KI-Leadgenerierung: Anonyme Website-Besucher identifizieren

Die meisten Besucher einer B2B-Website gehen, ohne ein Formular auszufüllen. Prüfen Sie Ihre eigenen Zahlen: Teilen Sie die Formulareinsendungen des letzten Quartals durch die Sitzungen, und der Anteil des Traffics, der sich nie zu erkennen gibt, ist meist der Großteil. KI-Leadgenerierung im Website-Sinne umfasst die Techniken, die bei dieser schweigenden Mehrheit ansetzen: erkennen, welche Unternehmen die Website besuchen, abschätzen, welche davon sich in einem Kaufzyklus befinden, und verändern, was die Website zeigt, damit mehr von ihnen einen nächsten Schritt gehen.

„KI“ leistet in jedem Teil unterschiedlich viel, und Anbieter verwenden das Wort großzügig. Dieser Beitrag trennt die Teile, erklärt, wie jeder funktioniert und wo er scheitert, und liefert einen 30-Tage-Plan, um sie ohne Überdimensionierung zusammenzuführen.

Was KI-Leadgenerierung auf einer Website bedeutet

Der Begriff umfasst Chatbots, Predictive Scoring, automatisierten Outreach und mehr. Für ein B2B-Team mit Fokus auf die Website zählen drei Bausteine:

Sagt ein Anbieter „KI-gestützt“, fragen Sie, auf welchen dieser drei Punkte es sich bezieht und womit das Modell trainiert wurde. Ein Scoring-Modell, das auf Ihren eigenen Closed-Won-Daten trainiert ist, ist etwas anderes als ein generischer „Intent-Score“, den ein Anbieter über alle seine Kunden hinweg berechnet.

So funktioniert die Besucheridentifizierung

Formularbasierte Leadgenerierung wartet darauf, dass sich Menschen selbst zu erkennen geben. Die Besucheridentifizierung setzt am anderen Ende an: Sie versucht, das Unternehmen zu benennen, bevor jemand irgendetwas ausfüllt.

1. IP-Auflösung. Die IP-Adresse des Besuchers wird mit Datenbanken abgeglichen, die IP-Bereiche Organisationen zuordnen. Unternehmen mit eigenen Netzwerkbereichen (Büros, VPNs mit Ausgang über Firmen-Gateways) lassen sich gut zuordnen. Private Breitbandanschlüsse, Mobilfunknetze und gemeinsam genutzte Coworking-Netze lassen sich schlecht oder gar nicht zuordnen – deshalb schwanken die Match-Raten zwischen Websites so stark. Messen Sie Ihre eigene Match-Rate, bevor Sie irgendetwas darauf aufbauen.
2. Firmografische Anreicherung. Sobald ein Unternehmen benannt ist, ergänzt die Anreicherung Branche, Mitarbeiterspanne, Standort und manchmal den Technologie-Stack. Betrachten Sie diese Felder als Schätzungen; prüfen Sie stichprobenartig, ob sie zu dem passen, was Sie über echte Accounts wissen.
3. Verhalten auf der Website. Aufgerufene Seiten, Anzahl der Besuche und Wiederkehrhäufigkeit werden dem Unternehmen zugeordnet. So sehen Sie „drei Personen aus diesem Unternehmen haben diese Woche die Preisseite gelesen“ statt drei anonymer Sitzungen.
4. CRM-Abgleich. Wenn das Unternehmen einem Account in Ihrem CRM entspricht, wird der Besuch mit dessen Owner und offenen Deals verknüpft. Ein Vertriebler sieht, dass ein Account, das er betreut, zweimal die Sicherheitsseite geöffnet hat.

Identifizierung auf Unternehmensebene ist keine Identifizierung auf Personenebene. Sie sagt Ihnen, welche Organisation, nicht welche Person, und sollte dem Vertrieb auch so präsentiert werden. Einen Vergleich von Tools finden Sie in unserem Leitfaden zu Software zur Identifizierung von Website-Besuchern.

Scoring: von identifiziert zu qualifiziert

Eine Liste besuchender Unternehmen ist noch keine Pipeline. Der Scoring-Schritt entscheidet, welche davon Aufmerksamkeit verdienen. Wie Sie modellbasiertes Scoring in eine funktionierende Pipeline bringen, zeigt dieser pragmatische Leitfaden zu KI-Lead-Scoring.

1. Das Profil auf Ihren eigenen Erfolgen aufbauen

Nehmen Sie Ihre letzten 50 bis 100 gewonnenen Deals und betrachten Sie Branche, Größenklasse, Region und gemeinsam genutzte Technologien. Das ist Ihr Fit-Profil, und es sollte ersetzen, was das Scoring-Modell bisher angenommen hat. Unser Beitrag zum Aufbau eines Ideal Customer Profile führt durch die Analyse. Haben Sie weniger als einige Dutzend gewonnene Deals, hat ein Machine-Learning-Modell kaum etwas zu lernen; ein transparentes Punktemodell, das Sie dem Vertrieb erklären können, leistet genauso viel.

