Die neue Art, Zielkunden zu finden
Jeden Tag suchen Vertriebsorganisationen nach neuen Kunden.
Sie filtern Firmendatenbanken.
Sie durchsuchen LinkedIn.
Sie kaufen Adresslisten.
Sie besuchen Messen.
Sie suchen bei Google nach Unternehmen einer bestimmten Branche.
Und meistens beginnt die Suche mit einer Frage wie:
„Welche Unternehmen könnten für uns interessant sein?“
Diese Frage klingt vernünftig.
Sie ist aber für modernen B2B-Vertrieb zu ungenau.
Denn ein Unternehmen wird nicht deshalb zu einem guten Kunden, weil es einer bestimmten Branche angehört oder eine bestimmte Anzahl von Mitarbeitern beschäftigt.
Die interessantere Frage lautet:
„Woran können wir erkennen, dass ein Unternehmen unser Angebot tatsächlich gebrauchen könnte?“
Genau hier beginnt eine neue Art der Kundensuche.
Die klassische Zielkundensuche reduziert Unternehmen auf wenige Datenfelder
Nehmen wir einen Anbieter einer Lösung zur Werkzeugüberwachung für CNC-Maschinen.
Seine klassische Zielgruppe könnte lauten:
Metallverarbeitende Unternehmen in Deutschland mit 50 bis 500 Mitarbeitern.
Damit lässt sich wunderbar suchen.
Eine Firmendatenbank liefert wahrscheinlich tausende Treffer.
Das Problem ist nur:
Ein Unternehmen kann metallverarbeitend sein und trotzdem gar keine eigene CNC-Fertigung besitzen.
Es kann CNC-Maschinen einsetzen, aber nur sehr einfache Bauteile produzieren.
Es kann die passenden Maschinen besitzen, aber überhaupt keinen Bedarf an einer Werkzeugüberwachung haben.
Branche, Umsatz und Mitarbeiterzahl strukturieren einen Markt.
Sie erklären jedoch noch nicht, warum ein bestimmtes Unternehmen zu einem bestimmten Angebot passt.
Genau diese Grenze klassischer Zielgruppendefinition beschreibt auch unser Cluster zur modernen B2B-Zielkundensuche. Moderne Recherche ergänzt klassische Unternehmensdaten deshalb um Produkte, Technologien, Fertigungsverfahren, Anwendungen und erkennbare Veränderungen.
Der Denkfehler liegt in der Art, wie wir suchen
Die meisten Vertriebsdatenbanken funktionieren nach einem einfachen Prinzip.
Sie besitzen Datenfelder.
Branche.
Region.
Mitarbeiterzahl.
Umsatz.
Rechtsform.
Vielleicht noch Wachstum, verwendete Software oder einige Technologiedaten.
Der Vertrieb kombiniert diese Felder und erhält eine Liste.
Das Problem liegt nicht in diesen Daten.
Das Problem entsteht, wenn wir glauben, dass diese Liste bereits unsere Zielkunden enthält.
Sie enthält zunächst nur Unternehmen, die bestimmte formale Kriterien erfüllen.
Ob sie fachlich wirklich passen, wissen wir noch nicht.
Moderne Kundenrecherche dreht deshalb die Logik um.
Wir fragen nicht zuerst:
„Welche Datenfelder kann ich filtern?“
Sondern:
„Welche Eigenschaften müsste ein Unternehmen besitzen, damit mein Angebot dort relevant wird?“
Und erst danach überlegen wir, wie wir genau diese Eigenschaften recherchieren können.
Vom Zielgruppenfilter zum recherchierbaren Kundenprofil
Damit verändert sich die Kundensuche grundlegend.
Ein moderner Suchprozess betrachtet ein Unternehmen aus mehreren Perspektiven.
Zunächst helfen klassische Unternehmensmerkmale dabei, den möglichen Markt einzugrenzen.
Danach wird es fachlicher.
Was produziert das Unternehmen?
Welche Produkte bietet es selbst an?
Welche Materialien verarbeitet es?
Welche Technologien setzt es ein?
Welche Fertigungsverfahren nutzt es?
Welche Anwendungen gibt es?
Und schließlich:
Was verändert sich gerade?
Investiert das Unternehmen?
Baut es einen neuen Standort?
