Kunde und Herausforderung
Das Vertriebsteam eines B2B-Softwareunternehmens war durch ein extrem hohes Aufkommen an Inbound-Leads überlastet. Da jede Testanmeldung gleichbehandelt wurde, verschwendeten erfahrene Vertriebsmitarbeiter wertvolle Zeit mit Interessenten ohne echte Kaufabsicht (Low-Intent). Gleichzeitig kühlten hochkarätige Deals ab, da sie nicht priorisiert wurden, was zu erheblichen Umsatzverlusten führte.
Lösung
Wir entwickelten ein maßgeschneidertes Predictive Lead Scoring Modell, das historisches Nutzerverhalten analysiert darunter Feature-Nutzung, Website-Interaktionen und spezifische User-Events, um die Konversionswahrscheinlichkeit vorherzusagen. Leads werden nun dynamisch gerankt und automatisch so weitergeleitet, dass die Abschlussgeschwindigkeit (Sales Velocity) für wertvolle Accounts maximiert wird.
Ergebnisse
- Direktes Umsatzwachstum: Steigerung des monatlich wiederkehrenden Umsatzes (MRR) um 22 %, da kaufbereite Leads gewonnen wurden, bevor sie zum Wettbewerb abwanderten.
- Senkung der Kundenakquisitionskosten (CAC): Reduzierung der vertriebsbezogenen Gemeinkosten um 30 %, indem manuelle Vorprüfungen entfielen und teure Personalressourcen gezielt auf abschlussbereite Interessenten fokussiert wurden.
- Erhöhte Sales Velocity: Verkürzung des durchschnittlichen Vertriebszyklus um 14 Tage, wodurch das Team ein höheres Deal-Volumen ohne zusätzliches Personal bewältigen konnte.
Technologien
- Scikit-learn (Random Forest Classifier)
- AWS SageMaker
- Salesforce CRM-Integration.
