Schaut ihr noch auf Website-Besucher, Follower-Zahlen und Likes? Dann wisst ihr, wie viel Aufmerksamkeit euer Marketing erzeugt. Aber ihr wisst nicht, ob es funktioniert.
Das ist der Unterschied, der in Budget-Meetings entscheidet. Und er ist größer, als die meisten Marketing-Teams zugeben würden.
Laut einer aktuellen McKinsey-Studie mit 500 Senior-Marketing-Entscheider:innen aus fünf europäischen Ländern - darunter Deutschland - können nur 3 Prozent der CMOs den Return on Investment für mehr als die Hälfte ihres Marketing-Budgets belastbar nachweisen. Und das nicht etwa, weil die Daten fehlen, sondern weil die falschen Daten gemessen werden.
Kennzahlen wie Traffic, Follower-Zahlen oder Impressions - im Marketing-Jargon oft als Vanity-Metriken bezeichnet, weil sie gut aussehen, aber keine Geschäftswirkung belegen - sind nicht wertlos. Sie zeigen Sichtbarkeit. Aber Sichtbarkeit ist kein Geschäftsergebnis.
Wenn Marketing-Teams ihre Arbeit in Metriken messen, die keine Verbindung zum Umsatz haben, verlieren sie das Vertrauen der Geschäftsführung. Und das Budget folgt kurz danach.
Dieser Artikel zeigt, welche fünf Kennzahlen euren Marketing-ROI wirklich abbilden, wie sie zusammenspielen und warum die Interpretation dieser KPIs wichtiger ist als jede einzelne Zahl für sich.
Die Grundformel ist einfach:
ROI = (Umsatz durch Marketing - Marketing-Investition) / Marketing-Investition
Ein Beispiel: Ihr investiert 50.000 Euro in Marketing und generiert dadurch 200.000 Euro Umsatz. ROI = (200.000 - 50.000) / 50.000 = 300 Prozent.
Klingt klar, ist es aber nicht: weil "Umsatz durch Marketing" der schwierige Teil ist. Welcher Umsatz ist denn tatsächlich auf Marketing-Maßnahmen zurückzuführen? Welche Touchpoints haben zur Kaufentscheidung beigetragen? Und wie rechnet ihr Maßnahmen ein, die heute Vertrauen aufbauen, aber erst in sechs Monaten zu einem Abschluss führen?
An dieser Stelle scheitern die meisten Unternehmen. Nicht an der Formel, sondern an der Datenbasis, die benötigt wird, um sie sauber zu befüllen. Laut einer aktuellen Statista-Erhebung unter europäischen Marketing-Verantwortlichen ist der Mangel an notwendigen Daten die größte Einzelhürde bei der ROI-Messung in Europa - noch vor fehlendem Fachpersonal und unklaren Zuständigkeiten.
Das bedeutet: Bevor ihr ROI messen könnt, braucht ihr ein System, das die richtigen Daten erhebt. Und dafür braucht ihr sowohl die richtigen Kennzahlen als auch ein Verständnis davon, was sie wirklich aussagen.
Die folgenden fünf Kennzahlen sind keine vollständige KPI-Bibliothek. Stattdessen sind sie die Stellschrauben, die zusammen ein belastbares Bild eures Marketing-ROI ergeben. Für jede Kennzahl gilt: Formel, Datenbasis, Interpretation - in dieser Reihenfolge. Denn eine Zahl ohne Kontext ist nur eine Zahl.
Hinweis: Die genannten Benchmarks orientieren sich primär an B2B-Geschäftsmodellen. Die Kennzahlen LTV, CAC und die LTV:CAC-Ratio haben dabei grundsätzlich auch im B2C Gültigkeit - die konkreten Werte können je nach Produkt, Preispunkt, Zielgruppe und Kaufzyklus aber deutlich abweichen. Die beiden letzten KPIs Pipeline Contribution und MQL-to-SQL-Rate sind hingegen typische B2B-Kennzahlen und setzen einen strukturierten Vertriebsprozess voraus.
