Auf dieser Seite
Ein Kampagnenbericht kann Ihnen sagen, dass 94 Personen geklickt haben. Er sagt Ihnen nicht, ob diese Personen die versprochene Seite erreicht haben, ob die richtigen Abonnenten die Nachricht bekamen oder ob eine Willkommensautomatisierung zwei E-Mails am selben Tag verschickt hat. Für diese Fragen braucht es den Blick auf Zielgruppe, Nachricht und Ablauf zusammen.
Ein KI-Assistent, der mit Ihrer E-Mail-Plattform verbunden ist, kann diesen Kontext zusammentragen und Ihnen beim Prüfen helfen. Das nützliche Ergebnis ist kein glattes Urteil wie „Ihre E-Mails brauchen bessere Betreffzeilen“. Es ist eine kurze Liste von Befunden, die sich auf echte Daten zurückführen lassen, plus eine Änderung, die Sie testen können. Hier ist ein praktisches Audit, das Sie in einer Stunde durchführen.
Mit einer Frage und einem Ablauf beginnen
Wählen Sie ein abgegrenztes Problem: „Warum klicken die Leute nach der ersten Willkommens-E-Mail nicht mehr?“ ist machbar. „Repariere unser E-Mail-Marketing“ nicht. Geben Sie dem Assistenten einen Zeitraum, die Liste oder das Segment, die Namen von Automatisierung oder Kampagne und das Ergebnis, das Sie interessiert. Bitten Sie ihn, zu nennen, welche Daten er tatsächlich lesen kann, bevor er Schlüsse zieht.
Wenn Ihr Assistent nicht mit Ihrer Plattform verbunden ist, können Sie einen aggregierten Bericht exportieren und denselben Prompt verwenden. Entfernen Sie personenbezogene Daten, die Sie nicht brauchen. Ein Screenshot eines einzelnen Diagramms reicht selten, um einen mehrstufigen Ablauf zu erklären; geben Sie die zugrunde liegenden Zahlen und Datumsdefinitionen mit.
Sieben Prüfungen für ein E-Mail-Marketing-Audit mit KI
1. Erst die Zielgruppe prüfen, dann die Gestaltung
Fragen Sie, wer berechtigt war, wie viele Kontakte passten, welche Ausschlüsse galten und ob sich die Zielgruppe im Zeitraum verändert hat. Eine starke E-Mail an das falsche Segment scheitert trotzdem. Prüfen Sie bei einer Automatisierung den Trigger, die Regel für den Wiedereinstieg und die Ausstiegsbedingungen. Achten Sie darauf, dass abgemeldete Kontakte und Personen, die das Ziel schon erreicht haben, wo nötig ausgeschlossen sind.
2. Nachrichten und Timing abbilden
Listen Sie jede E-Mail des Ablaufs mit Wartezeit, Betreff, Hauptversprechen und Handlungsaufforderung auf. Suchen Sie nach Lücken und Kollisionen: Eine Lern-E-Mail an Tag 2 kann für sich gut sein, aber verwirren, wenn am selben Morgen eine separate Verkaufskampagne eintrifft. Lassen Sie den Assistenten Überschneidungen markieren und prüfen Sie dann selbst die tatsächlichen Einstellungen der Automatisierung.
3. Zahlen abgleichen, bevor Sie Raten vergleichen
Fragen Sie für jeden Schritt nach Einstiegen, Sendungen, Zustellungen, Bounces und eindeutigen Klickenden. Legen Sie für jede Rate den Nenner fest. Eine Klickrate von 12 % auf zugestellte Nachrichten lässt sich nicht beiläufig mit 12 % auf alle Einstiege vergleichen. Kleine Gruppen schwanken außerdem stark, wenn nur wenige Personen handeln; fragen Sie deshalb neben Prozenten auch nach absoluten Zahlen.
