Marketing Automation im B2B: was realistisch ist und was nicht

Marketing Automation steht für die automatisierte Pflege und Ansprache von Kontakten über E-Mail, CRM (Customer-Relationship-Management-System, also die Software zur Verwaltung von Kundenbeziehungen und Kontakten) und weitere Kanäle. Marketing-Leitung erwartet davon oft vor allem mehr und besser qualifizierte Leads, und das schnell. Eine aktuelle Befragung unter B2B-Marketingfachleuten zeigt, dass die Software diese Erwartung selten allein erfüllt.

Kurz beantwortet: Marketing Automation hält ihr Versprechen meistens, aber selten vollständig. In einer Befragung von Act-On Software und Ascend2 unter 207 B2B-Marketingfachleuten (Stand März 2025) gaben 96 Prozent an, mit ihrer Marketing Automation mindestens teilweise erfolgreich zu sein. Nur 34 Prozent bezeichneten ihre Ergebnisse als sehr erfolgreich oder vorbildlich. Zwischen diesen beiden Zahlen liegt die eigentliche Erwartungslücke: fast alle sehen einen Nutzen, aber nur ein Drittel sieht den Nutzen, den sie sich beim Kauf vorgestellt hatten. Als grösste Herausforderung nannten 51 Prozent das Fehlen einer übergreifenden Automation-Strategie. 44 Prozent nannten die Qualität der eigenen Daten. Das deckt sich mit der Erfahrung aus Digital-Commerce-Projekten: Eine Automationsplattform kann nur umsetzen, was an Zielen, Segmenten und Datenbasis bereits vorhanden ist. Fehlt das, liefert die beste Software vor allem schnellere Fehler.

Was eine Befragung zu Marketing Automation im B2B zeigt

Die Befragung von Act-On Software und Ascend2 ist eine der wenigen aktuellen Studien, die B2B-Marketingfachleute direkt nach ihrer tatsächlichen Erfahrung mit Marketing Automation fragt, nicht nur nach der grundsätzlichen Zustimmung zum Prinzip. 207 Fachleute nahmen teil. Das Ergebnis ist differenzierter als eine einfache Erfolgsquote: 96 Prozent sagen, ihre Massnahmen seien zumindest teilweise erfolgreich gewesen. Das ist eine hohe Zahl, aber eine, die fast jedes Ergebnis einschliesst, das besser war als nichts zu tun. Erst der Blick auf die obere Kategorie zeigt, wie viel davon tatsächlich das hält, was sich die Marketingleitung ursprünglich vorgenommen hatte: nur 34 Prozent.

Trotzdem planen 75 Prozent der Befragten, ihr Budget für Marketing Automation 2025 zu erhöhen. Das zeigt: Unternehmen unterscheiden zwischen dem grundsätzlichen Nutzen von Automation und der tatsächlich erreichten Qualität und investieren trotz der Lücke weiter. Dass sich Marketing Automation grundsätzlich lohnt, ist damit bereits beantwortet. Die eigentliche Frage für die Marketingleitung lautet: Wie wandern die eigenen Ergebnisse von der breiten Mehrheit in die obere Kategorie?

Warum Lead Scoring Zeit braucht

Ein Teil der Erwartungslücke entsteht an einer einzelnen Stelle: dem Lead Scoring, also der automatisierten Bewertung von Kontakten nach ihrer vermuteten Kaufbereitschaft. Ein Score ist nur so verlässlich wie die abgeschlossenen Fälle, aus denen er gelernt hat. Bei langen B2B-Verkaufszyklen und überschaubaren Kundenzahlen kommt diese Referenzmenge langsamer zusammen als bei einem Shop mit täglich neuen Bestellungen. Bei Brevo-Projekten sehen wir das regelmässig: Ein neu aufgesetzter Score liefert erst nach den ersten tatsächlich abgeschlossenen Kundenfällen ein brauchbares Bild, nicht schon beim Rollout. Das macht Lead Scoring nicht nutzlos. Es macht den Score zu einer vorläufigen Einschätzung, die regelmässig gegen die tatsächlichen Abschlüsse geprüft werden sollte, statt unverändert im Dashboard zu stehen.

