Analytics Legends Die Wissensplattform für SAP Analytics
Konzeptkarte

Empfehlungssysteme

Empfehlungssysteme — Abschnittsillustration von Analytics Legends für die SAP-Analytics-Wissensdatenbank (Konzepte, Studien, Academy)

Stand 2026-07-23

Was ist Empfehlungssysteme?

Ein strukturiertes Empfehlungssystem (fragen, leicht machen, nachverfolgen, Kreis schließen) macht aus 2–5 zufälligen Empfehlungen im Jahr 8–15 – und verdoppelt oder verdreifacht so das Volumen am oberen Trichterende aus derselben Kundenbasis.

Worum es geht

Ein Empfehlungssystem ist der strukturierte, wiederholbare Mechanismus, um Kundenbeziehungen in eine Pipeline namentlich benannter Prospects zu verwandeln – nicht das Ad-hoc-„danke für die Einführung", auf das sich die meisten Berater verlassen. Die Wirtschaftlichkeit ist brutal: opportunistische Empfehlungen konvertieren mit Awareness→Purchase-Raten von 20–30 % (verwandter Trichter C053), aber ein Berater im 5. Jahr erzeugt typischerweise nur 2–5 solcher Empfehlungen pro Jahr rein zufällig. Ein strukturiertes Empfehlungssystem hebt das auf 8–15 pro Jahr – eine Verdopplung bis Verdreifachung des Top-of-Funnel-Volumens aus derselben Kundenbasis.

Die vier Empfehlungstypen. (1) Kundenseitige Empfehlung – Ihr Kunde stellt Sie einem Peer bei einer anderen Firma vor. Der Standardfall, an den jeder zuerst denkt. Höchstes Vertrauen, langsamste Geschwindigkeit. (2) Anbieterseitige Empfehlung – SAP, Databricks oder ein anderer Technologieanbieter stellt Sie einem seiner Kunden vor. Üblich bei Beratern mit benanntem Partnerstatus. Schneller, aber unpersönlicher. (3) Peer-Berater-Empfehlung – ein anderer Berater, der ein Projekt nicht übernehmen kann (Kapazität, Geografie, Skill-Mismatch), stellt es Ihnen vor. Reziprok: Sie tun dasselbe umgekehrt. Unterschätzt. (4) Recruiter-seitige Empfehlung – Recruiter, die Ihre Arbeit kennen, stellen Sie vor, wenn ihr Kandidat ein Projekt hat, das geliefert werden muss. Nische, aber hochwertig.

Warum es zählt

  • Empfehlungen konvertieren mit 20–30 % Awareness→Purchase – weit über kaltem Outreach, aber nur ein strukturiertes System erfasst dieses Volumen systematisch.
  • Es gibt vier unterschiedliche Empfehlungsquellen jenseits der naheliegenden Kundenvorstellung – anbieterseitige, Peer-Berater- und recruiterseitige Empfehlungen sind unterausgenutzte Kanäle.
  • Empfehler, die innerhalb von 48 Stunden ein Dankeschön erhalten, empfehlen 2–3× mehr – nicht die Bitte, sondern die Nachverfolgung ist es, was sich verstärkt.

Kernpunkte

  • Vier Empfehlungstypen: Kunde · Anbieter (SAP/Databricks) · Peer-Berater · Recruiter.
  • Vier Mechanismen: systematisch fragen · leicht machen · systematisch tracken · Kreis schließen.
  • 7-Schritte-Playbook von der Vorbereitung im Monat 11 bis zum jährlichen Dankeschön.
  • Volumen: 8–15 Empfehlungen/Jahr strukturiert gegenüber 2–5 ad hoc.
  • Konversion: 30–50 % warm gegenüber 5–15 % kaltem ABM.
  • Umsatz: Beitrag von 300.000 € bis 1,8 Mio. € ARR aus 6–12 Kunden + System.
  • Die weiterleitbare 200-Wörter-Vorlage ist das Artefakt mit dem größten Hebel.
  • Die Kreis-schließen-Disziplin (Dankeschön + 6-Wochen-Update) verstärkt künftige Empfehlungen um das 2–3-Fache.
  • Referral Systems ist erst dann beherrscht, wenn es eine konkret benannte Käuferentscheidung verändert.
  • Beginnen Sie mit dem semantischen Vertrag und dem Kontrollmodell, bevor Sie das Werkzeug demonstrieren.

Begriffe auf dieser Seite

Referral system
Strukturierter Ansatz mit 4 Mechanismen: fragen + leicht machen + tracken + Kreis schließen. Ersetzt das Ad-hoc-„danke für die Einführung".
Customer-side referral
Bestehender Kunde stellt den Berater einem Peer bei einer anderen Firma vor. Höchstes Vertrauen, langsamste Geschwindigkeit.
Vendor-side referral
SAP / Databricks / anderer Anbieter stellt den Berater einem seiner Kunden vor. Schneller, unpersönlicher.
Peer-consultant referral
Ein anderer Berater, der ein Projekt nicht übernehmen kann, stellt es vor. Reziprokes Abkommen empfohlen.
Forwardable template
Vom Berater vorformulierte 200-Wörter-E-Mail; der Kunde leitet sie in 30 Sekunden weiter, statt selbst zu formulieren.
Close-loop discipline
Dankeschön innerhalb von 48 Std. + Status-Update innerhalb von 6 Wochen + bedeutsames Dankeschön bei Gewinn. Verstärkt künftige Empfehlungen um das 2–3-Fache.
Referrer thank-you list
Jährliche Liste aller Kunden, die in den vergangenen 12 Monaten empfohlen haben; Jahresend-Geschenk oder Anruf erhält die Beziehung.
Stall signals
Drei Diagnosefragen, wenn Empfehlungen ausbleiben: Sättigung, unzufriedener Kunde, enges Netzwerk, ICP-Drift?

Quellen

  1. Eursap freelance referral patterns
  2. Bain Net Promoter Economics
  3. SAP News Center — 2026 SAP Sapphire Keynote: Powering the Autonomous Enterprise
  4. Gartner — Gartner Announces Top Predictions for Data and Analytics in 2026
  5. McKinsey — The State of AI: Global Survey 2025
  6. Stanford HAI — 2026 AI Index Report, Chapter 4: Economy
  7. BARC — Data, BI & Analytics Trend Monitor 2026
  8. SAP Datasphere — Help Portal
  9. SAP Datasphere — official product page
  10. SAP Analytics Cloud — Help Portal
  11. SAP Analytics Cloud — official product page
  12. SAP BW/4HANA — Help Portal
  13. SAP S/4HANA — Help Portal
  14. SAP News Center
  15. SAP Community
  16. SAP — industries overview
  17. Gartner — research & analyst site
  18. BARC — BI & Analytics research
  19. TDWI — data & analytics research
  20. DSAG — German-speaking SAP user group
  21. ASUG — Americas' SAP User Group
  22. Databricks — official site

Vollständige Karte für Mitglieder. Was die vollständige Karte ergänzt: die Kurzreferenz · die Architekturschemata · die Codeblöcke.

In der App öffnen →