Lead-Datenbanken beantworten „Wer existiert?“ – Commercial Intelligence beantwortet „Wer braucht uns?“
Lead-Datenbanken haben den B2B-Vertrieb in den vergangenen Jahren erheblich beschleunigt. Innerhalb weniger Minuten lassen sich Unternehmen nach Branche, Region, Größe oder Umsatz filtern, passende Ansprechpartner identifizieren und umfangreiche Listen potenzieller Kunden erstellen. Was früher tagelange Recherche bedeutete, ist heute oft nur noch eine Frage weniger Filter.
Das ist ohne Zweifel ein Fortschritt. Trotzdem bleibt ein grundlegendes Problem bestehen, das auch eine Datenbank mit Millionen Unternehmen nicht löst: Sie kann sehr gut beschreiben, welche Firmen existieren und grundsätzlich in ein bestimmtes Raster passen. Sie sagt aber nur eingeschränkt etwas darüber aus, welche dieser Unternehmen gerade tatsächlich einen geschäftlichen Grund haben könnten, sich mit unserem Angebot zu beschäftigen.
Genau deshalb lohnt es sich, die Frage hinter klassischer Leadgenerierung genauer anzuschauen. Wenn wir nach Branche, Größe und Region filtern, beantworten wir im Wesentlichen die Frage, welche Unternehmen so aussehen wie unsere bisherigen oder vermuteten Kunden. Commercial Intelligence setzt an einer anderen Stelle an. Hier interessiert uns nicht zuerst, ob ein Unternehmen einem bestimmten Profil entspricht, sondern welche Situation dazu führen könnte, dass unser Angebot gerade relevant wird.
Der Unterschied klingt zunächst klein. Für den Vertrieb verändert er jedoch fast alles.
Stellen wir uns einen Anbieter von Automatisierungslösungen vor, der mittelständische Produktionsunternehmen in Deutschland adressieren möchte. In einer klassischen Lead-Datenbank lassen sich dafür sehr schnell mehrere tausend Unternehmen identifizieren. Man filtert beispielsweise nach produzierendem Gewerbe, einer bestimmten Mitarbeiterzahl und einer passenden Region und erhält anschließend eine Liste von Unternehmen samt Ansprechpartnern.
Die Datenbank hat ihre Aufgabe erfüllt.
Nur weiß der Vertriebsmitarbeiter anschließend noch immer nicht, bei welchem dieser Unternehmen Automatisierung gerade wirklich ein Thema sein könnte. Einige Unternehmen arbeiten möglicherweise bereits hochautomatisiert, andere besitzen Prozesse, bei denen die angebotene Lösung kaum sinnvoll wäre. Wieder andere hätten technisch durchaus Potenzial, verspüren derzeit aber überhaupt keinen Veränderungsdruck.
Alle können formal perfekte Leads sein und trotzdem vollkommen unterschiedlich interessant.
Das Problem ist also nicht, dass die Datenbank schlechte Daten liefert. Das Problem entsteht, weil wir von ihr eine Antwort auf eine Frage erwarten, für die ihr Datenmodell ursprünglich gar nicht gebaut wurde.
Sie hilft uns herauszufinden, wer passen könnte.
Der Vertrieb müsste aber eigentlich wissen, wo gerade ein Grund für Veränderung entsteht.
Genau hier liegt eine der größten Schwächen klassischer Zielgruppenlogik. Sie setzt häufig voraus, dass Unternehmen mit ähnlichen Stammdaten auch ähnliche Bedarfe besitzen.
In der Realität können zwei Unternehmen derselben Branche, mit vergleichbarem Umsatz und ähnlicher Mitarbeiterzahl vollkommen unterschiedliche Situationen haben. Das eine wächst stark, erweitert seine Produktion und versucht gleichzeitig, Personalmangel durch Automatisierung auszugleichen. Das andere arbeitet seit Jahren mit stabilen Produktionsmengen und besitzt aktuell keinen Grund, größere Veränderungen vorzunehmen.
Für eine Lead-Datenbank sehen beide Unternehmen nahezu identisch aus.
Für den Vertrieb sind sie es nicht.
Ähnliches gilt für technische Angebote. Ein Hersteller bestimmter Komponenten interessiert sich möglicherweise weniger dafür, welcher Branche ein Unternehmen offiziell zugeordnet ist, sondern dafür, welche Produkte dort gebaut und welche Verfahren eingesetzt werden. Ein Logistikanbieter könnte Unternehmen suchen, deren Produkte ungewöhnliche Abmessungen oder hohe Warenwerte besitzen. Ein Anbieter industrieller Prozesswärme benötigt vielleicht Kunden, deren Anlagen bestimmte Temperaturbereiche erzeugen müssen.