2. Finden Sie das Verhalten, das diesen Abschlüssen vorausging

Sehen Sie sich die Web-Aktivität gewonnener Accounts in den Wochen vor der Erstellung der Opportunity an. Signale, die im B2B oft zählen: wiederholte Besuche der Preisseite, Fallstudien aus der eigenen Branche des Besuchers, Vergleichs- und Integrationsseiten, mehrere Personen desselben Accounts in kurzer Zeit. Prüfen Sie sie anhand Ihrer Daten, statt sie pauschal zu übernehmen; ein Signal, das vor Ihren Abschlüssen nie auftaucht, sollte kein Gewicht haben.

Hier zeigt Machine Learning seinen Wert. Mit genug Historie kann ein Modell Kombinationen aus Fit und Verhalten besser gewichten als manuell vergebene Punkte. Ohne genug Historie passt es sich dem Rauschen an (Overfitting). Fangen Sie also einfach an und steigen Sie auf ein Modell um, wenn die Daten es tragen.

3. Scores in Maßnahmen umsetzen

Definieren Sie Stufen danach, was als Nächstes passiert, nicht nur nach dem Score:

• Sofort handeln: ICP-Fit plus Verhalten aus späten Phasen. Benachrichtigen Sie den Account-Owner noch am selben Tag mit den aufgerufenen Seiten.
• Aufwärmen: guter Fit, frühes Verhalten. Passen Sie das Website-Erlebnis an und betreiben Sie, wo eine Einwilligung vorliegt, Nurturing.
• Beobachten: alles andere. Sammeln Sie weiter Verhaltensdaten und bewerten Sie neu, wenn es sich ändert.

Legen Sie die Grenzwerte so fest, dass die Stufe „sofort handeln“ klein genug ist, damit der Vertrieb sich tatsächlich jeden Alert ansieht. Unsere Leitfäden zum Scoring von Accounts mit hoher Kaufabsicht und zum Routing von Website-Leads behandeln Schwellenwerte und Routing ausführlicher.

Die Daten auf der Website selbst nutzen

Identifizierung und Scoring zeigen Ihnen, wer da ist. Personalisierung nutzt das, um zu ändern, was diese Besucher sehen. Drei gängige Anwendungen und worauf Sie achten sollten:

Identifizierte, aber unbekannte Accounts: branchenrelevanter erster Eindruck

Wenn eine Sitzung einer Branche oder Größenklasse zugeordnet wird, kann die Homepage eine Überschrift, Belege und einen Anwendungsfall für dieses Segment zeigen. Beispiel: Ein Besucher aus der Logistik sieht eine Kundengeschichte aus der Logistik statt einer allgemeinen Logowand. Das funktioniert nur, wenn Sie echte Belege für das Segment haben; eine Branchenüberschrift vor generischen Inhalten ist schlechter als die Standardversion.

Bekannte Zielaccounts: Erlebnisse auf Account-Ebene

Für Accounts in einem ABM-Programm oder mit einem offenen Deal kann die Website Inhalte zeigen, die an diese Beziehung anknüpfen: Belege aus ihrer Branche, die Integration, nach der sie gefragt haben, einen CTA zu ihrem Account Executive statt eines generischen Demo-Formulars. Bleiben Sie zurückhaltend. Den Firmennamen in einem Banner zu nennen, kann sich wie Überwachung anfühlen; relevantes Material zu zeigen, meist nicht.

Wiederkehrende Besucher: den nächsten Schritt treffen

Erster Besuch: „So funktioniert es“. Wiederholter Besuch nach Produktseiten: „Tarife vergleichen“. Wiederholter Besuch nach der Preisseite: „Sprechen Sie mit uns“ mit Terminplaner. Die genauen Regeln sind weniger wichtig, als sie zu testen; messen Sie jede gegen einen Holdout, der den Standard sieht. Unser Beitrag zu personalisierten CTAs behandelt die Testseite.

Der Stack, Baustein für Baustein

• Identifizierung und Anreicherung: ermittelt Unternehmen und ergänzt firmografische Daten. Ohne sie weiß keine nachgelagerte Ebene, wer zu Besuch ist.
• Verhaltens-Tracking: Ihre Analytics-Events (Seitenkategorien, Besuche, wichtige Aktionen), dem Unternehmensdatensatz zugeordnet.
• Scoring: entweder von Ihnen festgelegte Punkte oder ein Modell, das auf Ihren Ergebnissen trainiert wurde. Es kann in Ihrem Personalisierungstool, Ihrem CRM oder einem separaten Dienst liegen.
• Personalisierung: wertet Regeln aus und spielt Varianten aus. Clientseitige Tags sind schnell eingerichtet; serverseitige oder Edge-Auslieferung vermeidet Flackern auf wichtigen Seiten.
• CRM-Sync in beide Richtungen: Identifizierung und Scores auf Account-Ebene ins CRM; Account-Status und Owner zurück an die Website, damit sie zum Beispiel einem Bestandskunden keinen CTA „Demo buchen“ zeigt.