4. Dem Klick bis zum gewünschten Ergebnis folgen
Ein Klick ist ein nützlicher Beleg für Interesse, aber das Ziel kann kaputt, langsam oder ohne Bezug zum Versprechen sein. Wenn Sie ein Zielereignis haben, vergleichen Sie die Klicks damit. Wenn nicht, öffnen Sie die verlinkte Seite, führen Sie die Aktion selbst aus und vermerken Sie das Ergebnis im Bericht als unbekannt. Lassen Sie den Assistenten nie Konversionen aus Klicks erfinden.
5. Negative Signale im Zusammenhang lesen
Prüfen Sie Abmeldungen, Beschwerden, Bounces und Antworten, die Sie unbedenklich ansehen können. Ein Ausschlag nach einer Nachricht kann auf eine Lücke zwischen dem Versprechen bei der Anmeldung und dem Inhalt hinweisen. Öffnungen sind weniger verlässlich, weil Datenschutzfunktionen Tracking-Pixel laden können, ohne dass ein Mensch liest. Klicks können auch automatische Sicherheitsprüfungen enthalten; prüfen Sie verdächtige Spitzen anhand späterer Aktionen.
6. Nach Hypothesen fragen, nicht nach Gewissheit
Lassen Sie den Assistenten jeden Befund einer von drei Kategorien zuordnen: beobachtet, plausibel oder unbekannt. „E-Mail 2 hatte weniger eindeutige Klicks als E-Mail 1“ ist beobachtet, wenn die Zahlen es stützen. „Der Betreff hat den Rückgang verursacht“ ist eine Hypothese. Es könnten auch Zielgruppe, Timing, Angebot oder Ziel sein. Fragen Sie, welche Belege diese Erklärungen unterscheiden würden.
7. Eine umkehrbare Verbesserung wählen
Priorisieren Sie eine Änderung, die Sie erklären und messen können: einen kaputten Link reparieren, eine unklare Handlungsaufforderung umschreiben, eine Wartezeit anpassen oder eine hilfreichere zweite E-Mail testen. Notieren Sie den Ausgangswert und legen Sie vorher fest, was als Verbesserung zählt. Lassen Sie neue Kampagnen und Änderungen an Automatisierungen als Entwurf, bis eine Person Empfängerzahl, Inhalt und Timing geprüft hat.
Ein durchgerechnetes Beispiel: die Willkommenssequenz
Stellen Sie sich einen Newsletter mit 1.000 neuen berechtigten Abonnenten im Oktober vor. Die erste Willkommens-E-Mail wird an 980 zugestellt und erhält 130 eindeutige Klicks. Die zweite wird an 930 zugestellt und erhält 48. Diese Zahlen sind erfunden, keine Ergebnisse von Send-Tim-Kunden. Sie zeigen einen Punkt, den es zu untersuchen gilt, beweisen aber nicht, dass die zweite E-Mail schwach ist: Manche Personen haben die Sequenz vielleicht verlassen oder das Ziel erreicht, bevor sie verschickt wurde.
Der nächste Prompt sollte lauten: „Zeig, wer zwischen den E-Mails nicht mehr berechtigt war, vergleiche das Versprechen jedes Links mit seinem Ziel und nenne zwei mögliche Gründe für den Klickunterschied. Markiere alles, was die Daten nicht belegen können. Empfiehl einen Test, der die Zielgruppe nicht verändert.“ So wird aus einem dramatisch wirkenden Diagramm eine nützliche Untersuchung.
