KI-gestütztes ABM: Skalierung von Präzision und Wirkung für B2B-Wachstum

Erfahren Sie, wie das ABM-Team von Snowflake durch den Einsatz von Snowflake AI für gezielte Kampagnen und personalisiertere Botschaften eine 2,3-fache Steigerung der gebuchten Meetings und eine 54-prozentige Steigerung der CTR erreicht hat – bei gleichzeitiger Optimierung von Budget und Engagement. 

Wir haben gesehen, wie Snowflake AI-Tools die Ergebnisse für unsere Kunden verändern. Von der Einsparung von 4.000 Stunden pro Jahr bei der manuellen E-Mail-Eingabe über die Behandlung von mehr Patient:innen in Notaufnahmen bis hin zu 75 % der Kosten – KI in Snowflake wird einen echten Einfluss auf Unternehmen auf der ganzen Welt haben. 

Dieselbe transformative Kraft ist auch bei Snowflake am Werk. In diesem Artikel zeigen wir Ihnen, wie das Account-Based Marketing (ABM) Team von Snowflake mithilfe von Snowflake AI-Tools die Zuweisung von Ressourcen und die Verbindung zu hochwertigen Konten erheblich verbessert. 

Wie viele Marketingteams in Unternehmen stand auch das ABM-Team vor einem gemeinsamen Dilemma: Wie lässt sich das Werbebudget optimal auf verschiedene Gebiete, Kontotypen und Branchen verteilen? Das Team muss die richtigen Konten lasergenau ansprechen und dabei auf Ressourcen achten. 

Zuvor war die Budgetzuweisung des Snowflake ABM-Teams breit gefächert – aufgeteilt nach Territorium mithilfe verschiedener Tools. Zwar funktional, aber es fehlte an detaillierten Einblicken, die für eine echte Optimierung erforderlich waren. Das Team war nicht in der Lage, die Ausgaben dynamisch anzupassen, basierend auf den Merkmalen wichtiger Konten und Echtzeitinteraktionen. Das Team suchte nach einer Möglichkeit, mit einem höheren Budget die Genauigkeit zu steigern und gleichzeitig die vierteljährlichen Geschäftsziele des Teams für die Buchung von Meetings zu erreichen. 

Die Lösung bestand darin, ein KI-Modell mit „Meeting Propensity“ zu entwickeln, das auf Snowflake Cortex AI basiert und über einfaches Targeting hinausgeht. Das Tool identifiziert nicht nur Konten, die für ABM-Kampagnen geeignet sind – es hilft auch vorherzusagen, welche Konten am wahrscheinlichsten positiv auf entsprechende Bemühungen reagieren und zu gebuchten Meetings führen werden. Damit sah das ABM-Team gleich mehrere wesentliche Vorteile:

• Datengestützte Budgetzuweisung: ABM-Teammitglieder können nun Budgets für jede Region und jedes Programm begründen und vorschlagen, unterstützt durch konkrete prädiktive Modellierung. Das reduziert Rätselraten und optimiert die Ressourcenzuweisung.

• Gesteigerte Verantwortlichkeit und Performance: Klarere Prognosen fördern die Verantwortlichkeit und den Fokus auf messbare Ergebnisse.

• Agile Optimierung: Das Modell ermöglicht Echtzeit-Budgetanpassungen basierend auf der Kontoperformance und sich verändernden Marktdynamiken. So entsteht eine Anpassungsfähigkeit, die für die Skalierung von Unternehmen wie Snowflake entscheidend ist.

Sie testeten das Modell mit einer einfachen Hypothese: Könnten sie die Meeting-Ergebnisse mit 80 % Sicherheit vorhersagen und die Meeting-Raten durch optimierte Ausgaben um 3 % steigern? 