|
KPI |
Was er misst |
Benchmark (B2B DACH) |
|
Customer Lifetime Value (LTV) |
Langfristiger Kundenwert |
Abhängig von Segment |
|
Customer Acquisition Cost (CAC) |
Akquisekosten pro Neukund:in |
300-5.000 EUR (je Segment/Branche) |
|
LTV:CAC |
Profitabilität des Systems |
>= 3:1 gesund, >= 5:1 stark |
|
Pipeline Contribution |
Marketing-Anteil an Vertriebspipeline |
Ziel: > 40 Prozent |
|
MQL-to-SQL |
Verbindung Marketing/Vertrieb |
13-20 Prozent |
Formel: LTV = Durchschnittlicher Auftragswert × Kauffrequenz × Kundenbindungsdauer
Welche Daten braucht ihr dafür? Den durchschnittlichen Umsatz pro Kund:in und Zeitraum (aus eurem CRM oder ERP), die durchschnittliche Anzahl der Käufe oder Vertragsverlängerungen pro Jahr sowie die durchschnittliche Dauer einer Kundenbeziehung. Im B2B lässt sich das oft aus historischen CRM-Daten ableiten - vorausgesetzt, die Daten sind sauber gepflegt.
Was bedeutet das - und warum ist es wichtig? Der LTV beantwortet die Frage, die in den meisten Marketing-Diskussionen fehlt: Wie viel ist uns ein:e Kund:in langfristig wert? Ein Kunde mit einem Jahresvertrag von 40.000 Euro und einer durchschnittlichen Bindungsdauer von vier Jahren hat einen LTV von 160.000 Euro. Das verändert die Perspektive auf Akquisekosten fundamental - und macht deutlich, warum ein hoher Cost per Lead nicht automatisch ein Problem ist, solange die Qualität stimmt.
Der LTV ist die strategische Grundlage für alle anderen ROI-Entscheidungen. Wenn ihr ihn nicht kennt, optimiert ihr quasi im Blindflug - und riskiert, an der falschen Stelle zu sparen.
Formel: CAC = (Gesamte Marketing- und Vertriebskosten im Zeitraum) / Anzahl gewonnener Neukund:innen im gleichen Zeitraum
Welche Daten braucht ihr dafür? Alle Kosten, die direkt oder indirekt mit der Neukundengewinnung zusammenhängen: Ad-Spend, Tool-Lizenzen, Agenturbudgets, anteilige Personalkosten für Marketing und Vertrieb sowie Kosten für Events oder Messen. Viele Unternehmen rechnen hier zu eng und erfassen nur den Ad-Spend - das führt zu einem systematisch zu niedrigen CAC und einem überschätzten ROI.
Was bedeutet das - und warum ist es wichtig? Der CAC zeigt, was es euch tatsächlich kostet, eine:n neue:n Kund:in zu gewinnen. Laut einem B2B SaaS CAC-Report von First Page Sage, der Daten aus über fünf Jahren und mehr als 28 Branchen auswertet, variieren die Akquisekosten im B2B erheblich nach Segment und Branche: Im Small-Business-Bereich liegen sie je nach Branche zwischen 300 und 1.500 US-Dollar, im Mid-Market-Segment zwischen 1.500 und 5.000 US-Dollar, im Enterprise-Bereich teils deutlich darüber. Für den DACH-Raum gelten vergleichbare Größenordnungen - entscheidend ist aber nicht der absolute Wert, sondern das Verhältnis zum LTV.
Formel: LTV:CAC = Customer Lifetime Value / Customer Acquisition Cost
Welche Daten braucht ihr dafür? Die beiden oben berechneten Werte - LTV und CAC. Wichtig ist, dass beide auf derselben Datenbasis und demselben Zeitraum beruhen. Wer LTV und CAC aus unterschiedlichen Quellen oder Perioden zieht, vergleicht Äpfel mit Birnen.
Was bedeutet das - und warum ist es wichtig? Die Formel klingt erstmal kompliziert. Dabei ist das Verhältnis von Lifetime Value zu Akquisekosten die kompakteste Aussage über die Profitabilität eures Marketing-Systems. Ihr könnt daran folgende Richtwerte ablesen:
Diese Kennzahl verbindet Marketing-Aktivität mit Unternehmensrentabilität in einer einzigen Zahl. Also genau das, was Geschäftsführungen in Budget-Gesprächen brauchen - und was Marketing-Teams oft nicht liefern können, weil LTV und CAC nicht gemeinsam betrachtet werden.
Formel: Pipeline Contribution = (Wert der Marketing-generierten Opportunities) / (Gesamtwert der aktiven Vertriebspipeline) × 100
Welche Daten braucht ihr dafür? Ein CRM, das den Ursprung jeder Opportunity erfasst - also ob ein Lead durch Marketing-Maßnahmen generiert wurde oder durch Direktvertrieb, Empfehlung oder andere Quellen. Das setzt voraus, dass im System klar definiert ist, was als "Marketing-generiert" gilt. Ohne diese Definition ist die Kennzahl nicht berechenbar.
