Ideal Customer Profile datenbasiert erkennen: So geht's mit echten Suchdaten

Was ist ein Ideal Customer Profile?

Das Ideal Customer Profile (ICP) beschreibt den Kundentyp, der den größten Wert aus einem Produkt zieht – und gleichzeitig den größten Wert für das Unternehmen darstellt. Im Gegensatz zur Marketing-Persona, die oft eine fiktive Person beschreibt, ist der ICP eine präzise Beschreibung eines Kundensegments mit spezifischen Merkmalen.

Typische ICP-Dimensionen im B2B-SaaS:

• Firmengröße: Startups, KMU, Enterprise
• Branche: Welche Vertikale hat den höchsten Bedarf?
• Rolle: Wer trifft die Kaufentscheidung? Wer nutzt das Produkt täglich?
• Schmerzpunkte: Welche spezifischen Probleme löst das Produkt?
• Reife: Wie digital-affin und prozessreif ist das Unternehmen?

Das Problem: Klassische ICP-Definitionen basieren häufig auf Annahmen, Bauchgefühl und dem Profil der ersten Kunden – die nicht unbedingt repräsentativ für das Zielmarkt-Potential sind.

Warum datenbasierter ICP besser ist

Ein datenbasierter ICP-Prozess nutzt echte Marktsignale statt hypothetischer Personas. Der entscheidende Vorteil: Er zeigt, wer tatsächlich nach Lösungen sucht – nicht nur, wer theoretisch kaufen könnte.

Traditioneller ICP-Ansatz: Stärken und Schwächen

Der klassische Ansatz – Workshops, Kundenbefragungen, Analyse der bestehenden Kundenbasis – hat seine Berechtigung. Er liefert tiefe qualitative Einblicke und beleuchtet die Motivationen hinter Kaufentscheidungen.

Die Schwäche: Er ist retrospektiv. Er analysiert, wer bereits gekauft hat – nicht unbedingt, wer kaufen sollte. Erste Kunden kommen oft durch persönliche Netzwerke, Zufall oder opportunistisches Outreach. Das Profil dieser Kunden muss nicht das Profil des idealen Kunden sein.

Datenbasierter ICP-Ansatz: Direktes Marktsignal

Suchverhalten zeigt, wer aktiv nach Lösungen sucht. Wenn das Suchmuster analysiert wird – welche Probleme werden beschrieben, welche Lösungstypen gesucht, welche Vergleiche angestellt –, entsteht ein detailliertes Bild der Suchenden.

Dieses Bild ist marktbasiert, nicht kundenbasiert. Es zeigt das Potenzial – nicht nur die Realität.

Schritt-für-Schritt: ICP mit Suchdaten erkennen

Schritt 1: Suchanfragen-Inventar erstellen

Sammle alle Suchanfragen, über die potenzielle Kunden auf dein Produkt oder deinen Content stoßen. GSC-Daten sind hier ideal – sie zeigen reales Suchverhalten.

Ergänze um Keyword-Recherche für Bereiche, die du noch nicht abdeckst.

Schritt 2: Suchanfragen nach Intent-Typ clustern

Gruppiere Suchanfragen nach ihrer Intention:

Problem-Awareness-Cluster: „Wie erkenne ich, ob mein Produkt zum Markt passt?", „Product-Market Fit messen" → Diese Nutzer befinden sich früh im Erkenntnisprozess. Sie verstehen das Problem, aber suchen noch nach Begrifflichkeiten und Konzepten.

Lösungs-Awareness-Cluster: „Product Intelligence Software", „Offer Market Fit Tool" → Diese Nutzer kennen Lösungskategorien und vergleichen aktiv.

Entscheidungs-Cluster: „WhyProduct Alternativen", „beste Product Intelligence Plattform" → Diese Nutzer sind nah an einer Kaufentscheidung.

Jeder Cluster repräsentiert einen anderen Reifegrad im Kaufprozess – und oft unterschiedliche Nutzerprofile.

Schritt 3: Sprache und Terminologie analysieren

Die verwendete Sprache verrät viel über den Hintergrund der Suchenden:

• Technische Begriffe wie „API", „Data Pipeline" → Technisch versierte Nutzer, möglicherweise Engineers oder technische PMs
• Business-Begriffe wie „Umsatzpotenzial", „Market Sizing" → Führungskräfte oder Business-orientierte PMs
• Feature-Begriffe wie „Keyword-Analyse", „Content-Gap" → Eher SEO-Hintergrund oder sehr datenaffine Marketer

Diese sprachlichen Muster helfen, ICP-Segmente zu schärfen.

Schritt 4: Segment-Hypothesen formulieren

Auf Basis der Cluster und Sprachmuster formuliere konkrete ICP-Hypothesen:

Hypothese A: Product Manager in wachsendem SaaS (10-100 MA), die eigene Feature-Priorisierungsprozesse professionalisieren wollen.

Hypothese B: Founder/CEO in frühem SaaS (unter 10 MA), die erstmals systematisch Marktanalyse betreiben.

Hypothese C: Head of Marketing in Mid-Market-SaaS, der Content-Investitionen datenbasiert rechtfertigen muss.

Schritt 5: Gegen CRM/Conversion-Daten validieren

Welche der ICP-Hypothesen konvertiert am besten? Vergleiche die Segmente anhand verfügbarer Conversion-Daten – welche Landing Pages haben die höchste Conversion-Rate, welche Inhalte führen zu Testanmeldungen?

Wenn Hypothese A signifikant besser konvertiert als B und C, ist das ein Validierungssignal.

Schritt 6: ICP dokumentieren und operationalisieren

Halte den ICP mit folgenden Feldern fest:

• Firmengröße: z.B. SaaS, 10-100 Mitarbeiter
• Rolle: z.B. Product Manager, Head of Product
• Primäres Problem: z.B. Feature-Priorisierung ohne echte Marktdaten
• Suchterminologie: Konkrete Begriffe, die dieser ICP verwendet
• Kauftrigger: Was löst den Suchanlass aus?
• Entscheidungsfaktoren: Was macht das Produkt für diesen ICP besonders relevant?

Häufige Fehler bei der ICP-Definition

Zu breite Zielgruppe

„Alle Unternehmen, die wachsen wollen" ist kein ICP. Ein guter ICP ist spezifisch genug, um Grenzfälle klar auszuschließen.

ICP und Persona verwechseln

ICP = Unternehmenstyp/Segment. Persona = fiktive Einzelperson. Beides hat seine Berechtigung, aber für strategische Entscheidungen ist der ICP relevanter.

Statischer ICP

Märkte verändern sich, Produkte entwickeln sich. Der ICP sollte regelmäßig – mindestens quartalsweise – anhand aktueller Daten überprüft werden.

ICP aus Wunschdenken statt Daten

„Wir wollen Konzerne als Kunden" ist eine Ambition, kein ICP. Der datenbasierte ICP beschreibt, wer den Markt tatsächlich darstellt – nicht, wen man gerne hätte.

Fazit

Ein datenbasierter ICP ist robuster, marktnaher und weniger anfällig für Confirmation-Bias als ein hypothetisch konstruiertes Kundenprofil. Suchdaten aus GSC und Keyword-Recherche liefern dafür eine hervorragende Grundlage – weil sie zeigen, wer tatsächlich aktiv nach Lösungen sucht.

Das ist der Ausgangspunkt für datengetriebenes Produkt- und Marketing-Alignment.

---

Weiterführende Lektüre: ICP datenbasiert erkennen · Google Search Console für Product Teams