Das konnten sie. „Wir haben einen 2,3-fachen Anstieg der Meetings festgestellt, die in den Konten mit hohem Potenzial gebucht wurden, verglichen mit den Konten mit niedrigem Potenzial“, so Breanna Cherman, Senior ABM Strategic Operations Lead bei Snowflake. „Wir haben herausgefunden, dass dieses Modell uns helfen kann, 38 % weniger Geld auszugeben, um mehr Interaktionen mit unserer Zielgruppe und mehr Meetings auf den richtigen Konten zu ermöglichen.“

Das ABM-Team hat das Modell vollständig in seine Vertriebsgebietsplanung implementiert. „Indem wir das KI-Modell nutzen, um potenzielle Konten zu ermitteln und unsere Vertriebsstrategie zu beschleunigen, können wir nicht nur mehr gewinnen“, so Cherman. „Wir gewinnen schneller, intelligenter und präziser als je zuvor.“

Das ABM-Team arbeitete außerdem mit dem Markenteam von Snowflake zusammen, um Werbebotschaften für Vertriebskonten mit höchster Priorität zuzuschneiden. Angesichts der Anzahl der Konten, die ABM verarbeitet, und der Bedeutung personalisierter Kopien für Interaktionen entschied sich das Team zu testen, ob KI-generierte Werbekopien die Klickraten (Click-through Rates, CTRs) und den ROI von Kampagnen weiter steigern könnten, was bei der Skalierung helfen würde. 

Accountbasiertes Marketing nutzte Cortex AI und arbeitete eng mit dem Markenteam von Snowflake zusammen, um Richtlinien und Prompts für ein Large Language Model zur Ausführung der Aufgabe zu entwickeln, und entwickelte dann eine Streamlit-App, die auf dem Prompt in Cortex AI basierte.

Methode 1: KI vs. historische Benchmarks

Im ersten Ansatz wurden die Performance von KI-generierten Werbetexten mit historischen Performancedaten verglichen oder regionale Benchmarks für ihre Kampagnen festgelegt. So konnte direkt beurteilt werden, ob KI die zuvor etablierten Best Practices übertreffen würde. Das Markenteam führte Überprüfungen durch, um sicherzustellen, dass der Werbetext den Markenstandards und der Schreibqualität entsprach. KI-generierte Kopien schnitten insgesamt besser ab, was oft eine Verbesserung der CTRs im Vergleich zu historischen oder regionalen Benchmarks belegt.

Methode 2: Head-to-Head A/B-Tests auf LinkedIn

Um diese Ergebnisse weiter zu validieren, führte das ABM-Team A/B-Tests auf LinkedIn durch. Sie führten Kampagnen durch, bei denen die Hälfte der Zielgruppe menschengeschriebene Original-Werbetexte sah, während die andere Hälfte KI-generierte Kopien sah. Dieser direkte Vergleich lieferte ein klares und unvoreingenommenes Maß für die Effektivität der KI.

KI-generierte Kopie traf erneut ins Schwarze. Nach einigen finalen Tests konnte die CTR bei Kampagnen mit KI-generiertem Creative um 54 % gesteigert werden, verglichen mit Kampagnen mit der ursprünglichen Kopie. „Mit KI müssen wir uns nicht mehr zwischen Effizienz und Personalisierung entscheiden – wir können beides haben“, so Maila Ruggiero, Account-Based Marketing Manager bei Snowflake. „Jetzt können wir Botschaften skalieren, die den Lärm reduzieren und potenzielle Kund:innen ansprechen, indem wir auf ihre Bedürfnisse, Herausforderungen und Ziele eingehen.“

Bis heute hat das Team das Modell erfolgreich eingeführt und implementiert und konzentriert sich nun darauf, seine Fähigkeiten zu erweitern, um erweiterte Outputs zu generieren und in zusätzliche Automatisierungen im Kampagnenumsetzungsprozess zu integrieren. 

Wenn Sie mehr darüber erfahren möchten, wie Kundenunternehmen generative KI mit Snowflake nutzen, um konkrete Ergebnisse zu erzielen, laden Sie den Bericht „Das Geheimnis für den Erfolg mit generativer KI“ herunter oder entdecken Sie die KI-Lösungen von Snowflake.