Was bedeutet das - und warum ist es wichtig? Diese Kennzahl zeigt den direkten Beitrag des Marketings zum Vertriebserfolg, und zwar als Umsatzpotenzial. Wenn 60 Prozent der Pipeline aus Marketing-generierten Leads stammen, ist das ein Argument, das keine weitere Erklärung braucht. Wenn es 10 Prozent sind, ist das ebenfalls eine klare Aussage: nämlich, dass Marketing und Vertrieb strukturell nicht zusammenarbeiten.
Wie ihr euer CRM und eure Marketing-Plattform dafür sauber aufstellt, zeigen wir in unserem Artikel zu HubSpot als CMS und Marketing-Plattform.
Formel: MQL-to-SQL-Rate = (Anzahl SQLs im Zeitraum) / (Anzahl MQLs im gleichen Zeitraum) × 100
Zur Erklärung: Ein MQL (Marketing Qualified Lead) ist ein Lead, den das Marketing als ausreichend qualifiziert einstuft, um ihn an den Vertrieb weiterzugeben. Ein SQL (Sales Qualified Lead) ist ein Lead, den der Vertrieb als tatsächlich vertriebsrelevant akzeptiert und aktiv bearbeitet.
Welche Daten braucht ihr dafür? Die Anzahl der Leads, die das Marketing pro Zeitraum an den Vertrieb übergibt, sowie die Anzahl der Leads, die der Vertrieb tatsächlich als relevant einstuft und in die Pipeline aufnimmt. Beides muss im CRM nachvollziehbar dokumentiert sein.
Was bedeutet das - und warum ist es wichtig? Im B2B liegt dieser Wert typischerweise zwischen 13 und 20 Prozent. In Unternehmen mit klar definiertem Ideal Customer Profile und enger Marketing-Sales-Abstimmung können es 30 bis 45 Prozent sein. Eine niedrige Rate bedeutet nicht zwingend, dass das Marketing schlechte Arbeit leistet; sie zeigt meist eher, dass Marketing und Vertrieb unterschiedliche Vorstellungen davon haben, was ein guter Lead ist. Das ist ein strukturelles Problem, das sich direkt auf den CAC auswirkt: Wenn 80 Prozent der generierten Leads vom Vertrieb ignoriert werden, ist der effektive CAC dramatisch höher als berechnet.
Mehr dazu im folgenden Abschnitt zu den Praxis-Szenarien.
Einzelne KPIs sagen wenig. Erst im Zusammenspiel zeigen sie, wo im System es läuft und wo es hakt. Die folgenden drei Szenarien basieren auf typischen Situationen, wie wir sie aus unseren Kundenprojekten kennen.
Ein regionaler Energieversorger mit rund 800 Mitarbeitenden betreibt B2B-Vertrieb für Gewerbe- und Industriekunden. Das Marketing-Team wird intern regelmäßig unter Druck gesetzt, weil der Cost per Lead bei durchschnittlich 310 Euro liegt - deutlich über dem, was die Geschäftsführung als "normal" einschätzt.
Der Blick auf den CPL allein ergibt aber ein verzerrtes Bild. Die generierten Leads sind Entscheider:innen aus Industriebetrieben mit Jahresverträgen zwischen 80.000 und 200.000 Euro. Die durchschnittliche Kundenbindung liegt bei fünf Jahren. Der LTV pro Kund:in beträgt damit im Schnitt 600.000 Euro.
Solange das Unternehmen nur auf den CPL schaut, führt es eine Diskussion über die falsche Zahl. Erst als das Marketing-Team beginnt, CPL, Abschlussrate und LTV gemeinsam zu betrachten, ändert sich die Bewertung grundlegend: Ein CPL von 310 Euro ist bei diesem LTV-Niveau nicht nur akzeptabel, sondern tatsächlich günstig. Die LTV:CAC-Ratio liegt weit über 5:1, das System ist also profitabel.
Das Ergebnis: Das Marketing-Budget wird nicht gekürzt, sondern gezielt in die Kanäle mit der höchsten Lead-Qualität verschoben. Die Gesamtinvestition steigt, der ROI verbessert sich weiter.