Diese Anforderungen lassen sich mit klassischen Firmendaten nur begrenzt abbilden.
Dadurch entsteht eine paradoxe Situation: Je spezieller und erklärungsbedürftiger ein B2B-Angebot ist, desto weniger sagt eine einfache Branchenliste darüber aus, wo tatsächlich Marktpotenzial vorhanden ist.
Die naheliegende Reaktion darauf war über viele Jahre, einfach größere Datenmengen bereitzustellen.
Wenn aus tausend Unternehmen nur fünfzig wirklich interessant sind, könnte man schließlich argumentieren, müsse der Vertrieb eben mehr Unternehmen kontaktieren. Moderne Sales-Technologien haben diese Logik erheblich skaliert. Mehr Daten ermöglichen mehr Leads, Automatisierung ermöglicht mehr Ansprache und E-Mail-Sequenzen sorgen dafür, dass immer größere Mengen von Kontakten gleichzeitig bearbeitet werden können.
Damit wird jedoch vor allem der Output erhöht. Das ursprüngliche Problem bleibt bestehen.
Wenn die Auswahl der Unternehmen nicht genauer wird, führt mehr Aktivität zwangsläufig dazu, dass ein großer Teil der zusätzlichen Ansprache Menschen erreicht, für die das Thema aktuell gar nicht relevant ist. Vertrieb versucht dann, mangelnde Relevanz durch höhere Kontaktfrequenz auszugleichen.
Gerade im beratungsintensiven B2B-Vertrieb ist das häufig die falsche Richtung. Dort entsteht Erfolg selten dadurch, dass möglichst viele Menschen dieselbe Nachricht erhalten. Entscheidend ist vielmehr, dass ein Vertriebsmitarbeiter einen guten Grund besitzt, genau mit diesem Unternehmen über genau diese Situation zu sprechen.
Damit wird die Qualität der Auswahl wichtiger als die Größe der Liste.
Nehmen wir als Beispiel einen Hersteller von Werkzeugüberwachung für CNC-Maschinen. Eine klassische Datenbank könnte alle Unternehmen identifizieren, die dem Maschinenbau oder der Metallverarbeitung zugerechnet werden. Das wäre ein plausibler Ausgangspunkt, würde aber weiterhin eine sehr große und heterogene Menge erzeugen.
Interessanter wird es, wenn wir die Suchfrage verändern.
Wir wollen nun wissen, welche Unternehmen tatsächlich zerspanende Fertigungsverfahren einsetzen und bei welchen davon Prozesssicherheit, Werkzeugverschleiß oder automatisierter Maschinenbetrieb wahrscheinlich eine wichtige Rolle spielen. Vielleicht interessieren uns zusätzlich Firmen, die gerade Kapazitäten erweitern, neue Bearbeitungszentren einführen oder Schwierigkeiten haben, qualifiziertes Personal für die Fertigung zu gewinnen.
Plötzlich suchen wir nicht mehr nach einer Branche.
Wir suchen nach einer geschäftlichen und technischen Situation.
Dasselbe Prinzip lässt sich auf nahezu jedes spezialisierte B2B-Angebot übertragen. Je klarer wir verstehen, in welcher Situation ein Kunde unser Produkt benötigt, desto weniger müssen wir auf grobe Unternehmensmerkmale zurückgreifen.
Genau dafür haben wir im Rahmen von Commercial Intelligence das Need Profile eingeführt. Es beschreibt nicht nur, wie ein Unternehmen aussehen sollte, sondern welche Eigenschaften, Prozesse und Situationen vorhanden sein müssen, damit ein relevanter Bedarf überhaupt plausibel wird.
Klassische Lead-Recherche beginnt beim Markt und arbeitet sich zum Bedarf vor. Zunächst werden Unternehmen ausgewählt, anschließend versucht der Vertrieb herauszufinden, welche davon wirklich interessant sind.
Commercial Intelligence dreht diese Logik teilweise um.
Ausgangspunkt ist die Frage, welches Problem das eigene Angebot löst und unter welchen Umständen dieses Problem entsteht. Daraus lässt sich ableiten, welche Produkte, Fertigungsverfahren, Technologien oder Veränderungen auf eine passende Situation hindeuten könnten. Erst anschließend suchen wir nach Unternehmen, bei denen genau diese Merkmale oder Entwicklungen sichtbar werden.
Damit verändert sich die Rolle der Unternehmensdaten.
