WORK / CAN DO
Can Do: dreimal mehr MQLs mit LinkedIn-first Demand Generation
Mehr qualifizierte Nachfrage bei weniger interner Koordination: Für Can Do wurden Channel-Entscheidungen, relevante Inhalte und operative Umsetzung zu einem gemeinsamen Demand-Generation-System verbunden.
MQLs in einem Monat
Dreifache MQL-Zahl laut Ergebnisübersicht.
Cost per Lead
Pro qualifiziertem Marketing Lead laut Quelle.
Unter dem genannten Benchmark
Benchmark-Vergleich laut Kundenreferenz.
Historische, kundenberichtete Resultate. Die Messgrenzen werden im Case erläutert.
Das Vorgehen auf einen Blick
- 01
Testen & priorisieren
Channel-Fokus
Google Ads und LinkedIn nach CPL und Buyer-Persona-Fit vergleichen; Paid-Budget anschließend auf LinkedIn konzentrieren.
- 02
Laufende Optimierung
Content & Targeting
Pain Points in passende Assets und kreative Anzeigen übersetzen; Inhalte und Zielgruppen anhand der Performance entwickeln.
- 03
Gemeinsamer Workspace
Umsetzung & Handoff
Aufgaben, Deadlines und Verantwortlichkeiten bündeln und die Umsetzung mit Nurturing und Sales verbinden.
Die Ausgangslage: sichtbar, aber noch nicht skalierbar
Can Do bietet KI-gestützte Projekt- und Ressourcenmanagement-Software für proaktive Planung, frühe Engpasserkennung und einen effizienten Ressourceneinsatz. Das Unternehmen war im DACH-Markt bereits sichtbar. Kampagneneffizienz, Lead-Qualität und interne Kapazität reichten für die Wachstumsziele jedoch noch nicht aus.
LinkedIn blieb zunächst unter den Erwartungen, während Google Ads einen hohen CPL erzeugten. Organische und bezahlte Aktivitäten lieferten nicht die benötigte Menge oder Passung an Kontakten. Gleichzeitig sollte eine wiederholbare Nachfragegenerierung europäische Wachstumspläne unterstützen.
Der Auftrag: qualifizierte Leads und operative Entlastung
Can Do benötigte einen B2B-SaaS-Partner mit Zielgruppenfokus, Performance-Marketing-Erfahrung und Umsetzungskapazität. Die Zahl qualifizierter Marketing-Leads sollte steigen, während Buyer-Persona-Fit und Akquisekosten verbessert wurden.
Das interne Team sollte sich auf fachlichen Input und Entscheidungen konzentrieren können. Wiederkehrende Abstimmungen und operative Kampagnenarbeit sollten die Zusammenarbeit nicht dominieren. Strategie, Umsetzung und Transparenz wurden deshalb als zusammenhängende Aufgabe behandelt.
Channel-Fokus: Kosten und Qualität gemeinsam prüfen
Die frühe Performance von Google Ads und LinkedIn wurde verglichen. Neben dem CPL war die Passung zur definierten Buyer Persona entscheidend. Ein günstiger Kontakt allein war noch kein ausreichender Erfolg.
Die Daten zeigten in diesem Projekt eine effizientere Leistung und höherwertige Leads über LinkedIn. Google Ads wurden pausiert und das gesamte Paid-Budget auf LinkedIn verlagert. Das war eine Entscheidung für dieses konkrete Projekt, keine allgemeine Aussage gegen Google Ads im B2B-SaaS-Marketing.
Content und Targeting: konkrete Käuferprobleme adressieren
Die Kampagneninhalte griffen zentrale Pain Points der Buyer Persona auf. Strategisch ausgewählte Assets sollten echtes fachliches Interesse erzeugen, statt lediglich Reichweite zu sammeln. Inhalte, kreative Anzeigenformate und Zielgruppenauswahl wurden aufeinander abgestimmt.
Performance-Daten dienten zur laufenden Optimierung. Dabei blieb der Fit der gewonnenen Kontakte wichtig: Welche Leads passen zur definierten Zielgruppe und eignen sich für die weitere Bearbeitung? Die Referenz beschreibt diesen Ansatz, enthält aber keine vollständige Anzeigenbibliothek oder Auswertung jedes einzelnen Zielgruppensegments.