| Beleg | Vorsichtige Deutung | Nächste Prüfung |
|---|---|---|
| 130 gegenüber 48 eindeutigen Klicks | Weniger Personen haben in der zweiten E-Mail geklickt | Berechtigte Empfänger und Klickraten pro Schritt vergleichen |
| 980 gegenüber 930 Zustellungen | Für E-Mail 2 wurden weniger Zustellungen erfasst | Ausstiege, Sperren und Bounces prüfen |
| Kein Zielereignis angegeben | Das Geschäftsergebnis ist unbekannt | Das Ziel testen und ein passendes Ziel hinzufügen |
Drei Prompts, die Befunde in einen Plan verwandeln
- Kampagnen vergleichen: „Zeig für die letzten sechs Newsletter an dieselbe Zielgruppe die Zustellungen, eindeutigen Klicks, Abmeldungen und den Hauptlink. Vergleiche nur Nachrichten mit ähnlichem Zweck. Nenne ein Muster, seine Grenzen und eine Folgefrage.“
- Eine Automatisierung prüfen: „Bilde den Willkommensablauf so ab, wie er heute konfiguriert ist. Prüfe Trigger, Wiedereinstieg, Wartezeiten, Ausstiege und Sperren. Melde mögliche Kollisionen mit anderen Sendungen. Ändere den Ablauf nicht.“
- Ein Experiment vorbereiten: „Entwirf auf Grundlage der Belege oben eine Alternative für E-Mail 2. Behalte Zielgruppe und Angebot bei. Erkläre, was sich geändert hat, welche Kennzahl sich bewegen sollte und was den Test ergebnislos machen würde. Versende den Entwurf nicht.“
Der Assistent kann nur mit den Daten und Werkzeugen antworten, auf die er zugreifen darf. Wenn Kampagnenberichte, Einstellungen von Automatisierungen oder Zielereignisse fehlen, schließen Sie die Lücke im Dashboard. Einrichtung und Verbindung erklärt unser Leitfaden zum E-Mail-Marketing aus ChatGPT oder Claude.
Das Audit in Send Tim durchführen
Verbinden Sie Ihren KI-Assistenten über den MCP-Server mit Send Tim und bitten Sie ihn dann, den Kontext des Arbeitsbereichs zu lesen und die genannte Kampagne oder Automatisierung zu prüfen. Er kann im Rahmen Ihrer Rolle mit Kontakten, Segmenten, Kampagnen, Automatisierungen und Statistiken arbeiten. Beginnen Sie mit einem reinen Lese-Prompt und fragen Sie nach Zahlen und Quelldatensätzen. Wenn Sie den Ablauf verbessern wollen, lassen Sie ihn einen Entwurf zur Prüfung vorbereiten.
Prüfen Sie vor der Freigabe eines Versands oder einer Aktivierung Zielgruppengröße, Ausschlüsse, Absender, Links, Aussagen, Ersatzwerte der Personalisierung und die Test-E-Mail. Vergleichen Sie das Ergebnis danach mit dem erklärten Ziel der Kampagne. Der Leitfaden zu E-Mail-Kennzahlen zeigt, wie Sie nützliche Signale von Eitelkeitszahlen trennen.
Häufige Fragen
Kann KI eine E-Mail-Kampagne prüfen, ohne etwas zu versenden?
Ja. Bitten Sie den Assistenten, Kampagnenberichte, Zielgruppenregeln und Einstellungen von Automatisierungen zu lesen und nur Befunde zurückzugeben. Sagen Sie ausdrücklich, dass er nichts bearbeiten, planen oder versenden darf. Sein Zugriff hängt weiterhin von den Werkzeugen und Berechtigungen Ihrer E-Mail-Plattform ab.
Welche Daten gehören in ein E-Mail-Marketing-Audit mit KI?
Ein Zeitraum, die Definition der Zielgruppe, berechtigte und zugestellte Zahlen, eindeutige Klicks, Abmeldungen, Beschwerden, die Schritte der Automatisierung und ein Geschäftsziel, falls es erfasst wird. Nutzen Sie nach Möglichkeit aggregierte Daten und legen Sie für jede Rate den Nenner fest.
Kann mir ein KI-Assistent sagen, warum eine E-Mail schlecht lief?
Er kann Muster erkennen und Erklärungen vorschlagen, aber ein Bericht allein beweist selten eine Ursache. Vergleichen Sie ähnliche Zielgruppen und Nachrichten, prüfen Sie das Ziel und testen Sie eine Änderung, bevor Sie eine Hypothese als Ergebnis behandeln.
Sollte ich eine Willkommenssequenz nach der Öffnungsrate beurteilen?
Nur mit Vorsicht. Datenschutzfunktionen können erfasste Öffnungen aufblähen, während Bildblockierung echte Lesevorgänge verbergen kann. Betrachten Sie Zustellungen, eindeutige Klicks, Antworten, Abmeldungen und relevante Aktionen gemeinsam.