Stellt es bestimmte Spezialisten ein?
Führt es neue Produkte ein?
Erweitert es Kapazitäten?
Erst aus dieser Kombination entsteht ein Bild, das für den Vertrieb wirklich interessant wird. Genau diese Rechercheebenen beschreibt auch die bloola-Methodik zur B2B-Zielkundensuche.
Aus einem abstrakten Merkmal muss ein sichtbarer Hinweis werden
Dabei entsteht eine weitere Herausforderung.
Viele Eigenschaften eines guten Kunden lassen sich nicht direkt suchen.
„Innovatives Unternehmen“ klingt beispielsweise nach einem sinnvollen Kriterium.
Aber was geben Sie dafür in eine Suchmaschine ein?
Interessant wird das Merkmal erst, wenn wir fragen:
Woran würden wir erkennen, dass ein Unternehmen innovativ ist?
Vielleicht veröffentlicht es regelmäßig neue Produkte.
Vielleicht sucht es Entwicklungsingenieure.
Vielleicht investiert es in neue Fertigungstechnologien.
Vielleicht baut es einen neuen Produktionsstandort.
Plötzlich entstehen aus einem abstrakten Begriff konkrete, öffentlich sichtbare Hinweise.
Genau dieser Schritt ist entscheidend.
Aus Merkmalen werden recherchierbare Signale.
Und damit entsteht aus einer theoretischen Zielgruppendefinition ein Suchmodell.
KI verändert vor allem die Tiefe der Recherche
Diese Art der Recherche war grundsätzlich auch vor künstlicher Intelligenz möglich.
Sie war nur wirtschaftlich kaum skalierbar.
Ein Vertriebsmitarbeiter könnte die Websites von 500 Unternehmen besuchen.
Er könnte Produktkataloge lesen.
Stellenanzeigen prüfen.
Pressemitteilungen durchsuchen.
Technische PDFs analysieren.
Maschinenparks recherchieren.
Und anschließend für jedes Unternehmen bewerten, wie gut es zum eigenen Angebot passt.
Nur würde das Wochen dauern.
KI verändert deshalb weniger die grundsätzliche Logik der Recherche als deren Skalierbarkeit.
Sie kann öffentlich verfügbare Informationen aus unterschiedlichen Quellen analysieren, Merkmale miteinander vergleichen und Hinweise danach bewerten, wie gut sie zu einem zuvor definierten Suchprofil passen. Die zugrunde liegenden Quellen reichen dabei von Unternehmenswebsites und Stellenanzeigen bis zu Produktkatalogen, technischen Dokumenten und Pressemitteilungen. Einzelne Signale sollten trotzdem immer nach Aktualität, Quelle und Aussagekraft bewertet werden.
Ein Beispiel: Aus 10.000 Unternehmen werden 200 relevante Accounts
Stellen wir uns einen Anbieter für industrielle Automatisierung vor.
Die klassische Suche könnte lauten:
Produzierende Unternehmen in Deutschland mit 100 bis 1.000 Mitarbeitern.
Das Ergebnis wäre riesig.
Für den Vertrieb kaum sinnvoll nutzbar.
Die moderne Recherche stellt deshalb weitere Fragen.
Welche Unternehmen besitzen eigene automatisierbare Produktionsprozesse?
Wo werden hohe Stückzahlen produziert?
Welche Fertigungsverfahren kommen zum Einsatz?
Welche Unternehmen suchen aktuell Automatisierungsingenieure?
Wo werden Produktionskapazitäten erweitert?
Welche Standorte investieren in neue Linien?
Jetzt entsteht keine größere Liste.
Im Gegenteil.
Sie wird kleiner.
Aber jeder verbleibende Account besitzt eine nachvollziehbare Begründung.
Das eigentliche Ziel moderner Recherche lautet deshalb nicht:
möglichst viele Unternehmen finden.
Sondern:
möglichst wenige falsche Unternehmen an den Vertrieb übergeben.
Auf der bloola-Seite zur B2B-Zielkundensuche wird diese Logik als Weg von einem sehr großen möglichen Markt hin zu einer überschaubaren Anzahl fachlich begründbarer Zielkunden beschrieben.
Aber auch ein perfekter Zielkunde ist noch keine Opportunity
An dieser Stelle müssen wir eine wichtige Grenze ziehen.
