Ein starkes Produkt, ein KI-„Marketingbüro“ und eine Outbound-Maschine, die keine Antworten brachte.
ContentBuilder ist eine KI-Trainingsplattform aus den USA. Sie verwandelt das vorhandene Wissen eines Unternehmens (Dokumente, SOPs, Aufzeichnungen, Richtlinien) in strukturierte, von KI vertonte, mehrsprachige Schulungen mit vollständiger LMS-Auslieferung (SCORM/xAPI, SSO/SCIM). Das Schwestermodul Lumi übernimmt HR-Aufgaben: Stellenbeschreibungen schreiben, Stellen ausschreiben, Bewerber vorauswählen und erste Interviewrunden führen.
Ich bin als Marketing Manager auf Vertragsbasis eingestiegen. Das Unternehmen hatte ein KI-„Marketingbüro“ mit Abteilungen und Agenten, aber nichts davon war mit echten Plattformen wie Search Console, GA4, Social Publishing oder Canva verbunden. Kaltakquise-E-Mails gingen raus, aber Antworten kamen nicht zurück.
Die Texte waren nicht das Problem. Microsoft schickte jede E-Mail in den Spam.
Die naheliegende Annahme waren schlechte Texte. Bevor ich irgendetwas umgeschrieben habe, habe ich einen vollständigen Posteingangstest über alle Absenderpostfächer durchgeführt und alle fünf Teilberichte gelesen:
- Google → Google: 96 % Posteingang. Inhalt, SPF, DKIM und DMARC bestanden. Spamfilter-Score 0, keine Blacklists.
- Google → Microsoft: 0 % Posteingang, 100 % Spam. Jede E-Mail an eine Outlook- oder Microsoft-365-Adresse landete im Junk-Ordner.
- Damit war der Fehler auf die Absender-Reputation bei Microsoft eingegrenzt. Inhalt, Authentifizierung und Blacklists waren ausgeschlossen. Bei einer B2B-Zielgruppe, in der ein großer Teil der Unternehmen Microsoft 365 nutzt, erklärt das allein die meisten fehlenden Antworten.
Der Plan zur Behebung: Registrierung bei Microsoft SNDS/JMRP, 2–3 Absenderdomains bei einem zweiten Anbieter, Volumen auf 25–40 E-Mails pro Postfach und Tag begrenzen, Versand nach dem Mailanbieter des Empfängers segmentieren und Öffnungs-Tracking abschalten. Außerdem habe ich berechnet, was das hohe Zielvolumen des Kunden realistisch erfordern würde: rund 200 aufgewärmte Postfächer über viele Domains, mit einer Aufwärmphase von 3–4 Wochen, die sich weder überspringen noch kaufen lässt.
Den idealen Kunden neu definiert und ein Signal gefunden, das Branche und Mitarbeiterzahl schlägt.
- ICP von Grund auf neu aufgebaut, als der Fokus auf das HR-Produkt wechselte: von HR- und L&D-Leitern in Unternehmen mit 100–2.000 Mitarbeitern zu Inhabern, Gründern und COOs in Unternehmen ohne eigene HR-Person, die den Schmerz bei Einstellungen direkt spüren
- Das beste Targeting-Signal: 5+ aktuell ausgeschriebene Stellen. Es ist öffentlich, datiert und kostenlos auffindbar und sagt Kaufabsicht besser voraus als Branche oder Unternehmensgröße
- 15 Branchen recherchiert, auf 3 eingegrenzt für parallele Tests: Haus- und Außendienstleistungen, häusliche Pflege und Seniorenbetreuung sowie Salon- und Restaurantgruppen mit 10+ Standorten
- Fünf komplette ICP- und Angebotspaare für das zentrale Schulungsprodukt, dazu eine manuelle Prüfung von 40 Unternehmen, um sicherzustellen, dass echte Leads zum ICP passten, bevor Budget in den Versand floss
Die Sequenzen so umgeschrieben, dass sie dem entsprechen, was bei Kaltakquise-E-Mails aktuell funktioniert.
- Strukturelle Probleme der ursprünglichen E-Mails behoben: Sie waren mit „das Team“ statt mit einer echten Person unterschrieben, baten schon beim ersten Kontakt um eine 30-minütige Demo und hatten schwere Fußzeilen. Ersetzt habe ich das durch persönlich unterschriebene E-Mails und eine unverbindliche Bitte um 15 Minuten
- Einen Launch mit fünf Kampagnen geschrieben, basierend auf aktuellen Benchmark-Daten: unter 80 Wörter pro E-Mail, 4–7 Kontakte pro Sequenz und der größte Aufwand für die erste E-Mail, da dort die meisten Antworten entstehen
- Die komplette Launch-Spezifikation geliefert: Zielgruppen, Kampagnenstrukturen und eine Konfiguration für einen Antwort-Agenten mit einer Tabelle für jede Art von Antwort
- Ein neues Angebot entwickelt (ein „Next-Hire-Übungspaket“) und ein freigabefertiges Dokument für den Gründer für den Outbound-Vorstoß in den USA
Geprüft, ob das Produkt zum Versprechen passte, und rechtliche Risiken gemeldet, bevor eine E-Mail rausging.
- Das Live-Produkt erneut gegen das Outbound-Versprechen geprüft und festgestellt, dass es enger war als „übernimmt Ihr HR-Team“. Ich habe die Lücke gemeldet, bevor sie Interessenten erreichen und Vertrauen kosten konnte
- Compliance-Recherche zu KI-Recruiting-Tools: NYC Local Law 144 (jährliche unabhängige Bias-Audits, veröffentlichte Ergebnisse, Hinweis an Bewerber 10 Werktage vorher) und ähnliche Regeln in Illinois und Colorado, die bestimmen, wem man ein Screening-Produkt sicher anbieten kann
- Ein geplantes Anreizangebot für Bewertungen gegen die FTC-Regel zu Verbraucherbewertungen und Testimonials geprüft
Alles auf echte Daten gestützt und über Ergebnisse berichtet statt über Aktivitäten.
- Kompletter SEO- & CRO-Audit von contentbuilder.ai, dazu ein Live-Audit der Google Search Console mit echten Indexierungs- und Suchanfragedaten statt Schätzungen von Drittanbietern
- 20-Tage-Plan für Recherche & Umsetzung mit einem funktionierenden Tracker und einer einseitigen Zusammenfassung für den Gründer
- Einen Demo-Kurs im Produkt gebaut und ein 90-sekündiges Produktvideo für den Vertrieb geskriptet
- Ergebnisorientiertes Reporting eingerichtet: zugestellt, Bounce-Rate, Posteingangsrate, Antworten, positive Antworten, gebuchte Calls, geführte Calls, gewonnene Kunden, zusätzlicher MRR. Tägliche Updates folgten einem festen Format: Entscheidung, Begründung, Zahlen, Learnings, morgen