Branche, Mitarbeiterzahl und Standort verschwinden nicht. Sie bleiben nützliche Informationen und können helfen, einen Markt sinnvoll einzugrenzen. Sie sind jedoch nicht mehr automatisch das zentrale Auswahlkriterium.
Ein Unternehmen kann außerhalb unserer traditionellen Zielbranche liegen und trotzdem einen hervorragenden Bedarf besitzen. Umgekehrt kann ein perfektes Unternehmen innerhalb unseres Ideal Customer Profiles aktuell völlig uninteressant sein, weil schlicht kein Anlass für Veränderung besteht.
Commercial Intelligence versucht genau diesen Unterschied sichtbar zu machen.
Dabei hilft eine weitere Unterscheidung, die für modernen Vertrieb entscheidend ist.
Ein Unternehmen kann sehr gut zu unserem Angebot passen, ohne aktuell Bedarf zu haben. Das nennen wir Fit.
Ein anderes Unternehmen kann ein konkretes Problem besitzen, aber aus technischen oder organisatorischen Gründen kein guter Kunde für unsere Lösung sein. Dort existiert möglicherweise Demand, aber kein ausreichender Fit.
Erst wenn beide Ebenen zusammenkommen, wird es wirklich interessant. Passt zusätzlich das Timing, weil sich gerade etwas verändert, nähert sich die Situation einer tatsächlichen Opportunity.
Genau diese Unterschiede kann eine klassische Lead-Liste kaum darstellen. Sie enthält meist Unternehmen, die aufgrund relativ stabiler Merkmale ausgewählt wurden. Ob sich ihre Situation gestern verändert hat, ob ein neues Produkt eingeführt wurde oder ob gerade Produktionskapazitäten erweitert werden, bleibt häufig außerhalb des Datenmodells.
Commercial Intelligence ergänzt deshalb eine dynamische Ebene. Unternehmen werden nicht einmalig als „Lead“ klassifiziert, sondern ihre Relevanz kann sich über die Zeit verändern.
Ein Account kann heute uninteressant sein und sechs Monate später zu den wichtigsten Unternehmen im Markt gehören.
Kontaktinformationen bleiben selbstverständlich wichtig. Irgendwann benötigt der Vertrieb eine Person, mit der er sprechen kann.
Die Reihenfolge verändert sich jedoch.
In vielen klassischen Systemen beginnt die Recherche mit der Frage, welche Person in welchem Unternehmen eine bestimmte Rolle besitzt. Anschließend wird diese Person kontaktiert und im Gespräch versucht herauszufinden, ob überhaupt Bedarf besteht.
Commercial Intelligence versucht, einen Teil dieser Arbeit vorher zu leisten.
Zunächst wird untersucht, ob beim Unternehmen eine relevante Situation erkennbar ist. Erst wenn diese Hypothese ausreichend plausibel erscheint, wird die Frage nach dem passenden Ansprechpartner wichtig.
Damit wird aus einer Kontaktliste eine begründete Vertriebsentscheidung.
Der Unterschied zeigt sich bereits in der Ansprache. Ein Verkäufer, der lediglich weiß, dass jemand Produktionsleiter eines Maschinenbauunternehmens ist, kann hauptsächlich über sein eigenes Produkt sprechen. Ein Verkäufer, der zusätzlich weiß, dass dieses Unternehmen gerade eine neue Produktionslinie aufbaut und mehrere Stellen im Bereich Automatisierung besetzt, besitzt einen völlig anderen Gesprächseinstieg.
Er kann über die Situation des Kunden sprechen.
Aus dieser Kritik folgt nicht, dass klassische Unternehmensdatenbanken überflüssig werden.
Im Gegenteil: Gute Stammdaten, Ansprechpartnerinformationen und Firmografien bleiben eine wichtige Grundlage für Vertrieb. Auch Commercial Intelligence benötigt Informationen darüber, welche Unternehmen existieren und wie sie strukturiert sind.
Der Fehler entsteht erst, wenn wir diese Daten mit einer vollständigen Markt- oder Bedarfsanalyse verwechseln.
Eine Lead-Datenbank kann hervorragend dabei helfen, den Markt zu kartieren. Sie kann zeigen, welche Unternehmen in einem bestimmten Segment existieren und wer dort arbeitet. Commercial Intelligence ergänzt diese Ebene um die Frage, welche dieser Unternehmen aufgrund ihrer aktuellen Situation besonders relevant werden.
Damit konkurrieren beide Ansätze nicht zwingend miteinander. Sie lösen unterschiedliche Aufgaben.
Die klassische Datenbank liefert den Ausgangsraum.
