Outreach Experiments: Improve Win Rate Systematically
Nicht mehr raten, was funktioniert. Diese Anleitung zeigt, wie Sie einfache A/B-Tests für Ihr Outreach durchführen – ohne unnötige Komplexität oder Statistikstudium.
Die Experimentier-Haltung
Jede Outreach-Nachricht ist eine Hypothese. „Ich vermute, [dieser Ansatz] bringt mehr Antworten.“ Testen verwandelt Vermutungen in Wissen.
Was testen
Auf Variablen fokussieren, die echten Einfluss auf Ergebnisse haben:
Targeting
An wen Sie sich wenden: Branche, Unternehmensgröße, Position, Budgetrahmen
Beispiel: „Tech-Startups mit 10–50 Mitarbeitern“ vs. „Beliebiges Startup“
Offer Angle
Womit Sie führen: Geschwindigkeit, Qualität, Preis, Expertise, Garantie
Beispiel: „Schnelle Lieferung“ vs. „Premium-Qualität“
Proposal Structure
Wie Sie Ihren Pitch präsentieren: Länge, Format, enthaltene Beispiele
Beispiel: Kurz (3 Absätze) vs. Ausführlich (1 Seite mit Fallstudie)
Follow-Up Timing
Wann und wie oft Sie nachfassen
Beispiel: Follow-up an Tag 3 vs. Tag 5
Betreffzeile / Einstieg
Das Erste, was sie sehen
Beispiel: Frage einleiten vs. Direkte Aussage
Baseline setzen
Vor dem Experimentieren die aktuellen Zahlen kennen:
Baseline Checklist
Notieren Sie diese Werte. Das ist die Messlatte, die Sie übertreffen wollen.
Mindest-Stichprobengröße
Den Gewinner nicht zu früh festlegen. Praktische Mindestlaufzeiten:
Faustregeln zur Stichprobengröße
Für Antwortraten-Tests
Mindestens 50 Versendungen pro Variante (100+ ist besser)
Bei 20 % Antwortrate brauchen Sie etwa 50 Versendungen, um deutliche Unterschiede zu sehen
Für Abschlussraten-Tests
Mindestens 20 qualifizierte Leads pro Variante
Abschlussraten-Tests dauern länger, da Sie Endergebnisse brauchen
Für schnelle Richtungstests
30 Versendungen können große Unterschiede zeigen (2× oder mehr)
Gut für stark unterschiedliche Ansätze
Ein Experiment durchführen
So gehen Sie vor:
Nur eine Sache testen
Nicht mehrere Variablen gleichzeitig ändern. Sonst wissen Sie nicht, was gewirkt hat.
Zwei Versionen anlegen (A und B)
A = Ihr aktueller Ansatz. B = die neue Idee, die Sie testen.
Abwechseln oder randomisieren
Variante A an jeden zweiten Lead, B an den Rest. Oder per Zufall entscheiden.
Versendungen taggen
Ein Tag wie „exp-short-proposal“ setzen, damit Sie später filtern können.
Auf ausreichend Daten warten
Mindeststichprobe erreichen, bevor Schlüsse gezogen werden.
Decide: keep, revert, or iterate
Gewinnt B: als neuen Standard übernehmen. Gewinnt A: anderes B testen.
Vorlage Experiment-Log
Experiment: [Name]
Startdatum
[Datum]
Enddatum
[Datum]
Hypothese
„Ich vermute, [Änderung] verbessert [Kennzahl], weil [Grund].“
Version A (Kontrolle)
[Beschreibung des aktuellen Ansatzes]
Version B (Test)
[Beschreibung des neuen Ansatzes]
Ergebnisse A
Gesendet: [X] | Antworten: [Y] | Rate: [Z %]
Ergebnisse B
Gesendet: [X] | Antworten: [Y] | Rate: [Z %]
Entscheidung
[B behalten / Zu A zurück / Mehr Daten nötig]
Erkenntnisse
[Was haben Sie gelernt? Was als Nächstes ausprobieren?]
Beispiel-Experimente für Freelance-Plattformen
Experiment 1: Angebotslänge
Kurz (3 Absätze) vs. ausführlich (mit Case Study)
Hypothese: Gestresste Kunden bevorzugen kürzere Angebote zum schnellen Überfliegen.
Ergebnis: Kurze Angebote 24 % Antwortrate vs. 18 % bei ausführlichen. Kurz als Standard beibehalten.
Experiment 2: Einstiegssatz
Frage vs. Kompliment als Einstieg
Hypothese: Fragen binden Leser und wirken persönlicher.
Ergebnis: Fragen 21 % Antwortrate vs. 15 % bei Komplimenten. Auf Fragen-Einstieg umgestellt.
Experiment 3: Follow-up-Zeitpunkt
Follow-up Tag 3 vs. Tag 5
Hypothese: Früheres Follow-up erreicht Kunden, bevor sie jemand anderen beauftragen.
Ergebnis: Tag 3 brachte 8 % zusätzliche Antworten vs. 5 % bei Tag 5. Standard auf Tag 3 gelegt.
Verwandte Anleitungen
Status & Outcomes
Saubere Daten ermöglichen aussagekräftige Experimente
Reporting-Dashboard
Experimentergebnisse im Zeitverlauf erfassen
Mit dem Experimentieren starten
Aus Vermutungen datenbasierte Entscheidungen machen
Keine Kreditkarte erforderlich