Was sich verändert hat: Der Wechsel von einer isolierten Kanal-Metrik zu einer systemischen Betrachtung über den gesamten Kundenlebenszyklus. Wie sich das auf die Conversion Optimierung im gesamten Marketing-System auswirkt, ist ein eigenes Thema - aber es beginnt immer mit der richtigen Datenbasis.
Ein mittelgroßes Verkehrsunternehmen im ÖPNV-Bereich - rund 1.200 Mitarbeitende - hat in den vergangenen zwei Jahren erheblich in digitales Marketing investiert: Content, LinkedIn-Kampagnen, Webinare für B2B-Kunden aus dem Bereich Firmentickets und Mobilitätslösungen. Die Lead-Zahlen steigen, das Marketing-Team ist zufrieden.
Aber der Vertrieb ist es nicht. Von 180 Leads pro Quartal werden nur 19 als vertriebsrelevant eingestuft: eine MQL-to-SQL-Rate von knapp über 10 Prozent. Die restlichen 161 Leads werden nicht weiterverfolgt.
Das Problem: Marketing und Vertrieb haben nie gemeinsam definiert, was einen qualifizierten Lead ausmacht. Marketing optimiert auf Formularausfüllungen und Content-Downloads. Der Vertrieb dagegen sucht Entscheider:innen aus Unternehmen ab 200 Mitarbeitenden mit konkretem Mobilitätsbedarf. Diese Kriterien sind nirgendwo im System hinterlegt.
Die Folge: Das Unternehmen gibt pro Quartal rund 45.000 Euro für Lead-Generierung aus, von denen effektiv nur ein Bruchteil in die Vertriebspipeline einfließt. Der tatsächliche CAC ist dreimal so hoch wie berechnet - und niemand hat es bemerkt, weil MQL-to-SQL nie gemessen wurde.
Nach einem gemeinsamen Workshop zwischen Marketing und Vertrieb werden klare ICP-Kriterien definiert und im CRM als Qualifizierungsregeln hinterlegt. Automatisierte Scoring-Logiken filtern Leads vor der Übergabe. Drei Monate später liegt die MQL-to-SQL-Rate bei 28 Prozent - ohne zusätzliches Budget, nur durch bessere Abstimmung und sauberere Prozesse.
Was sich verändert hat: Nicht das Marketing-Budget, nicht die Kampagnen - sondern die Definition von "qualifiziert" und die technische Umsetzung dieser Definition im System.
Dass Marketing-Strukturen und -Prozesse sich grundlegend verändern müssen, beschreiben wir auch in unserem Artikel Quo vadis, Online Marketing?
Ein mittelständischer B2B-E-Commerce-Anbieter für Industriebedarf - Onlineshop mit rund 50.000 Artikeln, Zielgruppe Einkäufer:innen in produzierenden Unternehmen - generiert über SEO und Performance Marketing konstant Anfragen für individuelle Rahmenverträge und Großbestellungen. Die Conversion Rate auf der Website liegt im guten Bereich, die Lead-Zahlen stimmen.
Trotzdem stagnieren die Abschlüsse. Eine Analyse zeigt: Die durchschnittliche Zeit zwischen einer qualifizierten Anfrage und der ersten Kontaktaufnahme durch den Vertrieb beträgt 52 Stunden. Anfragen, die am Freitag eingehen, werden oft erst am Montag bearbeitet.
Studien zeigen, dass die Wahrscheinlichkeit, einen Lead zu konvertieren, innerhalb der ersten fünf Minuten nach der Anfrage um ein Vielfaches höher ist als nach einer Stunde - und nach 24 Stunden dramatisch sinkt. Das bedeutet: Das Unternehmen investiert erheblich in die Generierung von Anfragen, verliert aber einen großen Teil davon durch Prozessverzögerungen, die im Reporting unsichtbar sind.
Die Lösung liegt hier weniger im Bereich Marketing als in der Automatisierung. Automatisierte Bestätigungs-E-Mails, sofortige interne Benachrichtigungen und ein klares SLA für die Lead-Response-Zeit werden eingeführt. Zusätzlich wird ein einfacher Chatbot für häufige Anfragen auf den relevanten Produktkategorien implementiert.
Das Ergebnis nach zwei Quartalen: Die Abschlussrate aus qualifizierten Anfragen steigt um 22 Prozent. Ohne zusätzliches Marketing-Budget, ohne neue Kampagnen. Nur durch schnellere, strukturiertere Prozesse an der Schnittstelle zwischen Marketing und Vertrieb.