Dieselbe Zeitfrage stellt sich bei der Erfolgsmessung insgesamt. Die Befragung nennt als häufigste Einsatzzwecke die Qualifizierung von Leads und die Entlastung des Vertriebs, nicht in erster Linie eine kurzfristige Konversionsrate. Wer eine Automationskampagne nach wenigen Wochen an der Abschlussquote misst, misst zu einem Zeitpunkt, an dem der Kaufentscheid in vielen B2B-Zyklen noch gar nicht gefallen ist.

Von Aktion zu Punktwert: wie ein Lead-Scoring-Modell entsteht

Die Befragung macht die Erwartungslücke beim Lead Scoring sichtbar. Was dahinter technisch passiert, bleibt dort offen. Ein Score ist im Kern nichts anderes als ein Zahlenfeld am Kontakt, das bei bestimmten Aktionen automatisch steigt. Brevo, eine der Plattformen, mit denen wir arbeiten, bildet das über ein eigenes Punkte-Attribut am Kontakt ab: Innerhalb einer Automation zählt dieses Attribut bei definierten Aktionen hoch, etwa beim Öffnen einer E-Mail, einem Klick auf einen Link oder dem Besuch einer bestimmten Seite.

Wie viele Punkte welche Aktion wert ist, legt das Unternehmen selbst fest, nicht die Software. Genau das gehört in die Vorbereitung, nicht in die erste Woche nach dem Rollout, und es lässt sich nicht an die IT delegieren: Vertrieb und Marketing müssen sich einigen, welche Aktionen überhaupt auf echtes Kaufinteresse hindeuten und welche nur Neugier zeigen. Eine geöffnete Newsletter-Mail ist ein schwaches Signal, der wiederholte Besuch der Preisseite ein starkes. Erst wenn ein Kontakt eine festgelegte Punktzahl erreicht, verschiebt die Automation ihn in eine eigene Liste qualifizierter Kontakte oder weist ihn automatisch einer Vertriebsperson zur Nachverfolgung zu. Dieser letzte Schritt entscheidet darüber, ob Lead Scoring tatsächlich entlastet oder nur eine zusätzliche Zahl im Dashboard erzeugt: Ohne eine feste Regel, was beim Erreichen der Schwelle passiert, bleibt der Score folgenlos.

Ein Score, der ausschliesslich Verhalten misst, hat eine Schwäche. Er unterscheidet nicht zwischen einem passenden und einem unpassenden Kontakt. Deshalb kombinieren tragfähige Modelle zwei Ebenen. Die Verhaltens-Ebene zählt, was ein Kontakt tut. Die Fit-Ebene bewertet, wie gut er zum Zielkundenprofil passt, etwa anhand der Branche, der Unternehmensgrösse oder der Funktion der Person im Einkaufsprozess. Ein Besuch der Preisseite durch eine IT-Leitung im Zielkundensegment ist ein anderer Fall als derselbe Klick durch einen Kontakt ausserhalb der Zielgruppe. Ohne die Fit-Ebene zählt die Automation beide gleich, und der Score misst am Ende nur Interesse, nicht Eignung.

Für den Vertrieb zählt am Ende weniger der Score selbst als die Liste, die daraus entsteht. Ein Score, der nirgends sichtbar wird, etwa weil er nur im Marketing-Tool existiert und nicht in der Ansicht des Vertriebs auftaucht, verändert am Tagesgeschäft nichts. Die Übergabe an eine sichtbare, regelmässig geprüfte Liste ist weit mehr als ein technisches Detail: Sie entscheidet darüber, ob das Modell überhaupt Wirkung entfaltet.

Was vor dem ersten Automation-Workflow geklärt sein muss

Die 44 Prozent, die Datenqualität als ihre grösste Herausforderung nennen, beschreiben ein Muster, das sich in Digital-Commerce-Projekten regelmässig zeigt: Auch eine gut konfigurierte Automationsregel kann nur mit den Daten arbeiten, die im CRM, im ERP (Enterprise Resource Planning, dem Warenwirtschaftssystem) oder im Shop tatsächlich korrekt gepflegt sind. Fehlende Einwilligungen, veraltete Kontaktfelder oder eine uneinheitliche Segmentierung wandern unverändert in jede Automationsregel, die darauf aufbaut.

