Warum der Signalwert entscheidet — und was die meisten falsch machen
Die meisten DACH-B2B-Founder behandeln LinkedIn-Engagement als Topf. Ein Like, ein Kommentar, ein Share — alles wandert mit gleichem Gewicht ins Reporting. Das Resultat sind Dashboards mit grossen Zahlen und leerer Pipeline.
Das Problem ist nicht die Metrik, sondern die fehlende Gewichtung. Laut LinkedIn State of Sales 2025 informieren sich 78 Prozent der B2B-Buyer auf LinkedIn, bevor sie ueberhaupt antworten. Diese Recherche hinterlaesst Spuren — aber eben unterschiedlich tiefe.
Ein Like kostet zwei Sekunden. Ein Kommentar kostet zwei Minuten und oeffentliche Reputation. Ein Save ist die stillste, aber ehrlichste Aktion: niemand sieht ihn, also ist er nie Posing.
McKinsey B2B Pulse 2024 zeigt: B2B-Kaeufer durchlaufen im Schnitt zehn Touchpoints, bevor sie Sales zulassen. Wer alle zehn gleich wertet, kommt zu spaet oder zu frueh. Wer den Signalwert kennt, kommt zum richtigen Zeitpunkt mit dem richtigen Aufhaenger.
Save: das unterschaetzte Buying Signal im DACH B2B
Save ist im DACH B2B das am meisten unterschaetzte Signal — und gleichzeitig eines der staerksten. Der Grund liegt in der Psychologie der Aktion.
Wer einen Post saved, markiert ihn fuer spaeter. Niemand sieht den Save. Es gibt keine Reputation, keine soziale Belohnung, keinen Algorithmus-Bonus fuer den Saver selbst. Der Save ist eine private Geste mit klarem Zweck: ich will hier zurueckkommen.
Das ist exakt naeher an Kaufabsicht als ein casual Like. Likes sind oft soziales Schmieroel — man liked einen Beitrag, um sichtbar zu bleiben, ohne ihn jemals wieder anzusehen. Ein Save sagt: das hier loest ein konkretes Problem, das ich gerade habe oder bald haben werde.
LinkedIn zeigt Saves als Zahl im Post-Analytics, aber liefert keine Liste der Saver. Das verzerrt die Wahrnehmung. Im DACH-Mittelstand wird die Metrik schlicht uebersehen.
Praxis-Empfehlung: Behandle einen Save score-technisch zwischen Like und Kommentar — etwa fuenf bis acht Punkte. Mehr noch, weil er kombiniert mit anderen Signalen ein extrem starker Intent-Indikator ist.
Die finale Hierarchie und wie du sie ins Score-System einbaust
Hier ist die Hierarchie, die sich in DACH-B2B-Praxis konsistent zeigt — sortiert nach Sales-Signal-Wert pro Aktion:
1. Direct-Reply auf Story oder Umfrage — landet als DM, hoechste Intent-Indikation: 10-12 Punkte 2. Substanzieller Kommentar mit Pain- oder Frage-Sprache — oeffentliches Commitment plus Algorithmus-Boost: 8-12 Punkte 3. Save / Bookmark — private Markierung fuer spaeter, hoher Intent ohne Posing: 5-8 Punkte 4. Share-mit-Kommentar — gemischtes Signal, oft zustimmend statt kaufbereit: 4-6 Punkte 5. Like auf Pillar-Post — minimaler Friction, oft soziales Schmieroel: 1-2 Punkte 6. Share-ohne-Kommentar — vom 2024er Algorithmus-Update entwertet: 1-2 Punkte
Drei Implementierungs-Regeln. Erstens, das Score-Modell muss diese Spreizung abbilden — sonst kalibriert dein Lead-Scoring schief und du bearbeitest Likes statt Pipeline. Zweitens, kombiniere immer mit ICP-Match-Multiplikator. Ein 12-Punkte-Save aus dem ICP-Decider-Segment schlaegt einen 12-Punkte-Like-Schwarm aus Studenten. Drittens, Cluster ueber Zeit schlagen Einzelaktionen — drei Aktionen ueber 14 Tage von einer Person zaehlen mehr als die Summe der Punkte.
Wer Comment, Save und Reply gleichbehandelt mit Like, baut Reporting-Theater. Wer sie gewichtet, baut Pipeline.
DACH-Praxisbeispiel: Comment-Cluster vs Like-Schwarm
Ein konkreter Fall aus dem GrowSocials-Portfolio (anonymisiert): IT-Beratungshaus aus dem Grossraum Muenchen, 28 Mitarbeiter, EUR 4,2 Mio Umsatz, Schwerpunkt SAP-Migration fuer den industriellen Mittelstand. Durchschnittlicher Deal Value EUR 60.000.
Der Founder postete an Tag 0 einen Beitrag mit dem Titel "Warum SAP-S/4HANA-Migrationen in 60 Prozent der Faelle das Budget sprengen". Vier Reaktionen, alle innerhalb von 72 Stunden, alle vom selben Profil — einer technischen Geschaeftsfuehrerin eines 90-Personen-Maschinenbauers aus dem Allgaeu.
Aktion 1: Like (1 Punkt). Aktion 2: Save am Tag 1 (7 Punkte). Aktion 3: substanzieller Kommentar am Tag 3 mit "Wir stehen genau vor dieser Entscheidung" (10 Punkte). Aktion 4: Profilbesuch am Tag 5 binnen 24 Stunden nach einem Folge-Post (4 Punkte).
Score: 22 Punkte in 5 Tagen. ICP-Match: 1.5x. Tier: ready.
Der entscheidende Hebel war der Save. Ohne dessen Gewichtung waere der Lead bei 15 Punkten geblieben — knapp unter der Schwelle. Die Warm DM ging am Tag 6 raus, der Termin am Tag 11, der Vertrag in Woche 7. EUR 60.000 Closed-Won.
Wer Saves nicht trackt und gewichtet, sieht diesen Deal nie.
Comment vs Like: warum Faktor fuenf realistisch ist
Der Unterschied zwischen Like und Comment ist nicht graduell, er ist kategorial. Aus drei Gruenden.
Erstens: Kosten. Ein Like ist friction-los. Ein Kommentar verlangt Formulierung, oeffentliche Sichtbarkeit fuer das eigene Netzwerk und ein bewusstes Aussetzen der eigenen Marke. Wer kommentiert, riskiert Reputation. Das ist ein qualitativ anderes Commitment.
Zweitens: Algorithmus. LinkedIn Marketing Solutions dokumentiert, dass Comment Depth und Dwell Time staerker ranken als reine Reactions. Ein Kommentar zieht weiteres Engagement nach, ein Like nicht. Das verstaerkt das urspruengliche Signal.
Drittens: Sales-Indikation. Aus Praxis-Beobachtungen mit GrowSocials-Kunden 2025 schlaegt ein substanzieller Kommentar einen Like in Conversion-zu-Discovery-Call um etwa Faktor fuenf. Das ist keine harte LinkedIn-Zahl, sondern eine direktionale Benchmark — eingerahmt durch interne Score-Auswertungen und konsistent mit dem Algorithmus-Effekt.
Konkret: Wenn ein Like zwei Punkte wert ist, gehoert ein substanzieller Kommentar in den 8-12-Punkte-Bereich. Alles andere unterschaetzt den Signalwert systematisch und produziert kalibrierungs-schiefe Lead Scores.