Die stagnierende Pipeline als Weckruf

Für einen spanischen B2B-Software-Anbieter mit 120 Mitarbeitern in Madrid war die E-Mail-Kommunikation lange Zeit ein Selbstläufer – bis die Zahlen nicht mehr stimmten. Trotz konstanter Aktivität und einer wachsenden Lead-Liste blieb die Conversion-Rate auf dem Niveau von vor einem Jahr stehen. Das Marketing-Team stand vor einem klassischen Problem: Die Kampagnen waren statisch. Egal ob der Empfänger aus der Fertigung, der Logistik oder dem Handel kam, er erhielt dieselbe E-Mail mit denselben Feature-Texten. Die Click-Through-Rate (CTR) lag seit sechs Monaten konstant unter 2 %, um genau zu sein bei 1,8 %.

Besonders frustrierend war die Beobachtung, dass 40 % der Leads nach dem ersten Touchpoint komplett verstummten. Es gab keine weiteren Interaktionen, keine Website-Besuche, keine Rückfragen. Das Team verbrachte zudem 15 Stunden pro Woche damit, manuell Segmente zu erstellen und Inhalte anzupassen – eine Arbeit, die nicht nur zeitintensiv, sondern auch fehleranfällig war. Die Produkte wurden nicht nach Branchenzugehörigkeit oder spezifischen Use-Cases differenziert, was in einem B2B-Umfeld mit heterogenen Kundenstrukturen ein massiver Nachteil war. Die Entscheidung fiel schnell: Statt mehr Budget in bezahlte Anzeigen zu stecken, musste die Basis der organischen E-Mail-Kommunikation überarbeitet werden.

Konkrete Herausforderungen

Bevor wir mit der technischen Umsetzung begannen, haben wir die spezifischen Hürden identifiziert, die bisherige Personalisierung verhindert hatten.

  • Datenfragmentierung: Die CRM-Daten waren über Jahre hinweg gewachsen, ohne dass eine klare Struktur vorlag. Attribute wie “Industrie” oder “Firmengröße” waren teils leer, teils inkonsistent gefüllt (z. B. “Auto” vs. “Automotive”).
  • Mangelnde Relevanz: Die bestehenden Landingpages und E-Mail-Vorlagen sprachen den „Durchschnittskunden“ an. Ein Einkaufsleiter in der Fertigung interessierte sich für andere Features als ein IT-Leiter in der Logistik, aber beide sahen denselben Content.
  • Mobile Fragmentierung: Über 70 % der Öffnungen erfolgten auf Mobilgeräten, aber die alten Templates waren nicht responsiv optimiert. Das führte zu hohen Bounce-Raten und schlechter Nutzererfahrung.

Der Tech-Stack

Um diese Probleme zu lösen, haben wir auf einen fokussierten Stack gesetzt, der in die bestehende Infrastruktur des Kunden integrierbar war:

  • HubSpot Marketing Hub: Als zentrale Plattform für die Automatisierung und das Management der dynamischen Blöcke.
  • HubSpot Personalization Rules: Zur logischen Auswertung von CRM-Attributen in Echtzeit.
  • Externes Daten-Enrichment-Tool: Zur automatischen Bereinigung und Ergänzung fehlender Branchenattribute bei neuen Leads.
  • UTM-Parameter-Tracking: Zur exakten Nachverfolgung des Klickpfads von der E-Mail bis zur Conversion.

Umsetzung: Von der Datenbasis zum dynamischen Block

Die Implementierung erfolgte in drei klar definierten Phasen über einen Zeitraum von sechs Wochen. Unser Ziel war es, die E-Mail-Inhalte basierend auf CRM-Attributen automatisch anzupassen, ohne dass das Marketing-Team manuell eingreifen musste.

Projektverlauf in 5 Phasen: CRM-Audit & Datenbereinigung, Definition der 3 Kern-Cluster, Entwicklung dynamischer Blöcke …

Phase 1: Audit und Datenbereinigung (Woche 1–2)

Alles begann mit dem Daten-Audit. Wir haben die CRM-Struktur analysiert und definiert, welche Attribute für die Personalisierung entscheidend sind. Gemeinsam mit dem Kundenteam haben wir drei Kern-Cluster definiert: Fertigung, Logistik und Handel. Diese Cluster waren so gewählt, dass sie die größte Varianz in den Produktbedürfnissen abdeckten. In dieser Phase haben wir auch das externe Enrichment-Tool angebunden, um sicherzustellen, dass neue Leads automatisch der richtigen Kategorie zugeordnet werden. Ohne diesen Schritt wäre die Personalisierung auf die bestehende, unvollständige Datenbasis beschränkt gewesen.