Commercial Intelligence versucht innerhalb dieses Raums diejenigen Unternehmen zu erkennen, bei denen sich aus Fit, Bedarf und Veränderung eine reale Vertriebschance entwickeln könnte.
Wenn wir Vertrieb aus dieser Perspektive betrachten, verändert sich zwangsläufig auch die Messung von Erfolg.
Eine Datenbank mit zehn Millionen Unternehmen ist nicht automatisch besser als eine mit einer Million. Eine Liste mit zehntausend Leads besitzt nicht zwangsläufig mehr Wert als eine Liste mit hundert Unternehmen.
Entscheidend ist, wie viele davon tatsächlich einen plausiblen Grund für ein Gespräch besitzen.
Für ein Vertriebsteam ist es häufig wirtschaftlich wertvoller, jeden Morgen zwanzig gut begründete Accounts zu erhalten als zweitausend Unternehmen, die lediglich ein paar Firmografien erfüllen.
Dadurch verändert sich auch die Bedeutung von Datenqualität. Daten sind nicht mehr allein deshalb hochwertig, weil Telefonnummer, Umsatz und Mitarbeiterzahl korrekt sind. Sie werden besonders wertvoll, wenn sie helfen, eine geschäftliche Entscheidung zu treffen.
Das ist der Übergang von Lead Data zu Commercial Intelligence.
Klassische Lead-Datenbanken lösen nicht das falsche Problem, weil ihre Daten grundsätzlich schlecht wären. Sie lösen das falsche Problem, wenn wir von ihnen erwarten, dass sie beantworten, welche Unternehmen gerade einen relevanten Bedarf besitzen.
Ihre eigentliche Stärke liegt darin, Märkte sichtbar und Unternehmen auffindbar zu machen. Sie beantworten sehr effizient die Frage:
„Wer existiert?“
Moderner B2B-Vertrieb benötigt jedoch zunehmend eine zweite Ebene. Er muss verstehen, welche Unternehmen fachlich zum eigenen Angebot passen, welche Probleme dort entstehen könnten und wo sich gerade eine Veränderung abzeichnet, aus der ein Projekt werden kann.
Commercial Intelligence stellt deshalb eine andere Frage:
„Wer braucht uns und warum könnte genau jetzt der richtige Zeitpunkt für ein Gespräch sein?“
Je spezialisierter ein Angebot ist, desto größer wird der Unterschied zwischen diesen beiden Fragen.
Und genau deshalb reicht es auch nicht aus, einfach mehr Daten im Internet zu suchen.
Wer erkennt, dass klassische Datenbanken nur einen Teil der notwendigen Informationen enthalten, landet schnell bei der nächsten naheliegenden Lösung: Google.
Schließlich befinden sich viele der Informationen, die wir für Commercial Intelligence benötigen, öffentlich im Internet. Unternehmenswebsites beschreiben Produkte und Technologien, Stellenanzeigen zeigen gesuchte Fähigkeiten, Pressemitteilungen dokumentieren Veränderungen und technische Dokumente verraten Details über Anwendungen und Verfahren.
Google kann uns zu all diesen Informationen führen.
Trotzdem entsteht daraus noch keine Commercial Intelligence.
Denn eine Suchmaschine hilft vor allem dabei, Dokumente zu finden, die zu einer Suchanfrage passen. Die eigentliche Aufgabe beginnt danach: Informationen aus unterschiedlichen Quellen müssen verstanden, miteinander verbunden und im Kontext des eigenen Need Profiles bewertet werden.
Genau darum geht es im nächsten Artikel:
CI-029: Warum Google allein keine Commercial Intelligence liefert.
Denn zwischen Information finden und geschäftliche Relevanz erkennen liegt ein wesentlich größerer Unterschied, als es auf den ersten Blick scheint.
Neben der manuellen Recherche haben wir Automatismen für Dich entwickelt:
bloo.research - Finde in Minuten die richtigen B2B-Unternehmen
bloo.radar - Erfahre, was Dein Wettbewerb als nächstes tut
bevor er es tut.
Wenn du KI nicht nur verstehen, sondern strukturiert in deinem Unternehmen einsetzen willst, dann:
👉 Informiere dich über unsere KI-Weiterbildung:
https://bloo.school
👉 Informiere dich über unsere Smart Market Fit Angebote:
https://bloola.com/smf - Der Smart Market Fit Kurs
https://bloola.com/smf-system - Das Smart Market Fit System für Unternehmen
👉 Oder erfahre mehr über unsere Beratungs- und Automatisierungslösungen:
https://bloola.com