Kurz gesagt
Die LinkedIn-Antwortquoten, die im Umlauf sind, liegen bis um das Zehnfache auseinander. Das liegt nicht daran, dass manche zehnmal besser akquirieren als andere: Sie zählen nicht dasselbe. Bevor Sie fragen, ob Ihre Quote gut ist, müssen Sie entscheiden, wie Sie sie berechnen. Erst dann wird die Zahl zu einem Steuerungsinstrument.
Dieser Artikel nennt bewusst keinen Referenzwert. Wir kennen keinen, der belastbar genug wäre, um ihn zu behaupten, und einen abzuschreiben, würde ihm eine Verlässlichkeit verleihen, die er nicht hat.
Warum sich veröffentlichte Zahlen nicht vergleichen lassen
Der Nenner ändert sich. Antworten bezogen auf verschickte Nachrichten, auf angenommene Kontakte oder auf angesprochene Personen: Dieselbe Zahl an Antworten ergibt drei sehr unterschiedliche Quoten.
Die Definition der Antwort ändert sich. Zählt eine höfliche Absage? Eine automatische Abwesenheitsnotiz? Je nach Entscheidung kann sich das Ergebnis verdoppeln.
Die Grundgesamtheit ändert sich. Eine Quote, gemessen bei Einkaufsleitern großer Konzerne, hat nichts mit einer Quote bei Inhabern von Betrieben mit zehn Beschäftigten zu tun. Sie zu vergleichen heißt, zwei Märkte zu vergleichen.
Drei Regeln, die man einmal für immer aufschreibt
| Entscheidung | Die Regel, die trägt | |---|---| | Nenner | Angesprochene Personen, nie verschickte Nachrichten | | Antwort | Jede menschliche Antwort, Absagen eingeschlossen | | Stichtag | Letzter Versand + 21 Tage |
Die erste Regel ist die tückischste. Teilen Sie durch die Zahl der Nachrichten, senkt jede zusätzliche Nachfassnachricht die Quote. Eine vollständige Sequenz wirkt dann schwächer, obwohl sie mehr Antworten bringt. Sie lesen das Gegenteil der Wirklichkeit.
In einem Mittelständler, in dem zwei oder drei Personen akquirieren, müssen diese Regeln für alle gelten. Sonst vergleicht die Vertriebsrunde am Montag Rechenmethoden, nicht Ergebnisse.
Die geschlossene Kohorte
Eine fortlaufend berechnete Quote ist immer falsch: Zu jedem Zeitpunkt ist ein Teil der Nachrichten zu frisch, um schon beantwortet worden zu sein.
Die geschlossene Kohorte löst das Problem. Sie frieren einen Versandzeitraum ein, warten, bis die vollständige Sequenz an Tag 21 endet, und zählen dann. Ein einziges Mal. Der nächste Zeitraum bildet eine neue Kohorte.
Notieren Sie auch, auf welche Nachricht jede Antwort kam: erste Nachricht, Nachfassen an Tag 3, Tag 7 oder Tag 14. Nehmen wir ein Rechenbeispiel mit einer fiktiven Kohorte von 80 angesprochenen Personen:
| Nachricht | Erhaltene Antworten | Anteil an den Antworten | |---|---|---| | Tag 0 | 6 | 50 % | | Tag 3 | 2 | 17 % | | Tag 7 | 3 | 25 % | | Tag 14 | 1 | 8 % | | Gesamt | 12 von 80 Personen | Quote: 15 % |
In diesem Beispiel kommt die Hälfte der Antworten nach der ersten Nachricht. Hätte man die Sequenz an Tag 0 beendet, läge die Quote bei 7,5 %, und man hätte eine Nachricht umgeschrieben, die funktioniert hat. Kommt dagegen fast alles auf die erste Nachricht, sollten Sie Ihr Nachfassen überarbeiten.
Was die Quote bewegt, geordnet nach Wirkung
1. Die Passung der Zielgruppe. Mit großem Abstand der wichtigste Faktor. Eine hervorragende Nachricht an die falsche Person rettet nichts; eine gewöhnliche Nachricht an jemanden, den das Thema wirklich betrifft, bekommt eine Antwort. Wenn Ihre Quote stagniert, schauen Sie sich zuerst die Liste an, dann den Text, mithilfe eines ICP in einem Satz.
2. Die erste Zeile. Sie entscheidet, ob der Rest gelesen wird. Eine präzise Beobachtung zur Person wirkt besser als eine Vorstellung Ihres Unternehmens.
3. Die Größe der Bitte. „Zwanzig Minuten diese Woche?“ und „Ist das bei Ihnen gerade ein Thema?“ verlangen nicht dasselbe Maß an Verbindlichkeit. Je schwerer die Bitte, desto seltener die Antwort.
4. Die Länge. Auf dem Smartphone wird eine LinkedIn-Nachricht nach wenigen Zeilen abgeschnitten. Was darüber hinausgeht, wird oft nie gelesen.
5. Der Versandzeitpunkt. Er spielt eine Rolle, aber nur am Rand. Die Uhrzeit einer schlecht gezielten Nachricht zu optimieren, ändert wenig.
Ändern Sie zwischen zwei Kohorten nur einen dieser Faktoren. Zwei gleichzeitige Änderungen ergeben ein Ergebnis, das niemand deuten kann.
Wie viele Kontakte, bevor man Schlüsse zieht
Nehmen wir ein Rechenbeispiel. Sie testen zwei erste Nachrichten, jede an 30 Personen verschickt. Die erste erhält 3 Antworten (10 %), die zweite 5 (etwa 17 %). Der Unterschied wirkt deutlich. Er beruht aber auf zwei Personen, und zwei Personen mehr oder weniger können aus Gründen antworten, die nichts mit dem Text zu tun haben: ein Urlaub, eine Umstrukturierung, ein voller Tag.
Etwa dreißig Personen pro Version sind also eine Untergrenze, keine Vertrauensschwelle. Je niedriger die Quoten, desto mehr braucht es. Darunter lautet die richtige Lesart „noch kein Ergebnis“, nicht „Ergebnis noch zu bestätigen“.
Die Zahl, die wirklich zählt
Die Antwortquote ist eine Zwischenkennzahl. Man kann sie in die Höhe treiben, indem man Fragen stellt, auf die alle mit „ja, interessant“ antworten, und den Kalender mit Terminen füllen, die zu nichts führen, wie der Artikel über leere LinkedIn-Termine beschreibt.
Verfolgen Sie deshalb zwei Zahlen nebeneinander: die Antwortquote, die zeigt, ob die Nachricht gelesen wird, und die Quote qualifizierter Termine, die zeigt, ob sie die richtigen Personen anzieht. Beide gehören in das Freitags-Dashboard, zusammen mit drei weiteren Zahlen, die in einer Viertelstunde erhoben sind.
In der Methode von Trouve Tes Clients bildet diese Messung den Schritt Steuern: Ohne sie verbessern sich die vier vorherigen Schritte nicht von Monat zu Monat.