Phase 2: Entwicklung der dynamischen Blöcke (Woche 3–4)

Anschließend haben wir die dynamischen Blöcke in HubSpot entwickelt. Jeder Block enthielt spezifische Case Studies, Feature-Vergleiche und CTAs, die nur für den jeweiligen Cluster sichtbar waren. Zum Beispiel sah ein Lead aus der Logistik einen Vergleichschart zu einem Logistik-ERP, während ein Lead aus der Fertigung einen Fokus auf Produktionsplanung sah. Die technische Umsetzung nutzte HubSpot Personalization Rules, die die Attribute “Industry” und “Use Case” auswerteten. Falls ein Attribut fehlte, griffen wir auf einen Default-Content zurück, der die wichtigsten generischen Vorteile der Software hervorhob.

Phase 3: Testing und Mobile-First-Optimierung (Woche 5–6)

In der finalen Phase haben wir A/B-Tests der Betreffzeilen und der Layout-Anpassungen durchgeführt. Da 70 % der Klicks von Mobilgeräten kamen, haben wir das Layout strikt mobile-first optimiert. Die Blöcke mussten ladeleicht sein und die CTAs waren groß genug für Touchscreens. Wir haben verschiedene Varianten getestet, um die optimale Kombination aus Betreffzeile und Content-Platzierung zu finden.

Wie wir die Zahlen messen

Um die Wirksamkeit der Maßnahmen objektiv zu belegen, haben wir ein robustes Messkonzept aufgebaut. Die primäre Kennzahl war die Click-Through-Rate (CTR), gemessen über die HubSpot-Reporting-Tools. Wir haben dabei nicht nur die offene CTR betrachtet, sondern auch die CTR pro Öffnung, um die reine Relevanz des Contents zu isolieren.

Die Conversion Rate wurde über die Demo-Anfragen gemessen, die über die UTM-Parameter den E-Mail-Kampagnen zugeordnet wurden. Dies erlaubte es uns, den direkten Einfluss der dynamischen Inhalte auf die Pipeline zu quantifizieren. Zusätzlich haben wir die Bounce Rate der Landingpages analysiert, die von den E-Mails verlinkt wurden, um die Qualität des Traffics zu prüfen. Die Effizienzsteigerung im Team wurde durch Zeitmessungen vor und nach der Implementierung ermittelt, wobei das Team seine manuelle Segmentierungsarbeit in Stundeneinheiten dokumentierte.

Ergebnis: Relevanz treibt die Performance

Nach der vollständigen Skalierung der Kampagnen zeigte die Analyse klare positive Effekte. Die Relevanz der Inhalte führte zu einem signifikanten Anstieg der Interaktion. Die Zahlen belegen die Wirksamkeit der dynamischen Ansprache im B2B-Umfeld. Innerhalb von 90 Tagen stieg die CTR von 1,8 % auf 12 %. Gleichzeitig sank die Bounce Rate der verlinkten Seiten von 42 % auf 28 %, was darauf hindeutet, dass die Nutzer tatsächlich den Content fanden, nach dem sie suchten. Die Demo-Anfragen stiegen um 35 %, und das Marketing-Team konnte 12 Stunden pro Woche an manueller Arbeit einsparen, da die Segmentierung nun automatisch lief.

Performance-Veränderung nach 90 Tagen: Vorher-Nachher-Vergleich der Kennzahlen in %

KennzahlVorherNachherVeränderung
CTR1,8 %12 %+566 %
Bounce Rate42 %28 %-14 Pkt
Leads pro Monat1524+60 %

Was wir heute anders machen würden

Trotz des Erfolgs gibt es Punkte, die wir in zukünftigen Projekten optimieren würden. Erstens hätten wir das Daten-Enrichment früher in den Prozess integriert. In Phase 1 haben wir noch manuelle Bereinigungen durchgeführt, die zeitaufwendig waren. Eine automatische Anbindung von Tag 1 an hätte die Phase 1 um eine Woche verkürzen können. Zweitens hätten wir die A/B-Tests bereits in Phase 2 gestartet, parallel zur Block-Entwicklung. So hätten wir Feedback-Schleifen schneller schließen und die Content-Varianten früher validieren können. Drittens hätten wir den Default-Content (für Leads ohne Attribut) stärker priorisiert, da dieser immer noch einen signifikanten Teil des Traffics ausmacht und oft unter Wert geschätzt wird.

Learnings für die Praxis

Der Erfolg dieses Projekts basierte weniger auf der komplexen Technik als auf der Datenqualität. Dynamische Inhalte scheitern oft an unvollständigen CRM-Attributen. Eine saubere Datenbasis ist die Voraussetzung für personalisiertes Marketing.

  • Datenhygiene priorisieren: Ohne saubere Branchendaten funktioniert kein dynamischer Block. Investieren Sie Zeit in die Bereinigung, bevor Sie die Technik aufbauen.
  • Weniger ist mehr: Drei klar definierte Cluster performen besser als zehn vage Segmentierungen. Fokussieren Sie sich auf die Segmente, die den größten Unterschied in den Produktbedürfnissen aufweisen.
  • Mobile-First ist Pflicht: Wenn die Mehrheit der Nutzer mobil konsumiert, muss die E-Mail dafür optimiert sein. Testen Sie jeden Block auf verschiedenen Geräten und Bildschirmgrößen.

Passend dazu