Best of LinkedIn: Account-based Marketing KW 24/ 25

ABM entfernte sich weiter von Lead-Generierung, breiten Account-Listen und aktivitätsbasiertem Reporting. Die vorherrschende Diskussion konzentrierte sich auf schärfere Account-Auswahl, KI-gestützte Umsetzung, die Orchestrierung des Buying Committee und messbare Umsatzwirkung. Am deutlichsten zeigte sich: KI wird zur operativen Infrastruktur für ABM, allerdings nur, wenn sie in Strategie, Signalen und menschlichem Urteilsvermögen verankert ist.

Datum

June 23, 2026

Account-based Marketing

Thomas Allgeyer

Methodik: Alle zwei Wochen sammeln wir die relevantesten LinkedIn-Beiträge zu ausgewählten Themen und verdichten sie zu einem Gesamtüberblick, ausschließlich auf Basis dieser Beiträge. Die einzelnen Beiträge dahinter finden sich hier: https://linktr.ee/thomasallgeyer. Viel Freude beim Lesen.

‍

Unseren Podcast anhören

Wer lieber zuhört: Unser Podcast fasst die wichtigsten Erkenntnisse zu Account Based Marketing KW 24/ 25 zusammen:

‍

ABM-Strategie

ABM wurde als Revenue Operating Model verstanden statt als Kampagnenformat, das gemeinsame Verantwortung von Marketing, Sales, Alliances, Delivery und Customer Success erfordert
Breite MQL-Generierung und generisches Outbound wurden infrage gestellt; schärferer Account-Fokus wurde als Grundlage für stärkere kaufmännische Wirkung positioniert
Die stärksten Empfehlungen konzentrierten sich auf klare ICP-Logik, Sales-Commitment, Kaufsignale und die Verantwortung für den Umsatzbeitrag vor der Kampagnenumsetzung
Der ABM-Reifegrad wurde an den Account-Fortschritt über Pre-Pipeline-Engagement, aktive Opportunities und Post-Sale-Expansion gekoppelt

‍

KI-gestütztes ABM

KI reichte über das Experiment hinaus in praktische ABM-Workflows für Account-Recherche, Enrichment, Scoring, Personalisierung, Routing und Reporting
KI-Agenten wurden als Umsetzungsunterstützung für die Analyse von Zielaccounts, die Erstellung von GTM-Thesen, Persona-Messaging und vertriebsfertige Account-Plays positioniert
Claude Code, Claude Cowork und verwandte Agenten-Workflows zeigten, wie KI manuelle ABM-Vorbereitungszyklen verkürzen kann
Die prägendste Sichtweise hielt menschliches Urteilsvermögen als Kontrollebene fest, während KI Geschwindigkeit, Konsistenz und Skalierbarkeit verbesserte

‍

Account-Auswahl

Die Account-Auswahl richtete sich zunehmend auf kleinere, hochwertigere Ziellisten auf Basis von Fit, Signalstärke, Timing und Sales-Bereitschaft
Statische firmografische Filter gerieten in die Kritik, zugunsten von Live-Engagement, Intent, Beziehungsstärke und Sales-Input
Tiering blieb zentral: Tier-1-Accounts erhielten tiefere Personalisierung, während Accounts mit niedrigerer Priorität in skalierbares Nurturing übergingen
Lead Scoring wurde kritisiert, wenn es Aktivität maß, ohne Buyer-Fit, Bereitschaft oder die nächste kaufmännische Handlung zu erklären

‍

Buying Committees

Die Gestaltung von ABM konzentrierte sich zunehmend auf Buying Groups statt allein auf Targeting auf Unternehmensebene
Stärkere Programme kartierten Entscheider, Budgetverantwortliche, Champions, Influencer, Blocker, Nutzer, Rechtsabteilung, Compliance und Executive Sponsors
Messaging wurde an die Rolle, Prioritäten, Einwände und den Einfluss jedes Stakeholders im Kaufprozess gekoppelt
Intent auf Kontaktebene wurde als Fortschritt positioniert, weil er zeigt, wer innerhalb des Accounts aktiv ist, nicht nur, welcher Account Signale zeigt

‍

Personalisierung

Personalisierung wurde als zentrales Differenzierungsmerkmal von ABM behandelt und ging über Textanpassungen auf Namens-, Unternehmens- oder Branchenebene hinaus
Relevante Personalisierung wurde über Account-Kontext, Rolle des Käufers, kaufmännische Realität, Pain Points, Timing und aktuelle Signale definiert
Accountspezifische Landingpages, maßgeschneiderte Sales-Assets, individuelle Event-Erlebnisse und rollenbasierter Content traten als hochwertige Formate hervor
KI galt als Wegbereiter skalierbarer Personalisierung, vorausgesetzt die zugrunde liegenden Daten und strategischen Inputs sind solide

‍

ABM-Messung

Die ABM-Messung entfernte sich weiter von Impressions, Klicks, Formularausfüllungen, CPL und MQL-Volumen
Stärkere Scorecards konzentrierten sich auf Pipeline-Qualität, generierten Umsatz, beeinflussten Umsatz, Win Rate, Deal-Größe, Deal-Geschwindigkeit und Expansion
Die Abdeckung der Buying Group und die Qualität des Account-Engagements erwiesen sich als wichtige Frühindikatoren, bevor die volle Umsatzwirkung sichtbar wird
Die eindringlichste Empfehlung lautete, ABM-Reporting mit kaufmännischen Ergebnissen zu verknüpfen, die von CMOs, CROs und CFOs anerkannt werden

‍

Produkt- & Ökosystem-Entwicklungen

Sumble launchte transparente Account-Scoring-Funktionen für Claude- und OpenAI-Umgebungen und unterstützte damit erklärbare Priorisierung statt Black-Box-Scoring
Inflection integrierte nach der Übernahme von Keyplay ICP-Scoring und Account Intelligence und stärkte damit die Account-Auswahl innerhalb von Marketing-Automation-Workflows
Demandbase führte die Erstellung von Zielgruppen per natürlicher Sprache über einen mit ChatGPT verbundenen Workflow ein, der firmografische, Intent- und Engagement-Daten nutzt
Optimizely launchte 1:1-Personalisierungsfunktionen, bei denen Opal-Agenten accountspezifische Landingpages aus CRM-Daten, News, Committee-Insights, ROI-Logik und Kundengeschichten erstellen
HubSpot führte Buying-Groups-Heatmaps in privater Beta ein und gab Teams damit einen klareren Blick auf Lücken im Engagement des Buying Committee

‍

Newsletter abonnieren

Jede Woche die neuesten Beiträge direkt ins Postfach.