Wie du Zielgruppen identifizierst, die für normale Datenbanken unsichtbar sind
Warum Bedarf weit über Branchen hinaus geht.
Wer komplexe Dienstleistungen oder High-Tech-Produkte verkauft, scheitert oft an einer banalen Hürde: Die Unternehmen, die man wirklich sucht, lassen sich nicht durch Branchen-Codes oder Mitarbeiterzahlen filtern.
Denn die Realität im B2B-Vertrieb ist oft frustrierend. Du kaufst dir einen Zugang zu einer der bekannten Firmendatenbanken, filterst nach Umsatz und Branche und gibst die Liste an dein Team. Das Ergebnis? Von 100 Leads sind vielleicht 20 wirklich relevant.
Das Problem ist: Standard-Datenbanken basieren auf statistischen Registerdaten. Ein Unternehmen trägt sich als „Unternehmensberatung“ ein. Das kann der Freelancer im Homeoffice sein oder Roland Berger. Ein Filter „Umsatz > 1 Mio.“ hilft dir da nur bedingt weiter, weil die Nuancen fehlen.
Wenn du ein austauschbares Produkt verkaufst, sagen wir Bürostühle - dann reicht das vielleicht. Aber wenn du als Agentur, Dienstleister oder B2B Unternehmen ein komplexes, hochpreisiges Angebot hast, dann suchst du keine „Branche“. Du suchst nach einem Problem oder einer Konstellation.
Und Probleme stehen nicht im Handelsregister. Man muss sie kalkulieren.
Deep Data: Wie wir das „Unsichtbare“ sichtbar machen
Ein Kunde von uns berät Unternehmen u.A in den Bereichen Währungsmanagement oder internationale Finanzierung. Dein idealer Kunde verliert Marge, wenn der Dollarkurs schwankt. Der Standard-Weg: Du filterst in einer Datenbank nach „Großhandel“ und „Import/Export“. Das Ergebnis: Tausende Unternehmen.
Aber 70% davon handeln nur innerhalb des Euroraums. Sie haben gar kein Währungsrisiko.
Dein Vertrieb ruft an und holt sich eine Absage nach der anderen.
Genau hier wird sichtbar, warum klassische Filter versagen.
Sie beschreiben grob, wer ein Unternehmen ist, aber nicht, in welcher Situation es steckt.
Und komplexe Dienstleistungen werden nicht wegen einer Branche gekauft, sondern wegen eines konkreten Problems.
In diesem Beispiel kam deshalb eine Datenquelle ins Spiel, die fast jeder kennt, aber kaum jemand Zugriff hat: Geschäftsberichte.
Dort schreiben Unternehmen nicht aus Imagegründen, sondern aus Pflicht.
Und genau deshalb steht dort erstaunlich offen, wo Marge unter Druck gerät, welche Risiken real sind und wofür Budget eingeplant ist.
Neben der Analyse des digitalen Fußabdrucks haben wir systematisch zehntausende Geschäftsberichte gelesen und gerechnet.
Geschäftsberichte können ziemlich komplex sein. Dies hängt von der Bilanzierungsart ab.
Wir haben Unternehmen identifiziert, die operativ im Dollarraum einkaufen, ihre Umsätze aber überwiegend in Euro erzielen.
Wir haben geprüft, ob im Risikobericht Wechselkursschwankungen explizit ersichtlich werden. Und wir haben uns die Finanzzahlen über mehrere Jahre angesehen, um Volatilität im Finanzergebnis zu erkennen, die nicht operativ erklärbar ist.
In Kombination mit weiteren Datenpunkten enttstand selbst für diese hochkomplexe Dienstleistung ein belastbarer Indikator für den Bedarf.
Aus einer großen, frustrierenden Longlist wurde eine kleine, schlagkräftige Zielgruppe.
Gespräche begannen nicht mehr mit „Haben Sie grundsätzlich Interesse?“, sondern mit „In Ihrem Geschäftsbericht ist ersichtlich, dass…“.
Weniger Volumen, mehr Substanz. Für den Kunden bedeutete das höhere Abschlussquoten und kürzere Verkaufszyklen.
Beispielhafte Nutzung von u.A Geschäftsberichten zur Einordnung besonders komplexer Bedarfe.
Klasse statt Masse
Das Prinzip dahinter ist übertragbar und genau das macht Deep Data so mächtig. Geschäftsberichte sind ein Beispiel, aber die Logik funktioniert überall dort, wo du Signale verknüpfst, die einzeln wenig aussagen, aber zusammen einen Bedarf beweisen.
Ein M&A-Berater, der europaweit Private-Equity-Firmen für Mittelstandsverkäufe sucht, kann in Handelsregistern ewig filtern, dort steht nur „Verwaltung von Beteiligungen". Wir haben stattdessen Investment-Strategien auf Websites semantisch analysiert und zwischen „Buyout" und „Venture Capital" unterschieden. Ergebnis: 3.500 echte PE-Häuser statt einer verwässerten Liste mit zehntausenden Holdings.
Der DCF Verlag hatte ein ähnliches Problem: Die Zielgruppe ist riesig, aber die meisten Agenturen sind ehr ungeeignet. Wir haben nach digitalen Schmerzpunkten gesucht, negative Presse, schlechte Bewertungen, fehlende Sichtbarkeit – und nur die extrahiert, bei denen PR ein sichtbares Problem löst. Das Ergebnis waren über 100.000 Euro Neugeschäft in kurzer Zeit.
Genau das ist der Punkt: Du brauchst keine 10.000 Leads, von denen 500 vielleicht passen. Du brauchst 500 Leads, die nachweislich das Problem haben, das du löst. Weniger Volumen, mehr Substanz. Und am Ende kürzere Verkaufszyklen, höhere Abschlussquoten und ein Vertrieb, der nicht mehr frustriert, sondern trifft.
Fazit: Von der Schrotflinte zum Snipermodus
Wenn du es leid bist, Listen zu kaufen, die am Ende nicht passen, dann ist es Zeit für einen Paradigmenwechsel. Klassische Firmendatenbanken setzen auf Masse statt Klasse – und das kostet dich nicht nur Geld, sondern auch Nerven und Vertrauen in die Kaltakquise.
Der Ansatz von SolbachLeads zeigt, dass es anders geht: Mit einem glasklaren ICP, intelligenter Software und Datenquellen, auf die kaum jemand systematisch zugreift, bekommst du Leads, die wirklich zu dir passen. Keine Branchen, sondern Probleme. Keine Vermutungen, sondern Beweise. Das Ergebnis: Eine präzisere, profitablere Akquise – und deutlich weniger Frust im Vertrieb.
Dein nächster Schritt: Wenn du wissen willst, wie dieser Ansatz konkret für dein Unternehmen funktioniert, kannst du direkt ein kostenloses Erstgespräch vereinbaren.