Transparente Umsetzung: Workspace, Nurturing und Vertrieb
Ein gemeinsamer Collaboration Workspace führte Aufgaben, Projekte, Deadlines und Verantwortlichkeiten zusammen. Beide Teams konnten den Arbeitsstand nachvollziehen, ohne ihn fortlaufend in Statusmeetings oder Follow-up-E-Mails abfragen zu müssen.
GROWSaaS übernahm die operative Kampagnenumsetzung. Lead Generation wurde mit Nurturing und Sales-Handoff verbunden, damit Marketingkontakte weiterqualifiziert werden konnten. Can Do konzentrierte sich stärker auf Content-Input und Entscheidungen. Die Arbeitsorganisation war damit Teil der kommerziellen Umsetzung.
Die Ergebnisse: mehr MQLs und früh erkennbare Vertriebsqualität
Die Ergebnisübersicht berichtet einen Anstieg von 100 auf 300 MQLs innerhalb eines Monats und einen CPL unter 18 Euro. Laut Quelle lag dieser 35 Prozent unter dem dort genannten LinkedIn Industry Benchmark. Die Kundenstimme beschreibt nahezu verdreifachte MQLs und einen Abstand von mehr als 35 Prozent zum Benchmark.
Nach Kundenangabe wurden bereits im ersten Monat MQLs zu SQLs und echten Opportunities. Die Referenz enthält dafür keine genaue Anzahl, Conversion-Rate oder belegten abgeschlossenen Umsatz. Diese nachgelagerten Ergebnisse werden deshalb qualitativ eingeordnet und nicht zu einer Umsatzprognose hochgerechnet.
Messkontext: unterschiedliche Ausgangswerte sauber trennen
Die Ausgangslage im PDF nennt rund 50 monatliche Leads aus organischen und bezahlten Quellen vor dem neuen Modell. Die spätere Ergebnisübersicht beschreibt dagegen 100 auf 300 MQLs innerhalb eines Monats. Definition, Zeitraum und Verhältnis dieser Ausgangswerte sind nicht vollständig erklärt.
Die 50 Leads werden deshalb nicht als direkte Vergleichsbasis für die 300 MQLs verwendet. Auch die externe Benchmark-Quelle und ihre Methodik sind nicht beigefügt. Die Zahlen bleiben kundenberichtete Projektresultate. Ariane Becker aus Customer Care & Sales hebt ergänzend die hohe Pipeline-Qualität und die frühe Entwicklung zu SQLs und Opportunities hervor.
Dokumentation & Messkontext
GROWSaaS Can Do Case Study 2026, deutsche Kundenreferenz. Ergebnisse: Seite 8; Kundenstimme von Ariane Becker: Seite 9.
Die Angaben dokumentieren historische Projektresultate. Fehlende Daten werden nicht durch Annahmen ersetzt. Eine neue Zusammenarbeit erhält eigene Ziele, Definitionen und Messgrößen.
Häufige Fragen
Wie stark stieg die MQL-Zahl bei Can Do?
Die Ergebnisübersicht nennt 100 auf 300 MQLs in einem Monat. Die separat genannten 50 monatlichen Leads sind keine direkt vergleichbare Basis.
Warum wurde Google Ads pausiert?
Die frühen Projektdaten zeigten für LinkedIn bessere Effizienz und Lead-Qualität. Die Budgetverlagerung war eine Entscheidung für diesen Fall.
Wie hoch war der CPL?
Die Referenz nennt weniger als 18 Euro pro qualifiziertem Marketing Lead und 35 Prozent unter einem LinkedIn-Benchmark. Dessen Methodik ist nicht beigefügt.
Sind MQLs bereits Kunden?
Nein. MQLs, SQLs, Opportunities und zahlende Kunden sind unterschiedliche Stufen. Die Quelle berichtet frühe SQLs und Opportunities, aber keinen daraus belegten Umsatz.
Woran erkenne ich, ob ein Projekt zu unserer Marketingaufgabe passt?
Vergleiche zuerst Zielgruppe, Markt, Ausgangslage und die konkrete Aufgabe mit eurem Vorhaben. Prüfe anschließend die beschriebenen Maßnahmen und Messgrößen. Eine ähnliche Branche allein reicht nicht aus, um dieselben Ergebnisse oder denselben Zeitrahmen zu erwarten.
VON DER IDEE ZUR UMSETZUNG