Wenn wir ein Unternehmen gefunden haben, das perfekt zu unserem Angebot passt, wissen wir zunächst nur:
Dieses Unternehmen könnte unser Produkt brauchen.
Wir wissen noch nicht:
-
ob tatsächlich Bedarf besteht.
-
ob dieser Bedarf gerade Priorität besitzt.
-
ob Budget vorhanden ist.
-
ob ein Wettbewerber bereits gesetzt ist.
-
oder ob überhaupt eine Kaufentscheidung bevorsteht.
Deshalb endet moderne Kundensuche nicht mit dem Finden eines passenden Unternehmens.
Nach
„Wer passt?“
folgt
„Warum könnte dieses Unternehmen Bedarf haben?“
und schließlich
„Warum gerade jetzt?“
Genau an dieser Stelle verbindet sich die neue Art der Zielkundensuche mit Commercial Intelligence.
Die eigentliche Veränderung
Der Unterschied zwischen klassischer und moderner Kundensuche besteht deshalb nicht darin, dass wir eine bessere Datenbank verwenden.
Wir verändern die Suchlogik.
Früher haben wir Märkte segmentiert und anschließend Unternehmen herausgefiltert.
Heute können wir beschreiben, welche geschäftlichen, technologischen und operativen Eigenschaften einen relevanten Kunden ausmachen und gezielt nach sichtbaren Belegen dafür suchen.
Damit verändert sich auch die Rolle des Ideal Customer Profiles.
Ein ICP darf nicht nur beschreiben, wer theoretisch zu uns passt.
Er muss recherchierbar werden.
Aus einem Ideal Customer Profile entsteht damit ein Need Profile.
Ein Profil, das beschreibt, woran wir einen potenziellen Bedarf tatsächlich erkennen können.
Das ist der Ausgangspunkt für Demand Discovery.
Fazit
Die entscheidende Frage moderner Kundengewinnung lautet nicht mehr:
„Welche Unternehmen befinden sich in meiner Zielgruppe?“
Sondern:
„Welche sichtbaren Merkmale zeigen mir, dass dieses Unternehmen für mein Angebot tatsächlich relevant sein könnte?“
Je besser ein Unternehmen diese Frage beantworten kann, desto weniger hängt Neukundengewinnung von großen Listen, Zufall und Bauchgefühl ab.
Und desto eher entstehen High-Fit Accounts, bei denen der Vertrieb erklären kann, warum er gerade mit diesem Unternehmen sprechen möchte.
Die ausführliche Methodik mit den verschiedenen Rechercheebenen und konkreten Beispielen finden Sie in unserem Cluster „B2B-Zielkunden finden“. B2B-Zielkunden finden: Die Gesamtmethode
Bleibt damit eine entscheidende Frage:
Ist Ihr Ideal Customer Profile heute nur gut beschrieben oder lässt sich damit tatsächlich nach Unternehmen suchen?
Im nächsten Beitrag
Im nächsten Beitrag gehen wir einen Schritt tiefer.
Denn selbst wenn wir gelernt haben, Zielkunden nicht mehr nur über Unternehmensgröße, Region und Branche zu definieren, bleibt eine wichtige Frage:
Welche Merkmale verraten uns tatsächlich etwas darüber, ob ein Unternehmen unser Angebot brauchen könnte?
Gerade im industriellen B2B-Vertrieb reichen SIC-, NACE- oder andere Branchencodes dafür häufig nicht aus.
Zwei Unternehmen können derselben Branche angehören und trotzdem völlig unterschiedliche Produktionsprozesse, Maschinen, Materialien und technische Anforderungen besitzen.
Umgekehrt können Unternehmen aus unterschiedlichen Branchen dasselbe Fertigungsverfahren einsetzen und deshalb für denselben Anbieter hochrelevant sein.
Im nächsten Beitrag zeigen wir deshalb:
Bedarf statt Branche
Warum Fertigungsverfahren häufig mehr über potenziellen Bedarf verraten als SIC- oder NACE-Codes und wie sich dadurch die Suche nach neuen Kunden verändert.
Wenn du KI nicht nur verstehen, sondern strukturiert in deinem Unternehmen einsetzen willst, dann:
