YieldBI für SaaS

SaaS hat mit Paid Social ein strukturelles Problem, das die meisten anderen Vertikale nicht haben: Sie werden monatlich bezahlt, zahlen den Kunden aber im Voraus.

Eine E-Commerce-Marke weiß innerhalb eines Tages, ob eine Bestellung profitabel war. Ein SaaS-Unternehmen, das einen Kunden für 400 € auf einem 49-€-Monatsplan akquiriert, erreicht erst nach acht Monaten die Kostendeckung, und nur, wenn der Kunde bleibt. Jede Optimierungsentscheidung, die Sie treffen, ruht auf einer Vermutung über die Kundenbindung, und die Werbeplattform hat keine Ahnung, dass das überhaupt passiert.

Kosten pro Demo sind die falsche Schlagzahl

Es ist die Zahl, die jeder berichtet, weil es die Zahl ist, die am ersten Tag verfügbar ist. Es ist auch die Zahl, die am wenigsten damit zusammenhängt, ob die Kampagne funktioniert hat.

Die Kette, die zählt, verläuft: Klick → Trial oder Demo → Aktivierung → zahlend → über die Amortisation hinaus gehalten. Jeder Schritt hat eine Conversion-Rate, die je nach Anzeige variiert, und die Varianz summiert sich. Zwei Kampagnen mit identischen Kosten pro Demo unterscheiden sich regelmäßig um das 2- bis 3-Fache bei den Kosten pro gehaltenem Kunden, weil sie unterschiedliche Menschen angezogen haben.

Die eine Zahl, um die es sich lohnt, den Account herum aufzubauen, ist die Amortisationszeit: wie viele Monate Umsatz es braucht, um die Akquisekosten wieder hereinzuholen. Sie verwandelt ein abstraktes Argument über Lead-Qualität in eine Entscheidung: ob Sie sich diesen Kunden zu diesem Preis leisten können, und es ist die Zahl, die Ihr Finance-Team ohnehin schon nutzt.

Warum Self-Serve und vertriebsgeführt unterschiedliche Setups brauchen

Self-Serve. Das Volumen ist hoch genug, dass der Trial-Start die Optimierung direkt tragen kann. Die Falle ist, dass der Trial-Start trivial leicht zu konvertieren ist, sodass Meta Ihnen bereitwillig Menschen findet, die Trials starten und nie aktivieren. Optimieren Sie stattdessen auf das Aktivierungsereignis, sofern es ungefähr 50 Ereignisse pro Anzeigengruppe und Woche erreicht. Ist das nicht der Fall, optimieren Sie auf den Trial-Start und bewerten Sie anhand der Aktivierung.

Ein konkreter Fall macht den Mechanismus deutlicher. Ein Self-Serve-SaaS-Tool für 79 Euro/Monat ließ zwei Anzeigengruppen gegen dieselbe Landingpage laufen, beide auf Trial-Start optimiert. Die eine brachte 220 Trials zu je 9 Euro. Die andere brachte 140 Trials zu je 15 Euro. Bei den Kosten pro Trial lag die erste Anzeigengruppe deutlich vorn. Drei Monate später hatte die erste Anzeigengruppe 4 Trials in zahlende Kunden umgewandelt, die zweite 19. Die billigen Trials waren größtenteils Menschen, die ein kostenloses Tool ausprobierten, ohne die Absicht zu zahlen, und Meta hatte davon schlicht mehr gefunden. Der Wechsel des Optimierungsereignisses auf die Aktivierung, definiert als das Verbinden einer Datenquelle und das Abschließen eines Reports, drehte die Rangfolge innerhalb derselben Datenwoche um. Die Lehre ist nicht, dass billige Trials schlecht sind. Sie ist, dass das Ereignis, auf das Sie optimieren, Meta sagt, welche Art von Mensch zu finden ist, und der Trial-Start selektiert Neugier statt Absicht.

Vertriebsgeführt. Das Volumen an Demo-Anfragen reicht fast nie aus, damit Meta auf Anzeigengruppenebene daraus lernen kann, und das eigentliche Ergebnis liegt Monate entfernt. Optimieren Sie auf das vorgelagerte Ereignis, spielen Sie das Ergebnis der qualifizierten Opportunity über Offline-Conversions zurück, und akzeptieren Sie, dass die Auslieferungsoptimierung auf einem Proxy läuft, während Ihre Budgetentscheidungen auf der Pipeline laufen.

Zu versuchen, eine vertriebsgeführte Bewegung durch direkte Optimierung auf Closed-Won zu betreiben, ist hier der häufigste teure Fehler. Davon gibt es nicht genug, es kommt zu spät an, und die Anzeigengruppen verlassen die Explorationsphase nie.

Meta ist ein Kanal zur Nachfrageschaffung, und die Messung spiegelt das wider

Suche fängt Menschen ein, die bereits wissen, dass sie Ihr Problem haben. Meta unterbricht Menschen, die das nicht wissen. Das bedeutet längere Überlegungsphasen, mehr unterstützte Conversions und eine systematische Unterbewertung im Last-Click-Reporting.

Die Konsequenz ist vorhersehbar: Paid Social sieht schlechter aus, als es ist, wird das Budget entzogen, und das Volumen der Markensuche sinkt ein Quartal später still und leise. Wenn Sie das Budget dafür haben, klärt ein Geo-Holdout die Frage besser als jedes Attributionsmodell, weil er misst, was ohne den Kanal passiert wäre, statt über Zurechnung zu streiten.

Was Sie testen sollten

Die Unterschiede, die zählen, betreffen, mit wem die Anzeige spricht, nicht welches Format sie nutzt:

• Problembewusst versus lösungsbewusst. Den Schmerzpunkt zu benennen erreicht eine viel größere Zielgruppe als Ihre Kategorie zu benennen. Ihre Kategorie zu benennen erreicht Menschen, die näher am Kauf sind.
• Rolle. Die Person mit dem Problem und die Person mit dem Budget sind häufig unterschiedliche Menschen, die unterschiedliche Argumente brauchen.
• Die Wechselalternative. Die meisten SaaS-Produkte werden nicht gegen einen Wettbewerber verkauft. Sie werden gegen eine Tabellenkalkulation und Nichtstun verkauft, und Creative, das die Tabellenkalkulation adressiert, schlägt meist Creative, das den Wettbewerber adressiert.

Wo YieldBI ansetzt

YieldBI hält das Auslieferungsereignis und das Bewertungsereignis getrennt, sodass die Optimierung auf etwas mit ausreichend Volumen läuft, um stabil zu sein, während Budgetentscheidungen an Aktivierung, Pipeline oder Amortisation gemessen werden. Creative-Varianten werden innerhalb derselben Schleife erzeugt und gestartet, die auch das Ergebnis liest, sodass die Botschaft, die besser haltende Kunden erzeugt, erkannt statt weggemittelt wird.

Wenn Sie noch vor dem Product-Market-Fit stehen und sich Ihre Retentionskurve noch bewegt, hilft davon noch nichts. Die Akquise gegen eine instabile Amortisationszahl zu optimieren erzeugt selbstsichere Entscheidungen auf Basis einer Zahl, die im nächsten Quartal anders sein wird.