächen starten, statt Zeit mit der Sichtung von Spam zu verbringen. Das Sales-Team konnte sich wieder vollständig auf den Vertrieb konzentrieren. Die manuelle Datenerfassung entfiel komplett. Leads wurden innerhalb von 5 Minuten nach der Interaktion per E-Mail und Task im CRM kontaktiert, was die Chance auf eine schnelle Qualifizierung massiv erhöhte.
Learnings und Erkenntnisse
Der Schlüssel zum Erfolg lag nicht nur in der technischen Anbindung, sondern in der Qualität der Datenbasis. Ohne saubere Lead-Scores in HubSpot wäre die Effizienz der LinkedIn-Kampagnen erheblich geringer ausgefallen. Die Datenqualität ist das Fundament jeder Marketing-Automatisierung.
Ein weiterer wichtiger Lernpunkt war die automatische Ausschlussliste für konvertierte Nutzer. Indem wir bereits gewonnene Kunden und aktive Leads aus den Kampagnen ausschlissen, verhinderten wir doppelte Ansprachen und senkten die Ad-Ausgaben um 15 %. Das klingt nach wenig, hat aber bei einem größeren Budget einen erheblichen Einfluss auf den ROI.
Zuletzt war die enge Zusammenarbeit zwischen Marketing und Sales entscheidend. Wir haben in einem Workshop die Definition eines ‘qualifizierten Leads’ vereinheitlicht. Diese gemeinsame Definition ermöglichte es, die Kampagnen zielgerichtet auf die relevantesten Zielgruppen auszurichten und sicherzustellen, dass das Sales-Team nur Leads erhält, die auch tatsächlich Potenzial haben.
Was wir heute anders machen würden
Auch wenn das Ergebnis überzeugend war, gibt es aus der Rückschau Punkte, die wir in einem neuen Projekt anders angehen würden.
Erstens hätten wir die Content-Produktion früher in den Prozess eingebunden. In der ersten Phase mussten wir teilweise mit bestehenden Content-Assets arbeiten, die nicht perfekt auf die neuen Zielgruppen zugeschnitten waren. Hätten wir parallel zur technischen Implementierung frische, zielgruppenspezifische Landingpages und Ad-Creatives erstellt, hätten wir die Conversion-Rate noch schneller steigern können.
Zweitens hätten wir die A/B-Tests der Ausschluss-Logik früher und aggressiver durchgeführt. Wir haben zunächst konservative Ausschluss-Kriterien gewählt, um sicherzugehen, dass keine potenziellen Leads versehentlich ausgeschlossen werden. Heute würden wir mutiger testen und die Ausschluss-Listen dynamischer anpassen, um die Effizienz noch weiter zu pushen.
Drittens hätten wir die Schulung des Sales-Teams intensiver gestaltet. Obwohl die Workflows automatisch liefen, gab es anfangs Unsicherheiten, wie die neuen Datenfelder im CRM zu interpretieren sind. Eine frühzeitige und praxisnahe Schulung hätte die Akzeptanz im Team noch schneller gesteigert.