Die Bausteine nützen nur gemeinsam. Identifikation ohne Handlung ist eine Liste. Personalisierung ohne Identifikation rät. Scores, die nie im CRM ankommen, kommen nie beim Vertrieb an.

Woran Sie erkennen, ob es funktioniert

Eine Verzerrung, mit der Sie rechnen sollten: Identifizierte Accounts sind überwiegend größere Unternehmen, weil deren Netzwerke sich per IP am besten auflösen lassen. Dadurch können Dealgrößen besser aussehen, als die Strategie verdient. Vergleichen Sie Gleiches mit Gleichem.

Ein 30-Tage-Plan

1. Woche 1: Identifizierung, keine Aktion. Installieren Sie die Identifizierung, verbinden Sie die Anreicherung und erfassen Sie, welche Unternehmen kommen und was sie lesen. Messen Sie Ihre Match-Rate und prüfen Sie die Genauigkeit stichprobenartig anhand von Accounts, die Sie kennen.
2. Woche 2: ein erstes Scoring-Modell. Analysieren Sie kürzlich gewonnene Deals auf Fit und Verhalten vor der Opportunity. Bauen Sie ein einfaches Modell mit Stufen und vereinbaren Sie mit dem Vertrieb, was „jetzt handeln“ bedeutet.
3. Woche 3: eine Personalisierung. Wählen Sie die häufigste ICP-Branche oder Größenklasse in Ihrem identifizierten Traffic und personalisieren Sie dafür Headline und Belege der Startseite. Behalten Sie einen Holdout.
4. Woche 4: Vertrieb anbinden. Synchronisieren Sie Identifikation auf Account-Ebene und Stufen mit dem CRM, aktivieren Sie Owner-Alerts für die oberste Stufe und weisen Sie Vertriebler ein, was die Daten zeigen und was nicht, einschließlich wie sie darauf Bezug nehmen, ohne aufdringlich zu wirken („Mir ist aufgefallen, dass sich Ihr Team Integrationen angesehen hat“ finden viele Käufer seltsam; mit relevantem Material einzusteigen in der Regel nicht).

Nach vier Wochen haben Sie die Infrastruktur und einen ersten Test. Das Scoring wird nur besser, wenn jemand jeden Monat die Performance der Tiers prüft und nachjustiert; von allein verbessert es sich nicht.

Fehler, die Sie vermeiden sollten

• Scoring nur nach Fit. Ein großes Unternehmen in Ihrem ICP, das einen Blogbeitrag liest, ist kein heißer Lead. Verhalten trennt Käufer meist besser von Stöberern als Firmografie.
• Bei allem Alarm schlagen. Wenn Vertriebsmitarbeitende Dutzende Alerts pro Tag bekommen, lesen sie sie nicht mehr. Halten Sie die oberste Stufe klein.
• Personalisierung auf Basis unsicherer Daten. Ist sich die Anreicherung bei der Branche unsicher, zeigen Sie die Standardversion. Eine Seite für die falsche Branche ist schlechter als eine generische.
• Datenschutz als erledigt betrachten, weil es „Unternehmensdaten“ sind. IP-Adressen und Verhaltens-Tracking können nach DSGVO personenbezogene Daten sein, auch wenn Ihr Ziel die Unternehmensebene ist. Beziehen Sie Ihre Datenschutzverantwortlichen ein, respektieren Sie Einwilligungsentscheidungen zu Cookies und Tracking und aktualisieren Sie Ihre Datenschutzerklärung. Unser Beitrag zu B2B-Personalisierung und Datenschutz geht ins Detail.
• Annehmen, dass sich das Modell selbst pflegt. Ihr Kundenstamm, Ihr Produkt und Ihre Botschaften ändern sich. Prüfen Sie das Scoring monatlich und die Personalisierungsregeln vierteljährlich.

Wo Markettailor passt

Markettailor kombiniert Besucheridentifikation auf Unternehmensebene, firmografische Anreicherung und Website-Personalisierung, sodass die Identifikationsdaten direkt in Segmente und Varianten fließen und Ergebnisse mit einer Kontrollgruppe verglichen werden können. Welches Tool Sie auch nutzen, die Reihenfolge oben gilt: Messen Sie, wer die Website besucht, lernen Sie, was Ihren Abschlüssen vorausging, handeln Sie bei einer kleinen Gruppe mit hoher Kaufabsicht und testen Sie jede Änderung an der Seite gegen eine Kontrollgruppe.