Vor der Einführung lohnt sich deshalb eine kurze, aber ehrliche Bestandsaufnahme. Welche Segmente sind tatsächlich gepflegt, welche nur angelegt und seither nicht mehr angefasst? Welche Abteilung ist für welches Datenfeld verantwortlich, wenn CRM und Shop unterschiedliche Angaben zeigen? Und welcher Schritt im geplanten Workflow bildet einen bereits heute beobachtbaren Kundenweg ab, statt einer Wunschvorstellung davon? Wir setzen bei Marketing-Automation-Projekten unter anderem Brevo ein und beginnen an genau dieser Stelle, bevor der erste Workflow steht.

Datenqualität: drei Fragen vor dem ersten Klick

Datenqualität lässt sich nicht mit einem einfachen Ja oder Nein beantworten: Sie zerfällt in eine Reihe einzeln prüfbarer Fragen. Drei davon entscheiden, ob ein Automation-Workflow mit den vorhandenen Daten überhaupt sinnvoll arbeiten kann.

• Vollständigkeit. Welcher Anteil der Kontakte trägt die Felder, auf die der geplante Workflow zugreifen soll, etwa Branche, Funktion oder Einwilligung? Ein Workflow, der nach Branche verzweigt, bei dem aber ein grosser Teil der Kontakte kein Branchenfeld trägt, verzweigt dort falsch oder gar nicht.
• Aktualität. Wann wurde ein Feld zuletzt bestätigt, nicht nur angelegt? Eine vor Jahren erfasste Funktion ist bei wechselnden Ansprechpersonen in B2B-Organisationen keine verlässliche Grundlage mehr.
• Eindeutigkeit. Gibt es denselben Kontakt mehrfach, etwa weil er sich über ein Formular und über eine Veranstaltung separat eingetragen hat? Ein doppelt geführter Kontakt sammelt doppelt Punkte oder erhält zwei widersprüchliche Willkommensstrecken gleichzeitig.

Segmentierung: wonach Sie zuerst trennen

Segmentierung bedeutet, Kontakte in Gruppen zu teilen, die unterschiedlich angesprochen werden sollen, nicht beliebig viele Listen anzulegen. Für den ersten Workflow reicht in der Praxis eine einzige, klar begründete Trennlinie: etwa nach Funktionsrolle, weil Einkauf auf andere Argumente reagiert als IT-Leitung, nach Branche, weil Food- und Konsumgüterhersteller andere Fragen haben als Industriebetriebe mit komplexen Produktkatalogen, oder nach Funnel-Stufe, also danach, wie weit ein Kontakt im Kaufprozess bereits fortgeschritten ist. Mehr als eine Trennlinie gleichzeitig lohnt sich erst, wenn die erste nachweislich funktioniert. Sonst verzweigt sich der Workflow schneller, als sich die Wirkung einzelner Äste noch auswerten lässt.

Verantwortlichkeit: wer das Modell pflegt, wenn es läuft

Ein Lead-Scoring-Modell und eine Willkommensstrecke sind nach dem Rollout nicht fertig, sie brauchen eine feste Zuständigkeit. In der Praxis bewährt sich eine einzige benannte Person oder ein kleines Team, das drei Dinge verantwortet: die Pflege der Punktewerte, wenn sich zeigt, dass eine Aktion über- oder unterbewertet war, die Qualität der Kontaktdaten in den Feldern, auf die der Workflow zugreift, und die Entscheidung, wann ein zweiter Workflow dazukommt. Ohne diese Zuständigkeit verwaist die Automation nach dem Rollout: Sie läuft weiter, aber niemand passt sie mehr an eine veränderte Realität an, etwa ein neues Produkt oder eine neue Zielgruppe.

Die weiter oben beschriebene Einigung auf Punktewerte gehört ebenfalls in diese Vorbereitungsphase, nicht in die Woche nach dem Rollout. Wird sie nachgereicht, läuft der erste Workflow bereits mit einem Modell, das niemand im Unternehmen autorisiert hat.

Ein realistischer erster Use Case: die Willkommensstrecke

Beim ersten Workflow zählt der kürzeste Weg von der Idee zur Auswertung mehr als die ausgefeilteste Variante. Für die meisten B2B-Unternehmen ist das eine Willkommensstrecke: eine kurze Folge von E-Mails, die automatisch startet, sobald ein Kontakt neu in eine Liste kommt, etwa über ein ausgefülltes Formular oder einen Lead-Magneten. Brevo, eine der Plattformen, mit denen wir arbeiten, bietet dafür eine vorgefertigte Automation, die genau an diesem Punkt ansetzt: Ein Kontakt wird einer oder mehreren Listen hinzugefügt, und die Automation startet, allerdings nur für Kontakte, die nach der Aktivierung neu hinzukommen, nicht rückwirkend für den gesamten Bestand.

Die Wahl der E-Mail als Kanal für diesen ersten Workflow ist kein Zufall. Unter den Befragten der Act-On/Ascend2-Studie ist E-Mail-Marketing mit 57 Prozent die am häufigsten genutzte Automation-Funktion überhaupt, deutlich vor anderen Kanälen. Ein Unternehmen, das zum ersten Mal mit Marketing Automation arbeitet, testet die eigene Datenqualität und das eigene Scoring-Modell am besten an einem Kanal, den die eigene Organisation bereits beherrscht, bevor ein zweiter Kanal wie SMS oder eine Push-Benachrichtigung dazukommt.

Technisch entsteht ein solcher Workflow aus wenigen wiederkehrenden Bausteinen: einem Auslöser, der die Automation startet, Wartezeiten zwischen den einzelnen Schritten, und Bedingungen, die den weiteren Weg je nach Verhalten aufteilen. Die folgenden drei Wochen zeigen, wie sich daraus eine vollständige erste Strecke zusammensetzt.

Woche 1: Erwartung setzen, nicht verkaufen

Die erste Mail geht unmittelbar nach dem Eintritt in die Liste hinaus und hat genau eine Aufgabe: zu erklären, was folgt. Wie oft meldet sich das Unternehmen in den nächsten Wochen, worum geht es inhaltlich, und wie lässt sich die Folge jederzeit wieder abbestellen? Ein Verkaufsangebot gehört an dieser Stelle noch nicht hinein. Der Kontakt hat gerade erst Interesse gezeigt, keine Kaufabsicht erklärt. Diese Mail erzeugt die ersten, bewusst niedrig gewichteten Scoring-Punkte: Öffnung und Klick zeigen, ob die Adresse überhaupt aktiv genutzt wird.

Woche 2: Mehrwert liefern, Verhalten beobachten

Die zweite Mail verweist auf einen bereits vorhandenen Inhalt, der das Problem der Zielgruppe konkret aufgreift, etwa einen Fachartikel oder einen Leitfaden, nicht auf eine weitere Ankündigung des Unternehmens selbst. Der Klick auf diesen Inhalt ist das aussagekräftigste Signal der gesamten Strecke, weil er inhaltliches Interesse zeigt, kein reines Gewohnheitsverhalten. In dieser Woche lohnt sich der erste Blick auf die Fit-Ebene aus dem vorigen Abschnitt: Passen Funktion und Branche des Kontakts überhaupt zum Zielkundenprofil, oder ist das Interesse zwar vorhanden, aber ausserhalb der eigentlichen Zielgruppe?

Woche 3: trennen, nicht weiter gleich behandeln

Spätestens in der dritten Woche teilt sich die Strecke in zwei Wege, je nachdem, ob ein Kontakt die vorherigen Schritte wahrgenommen hat oder nicht. Wer reagiert hat, bekommt eine konkretere Mail mit Bezug zu einer Serviceleistung oder einem Beratungsgespräch, verbunden mit einer direkten Frage nach dem eigenen Vorhaben. Wer nicht reagiert hat, bleibt vorerst in einer längeren, selteneren Takt-Folge mit reduzierter Frequenz. Für einen Kontakt, der zwei Mails ungeöffnet lässt, sind mehr Zeit oder eine andere Herangehensweise sinnvoller als eine dritte Mail im selben Rhythmus. Erreicht ein Kontakt in diesem Schritt die zuvor festgelegte Punktschwelle, verschiebt ihn die Automation automatisch in die Liste qualifizierter Kontakte, die der Vertrieb regelmässig prüft.

Drei Wochen sind dabei eine Orientierung, kein Naturgesetz. Wichtiger als die genaue Zahl der Schritte ist, dass jeder Schritt eine eigene, vorher festgelegte Aufgabe hat und dass die Strecke irgendwann in eine Entscheidung mündet: Übergabe an den Vertrieb oder Rückstufung in eine langsamere Pflege. Eine Willkommensstrecke, die nach der dritten Mail einfach endet, ohne dass irgendwo eine Bedingung geprüft wird, ist eine Automation ohne Ziel.

Was realistisch erwartbar ist

Realistisch ist, dass Marketing Automation die Konsistenz über einen langen Entscheidungsweg sichert: dieselbe Botschaft, zur passenden Zeit, ohne dass sie bei wachsender Kontaktzahl von Hand nachgepflegt werden muss. Das deckt sich mit den in der Befragung genannten Einsatzzwecken: Lead-Qualifizierung, Entlastung des Vertriebs, konsistente Kommunikation über den gesamten Kundenweg. Unrealistisch ist die Annahme, die Software liefere von sich aus mehr und bessere Leads, ohne dass vorher geklärt ist, was ein qualifizierter Lead in diesem Unternehmen überhaupt bedeutet.

Die Marketingleitung, die vor der Einführung festlegt, was gemessen wird, wie der Score zustande kommt und wer für welches Datenfeld zuständig ist, startet näher an den 34 Prozent mit dem besten Ergebnis als an der übrigen, zufriedenen Mehrheit. Die Software allein entscheidet darüber nicht.

Wie Sie den Erfolg messen

Die Act-On/Ascend2-Zahlen beschreiben, wie Unternehmen ihre Marketing Automation insgesamt einschätzen, nicht, woran eine einzelne Marketingleitung das im eigenen Betrieb konkret ablesen kann. Dafür braucht es eigene, kleinteiligere Kennzahlen, die sich direkt aus der oben beschriebenen Willkommensstrecke und dem Scoring-Modell ergeben. Ein fester, kurzer Rhythmus für den Blick auf diese Zahlen, etwa wöchentlich in den ersten beiden Monaten, verhindert, dass ein Problem erst nach Wochen auffällt.

• Reaktionszeit nach Übergabe. Die Zeit zwischen dem Erreichen der Scoring-Schwelle und dem ersten tatsächlichen Kontakt durch den Vertrieb. Eine Automation, die einen Kontakt sauber qualifiziert, aber tagelang unbearbeitet in einer Liste liegen lässt, verliert den Vorsprung wieder, den sie geschaffen hat.
• Score-Trefferquote. Der Anteil der automatisch qualifizierten Kontakte, die der Vertrieb im Nachhinein selbst als qualifiziert bestätigt. Diese Zahl beantwortet direkt die weiter oben beschriebene Reifezeit des Scores: Solange zu wenige abgeschlossene Fälle vorliegen, ist eine niedrige Trefferquote eher ein Zeichen eines noch jungen Modells als eines falschen.
• Engagement-Verlauf über die Strecke. Die Öffnungs- und Klickrate der ersten Mail im Vergleich zur dritten. Ein deutlicher Abfall zeigt, an welcher Stelle die Strecke zu lang, zu werblich oder für zu viele unterschiedliche Kontakte gleichzeitig gedacht ist.
• Vollständigkeit der Pflichtfelder. Der Anteil der Kontakte, bei denen die für den Workflow benötigten Felder tatsächlich gefüllt sind. Diese Zahl verändert sich selten von einer Woche auf die andere, gehört aber trotzdem regelmässig geprüft, weil sie sich leise verschlechtert, sobald neue Eintrittswege wie ein neues Formular oder eine neue Veranstaltung ohne dieselbe Datenerfassung dazukommen.
• Abschlussquote über den gesamten Pfad. Erst über einen längeren Zeitraum sinnvoll messbar, dafür die Kennzahl, die am Ende zählt: Wie viele der Kontakte, die die Willkommensstrecke durchlaufen haben, sind nach mehreren Monaten tatsächlich Kunde geworden, verglichen mit Kontakten ausserhalb der Automation?

Keine dieser Kennzahlen ersetzt die anderen. Eine gute Reaktionszeit bei einer niedrigen Score-Trefferquote bedeutet nur, dass der Vertrieb schnell auf die falschen Kontakte reagiert. Wer nur eine einzige Zahl verfolgt, sieht meist genau die, die gerade gut aussieht.

Unser Ablauf mit Brevo

Die bisherigen Abschnitte beschreiben, was vor einem Automation-Workflow geklärt sein sollte und wie ein erster Workflow aussehen kann. Für Unternehmen, die diesen Aufbau nicht allein stemmen wollen, lässt sich derselbe Weg auch extern begleiten. Für Marketing-Automation-Projekte setzen wir unter anderem Brevo ein und folgen dabei in der Praxis einem wiederkehrenden Ablauf, unabhängig vom konkreten Unternehmen.

1. Bestandsaufnahme. Vor jeder Workflow-Konfiguration prüfen wir, welche Felder im CRM oder im angebundenen Shop tatsächlich gepflegt sind, wie viele Kontakte doppelt geführt werden und welche Einwilligungen bereits dokumentiert vorliegen. Diese Phase entspricht genau den drei im vorigen Abschnitt beschriebenen Fragen zur Datenqualität.
2. Scoring-Modell gemeinsam mit dem Vertrieb festlegen. Wir moderieren das Gespräch zwischen Marketing und Vertrieb, in dem die Punktewerte für einzelne Aktionen und die Fit-Kriterien entstehen, statt ein Modell technisch vorzugeben, das der Vertrieb anschliessend nicht mitträgt.
3. Ersten Workflow aufbauen. Wir setzen in Brevo den ersten, bewusst begrenzten Workflow um, meist eine Willkommensstrecke oder eine vergleichbare Nurturing-Folge, also eine Serie informativer E-Mails ohne unmittelbares Verkaufsziel, inklusive der Verzweigung an der Scoring-Schwelle.
4. Testphase mit Auswertung. Die ersten Wochen nach dem Start werten wir anhand der zuvor beschriebenen Kennzahlen aus, bevor ein zweiter Workflow entsteht. Ein Automationsprogramm, das in die Breite wächst, bevor der erste Workflow nachweislich funktioniert, vervielfacht spätere Korrekturen.
5. Ausbau. Erst danach erweitern wir den Automationsaufbau um weitere Strecken, etwa für Bestandskundinnen und Bestandskunden oder für spezifische Produktinteressen, aufbauend auf demselben Scoring-Modell statt auf einem neuen Modell je Workflow.

Nach dem Ausbau bleibt die in den vorigen Abschnitten beschriebene Pflege bestehen. Wir empfehlen, das Scoring-Modell mindestens quartalsweise gegen die tatsächlichen Abschlüsse zu prüfen und die Zuständigkeit dafür von Anfang an schriftlich festzuhalten, nicht erst dann, wenn die ursprünglich zuständige Person das Projekt verlässt.

Wie lange dieser Ablauf insgesamt dauert, hängt stark vom Ausgangszustand der Daten ab, nicht von der Software: Ein bereits gepflegtes CRM verkürzt die Bestandsaufnahme spürbar gegenüber über Jahre gewachsenen, nie bereinigten Listen. Eine durchschnittliche Projektdauer über mehrere Kundenprojekte hinweg lässt sich daraus nicht seriös ableiten, deshalb nennen wir an dieser Stelle bewusst keine pauschale Zeitangabe.