Was sich verändert hat: Der Blick auf den ROI endet nicht mehr bei der Lead-Generierung, sondern schließt die gesamte Strecke bis zum Abschluss ein - inklusive der Prozesse, die dazwischen liegen.
Bevor wir erklären, warum das gängigste Attributionsmodell (nicht nur) im B2B regelmäßig zu falschen Schlüssen führt, zunächst eine Grundlage: Was ist Attribution überhaupt?
Attribution bezeichnet im Marketing die Zuordnung von Umsatz oder Abschlüssen zu den Maßnahmen, die dazu beigetragen haben. Konkret: Wenn ein:e Kund:in heute einen Vertrag unterschreibt, welche Marketing-Aktivitäten haben diese Entscheidung beeinflusst? War es die LinkedIn-Anzeige vor drei Monaten? Der Blogartikel, den die Person danach gelesen hat? Das Webinar, für das sie sich angemeldet hat? Oder das persönliche Gespräch mit dem Vertrieb letzte Woche?
Attribution versucht, diese Frage zu beantworten und damit zu klären, welche Maßnahmen sich wirklich lohnen und welche nur Geld kosten. Ohne Attribution wisst ihr nicht, welche Teile eures Marketing-Systems funktionieren. Ihr könnt nur raten.
Das gängigste Modell - Last-Touch-Attribution - schreibt den gesamten Erfolg dem letzten Touchpoint vor dem Abschluss zu. In der Praxis bedeutet das: Das Vertriebsgespräch bekommt 100 Prozent der Anerkennung, obwohl der Weg dorthin über einen Blogartikel, ein Webinar, drei E-Mails und eine LinkedIn-Anzeige führte. Alle vorherigen Maßnahmen gehen leer aus - im Reporting und damit auch im Budget.
Das führt zu systematisch falschen Entscheidungen. Maßnahmen, die früh in der Customer Journey Vertrauen aufbauen - Content, SEO, Brand-Kampagnen - werden dauerhaft unterbewertet und unterfinanziert, weil sie im Last-Touch-Modell nie als Erfolgsfaktor auftauchen.
Multi-Touch-Attribution verteilt den Erfolg auf alle Touchpoints entlang der Journey. Im B2B-Kontext haben sich dabei folgende Modelle bewährt:
Beide Modelle funktionieren aber nur mit einer sauberen, integrierten Datenbasis: einem CRM, das alle Touchpoints erfasst, und einer Marketing-Automation-Plattform, die diese Daten strukturiert zurückspielt. Ohne diese Grundlage bleibt Attribution Schätzung.
Mehr zur Webanalyse - und welche Rolle sauberes Tracking dabei spielt - findet ihr in unserem Glossar.
Die drei Szenarien in diesem Artikel haben ein Muster gezeigt: Die Unternehmen, die ihren Marketing-ROI nicht nachweisen können, messen meistens nicht zu wenig, sondern das Falsche. Oder sie messen die richtigen Dinge, aber isoliert voneinander, ohne den Zusammenhang herzustellen.
Wer LTV und CAC kennt, aber nie ins Verhältnis setzt, weiß nicht, ob sein Marketing-System profitabel ist. Wer MQL-to-SQL nicht misst, merkt nicht, dass ein Großteil des Lead-Budgets wirkungslos verpufft. Wer Attribution auf den letzten Touchpoint reduziert, finanziert systematisch die falschen Maßnahmen (und kürzt damit dort, wo langfristig Vertrauen aufgebaut wird).
Das alles sind keine technischen Probleme. Vielmehr sind dies Entscheidungen darüber, wie Marketing im Unternehmen verstanden wird: als Kostenstelle, die Sichtbarkeit produziert, oder als Teil eines Systems, das Wachstum erzeugt und das sich messen lässt. Für Marketingleitungen bedeutet das, gemeinsam mit dem Vertrieb klare Definitionen zu schaffen und die richtigen Daten zu erheben. Für Geschäftsführungen bedeutet es, Marketing nicht nur an Budgets zu messen, sondern an Beiträgen zur Pipeline und zum Umsatz.
Der erste Schritt zur Sichtbarmachung des Marketing ROI ist fast immer derselbe: eine ehrliche Bestandsaufnahme dessen, was aktuell gemessen wird - und was nicht.