Fazit

Die Zahlen der Befragung von Act-On Software und Ascend2 zeigen eine Lücke, keinen Widerspruch: fast alle Befragten sehen einen Nutzen in Marketing Automation, aber nur ein Drittel erreicht das Ergebnis, das sie sich vorgestellt hatten. Der Unterschied entsteht überwiegend vor der Software, in der Strategie und in der Datenqualität. Wer vor der Einführung klärt, was ein qualifizierter Lead ist, wie der Score geprüft wird und wer für welches Datenfeld verantwortlich ist, erhöht die Chance, zur Minderheit mit dem besten Ergebnis zu gehören. Der praktische Weg dorthin führt über einen einzigen, begrenzten ersten Workflow mit klar festgelegten Kennzahlen, nicht über ein möglichst vollständiges Automationsprogramm vom ersten Tag an.

Häufige Fragen zu Marketing Automation im B2B

Woran erkennt man, dass eine Marketing Automation tatsächlich funktioniert?

Nicht an der reinen Erfolgsquote: 96 Prozent der Befragten der Act-On/Ascend2-Studie halten ihre Automation für mindestens teilweise erfolgreich, nur 34 Prozent für sehr erfolgreich oder vorbildlich. Aussagekräftiger sind eigene Kennzahlen wie die Reaktionszeit des Vertriebs nach der Übergabe und die Score-Trefferquote gegen tatsächliche Abschlüsse.

Wie lange dauert es, bis ein Lead-Scoring-Modell verlässliche Ergebnisse liefert?

Ein Score lernt aus abgeschlossenen Fällen. Bei langen B2B-Verkaufszyklen und überschaubaren Kundenzahlen dauert das länger als bei einem Shop mit täglich neuen Bestellungen. Bis genug Abschlüsse vorliegen, bleibt der Score eine vorläufige Einschätzung, die regelmässig gegen die Realität geprüft werden sollte.

Welcher Workflow eignet sich am besten für den Einstieg?

Eine Willkommensstrecke über E-Mail, weil sie den kürzesten Weg von der Idee zur Auswertung hat und E-Mail-Marketing laut derselben Studie mit 57 Prozent die am häufigsten genutzte Automation-Funktion ist. Ein zweiter Kanal oder ein zweiter Workflow lohnt sich erst, wenn der erste nachweislich funktioniert.

Was muss vor dem ersten Automation-Workflow geklärt sein?

Drei Dinge: die Vollständigkeit, Aktualität und Eindeutigkeit der vorhandenen Kontaktdaten, eine einzige, klar begründete Segmentierungslinie und eine gemeinsam mit dem Vertrieb festgelegte Definition, welche Aktionen wie viele Scoring-Punkte wert sind.

Was unterscheidet Verhaltens-Scoring von Fit-Scoring?

Verhaltens-Scoring zählt, was ein Kontakt tut, etwa eine E-Mail öffnen oder eine Seite besuchen. Fit-Scoring bewertet, wie gut der Kontakt zum Zielkundenprofil passt, etwa nach Branche oder Funktion. Ein Modell, das nur Verhalten misst, behandelt einen passenden und einen unpassenden Kontakt bei gleichem Klickverhalten identisch.

Wie oft sollte man ein Lead-Scoring-Modell überprüfen?

Nach unserer Erfahrung mindestens quartalsweise, und zusätzlich immer dann, wenn eine grössere Zahl neuer Fälle abgeschlossen wurde. Ein Modell, das beim Rollout festgelegt und danach nie wieder angefasst wird, veraltet unbemerkt.

Sie planen Marketing Automation im B2B?

Arcmedia begleitet Unternehmen seit 1995 bei Digital-Commerce-Projekten, von der Analyse über die Implementierung bis zum laufenden Betrieb. Unsere Expertinnen und Experten beraten Sie gerne zu Ihrem Vorhaben.

Kontaktieren Sie uns

Bleiben Sie up-to-date mit den neuesten Trends und Tipps: abonnieren Sie unseren Newsletter.

Quellen

• Act-On Software und Ascend2, „The State of B2B Marketing Automation 2025" (GlobeNewswire-Pressemitteilung, 6. März 2025)
• Brevo-Hilfe-Center, offizielle Dokumentation zu Lead-Scoring-Automationen und Scores
• Brevo-Hilfe-Center, offizielle Dokumentation zur vorgefertigten Willkommens-Automation
• Arcmedia, Serviceseite Marketing Automation