CAC (Kundenakquisekosten)
Die Kundenakquisekosten (CAC) sind die gesamten Vertriebs- und Marketingausgaben, die nötig sind, um einen neuen zahlenden Kunden in einem bestimmten Zeitraum zu gewinnen.
Im Detail
CAC wird berechnet, indem alle Kosten zur Kundengewinnung – etwa Werbeausgaben, Gehälter und Tools – durch die Zahl der im selben Zeitraum gewonnenen Neukunden geteilt werden. Die Kennzahl ist entscheidend, weil sie die Untergrenze für nachhaltiges Wachstum setzt: Kostet ein Kunde mehr in der Akquise, als er Ihnen je zahlen wird, verliert das Unternehmen bei jedem Verkauf Geld, egal wie schnell es skaliert. Die Auswertung nach Kanal zeigt, wo Akquise effizient ist und wo sie still das Budget aufzehrt.
Ein häufiger Fehler ist, CAC auf reine Leads statt auf zahlende Kunden zu berechnen, was die Zahl schönt und Verschwendung in schwach konvertierenden Kanälen verbirgt. In einem Quiz-Funnel senkt das Scorecard-Scoring die CAC, indem es Traffic mit geringer Kaufabsicht vor dem Vertrieb herausfiltert, sodass das Team sich auf qualifizierte Käufer konzentriert; dasselbe Werbebudget bringt dann mehr Kunden und drückt die Kosten pro Kunde, ohne einen Euro mehr auszugeben.
Beispiel aus der Praxis
Häufig gestellte Fragen
Wie berechnet man die CAC?
Teilen Sie die gesamten Vertriebs- und Marketingkosten eines Zeitraums durch die Zahl der in diesem Zeitraum gewonnenen neuen zahlenden Kunden. Berücksichtigen Sie dabei Gehälter, Werbeausgaben und Tools, nicht nur Mediakosten.
Was ist eine gute CAC?
Es gibt keinen universellen Richtwert, da er von Ihrem Preis und Kundenwert abhängt. Eine verbreitete Faustregel ist ein LTV-zu-CAC-Verhältnis von 3:1 oder höher, das heißt, jeder Kunde sollte mindestens das Dreifache seiner Akquisekosten einbringen.
Wie kann Lead-Qualifizierung die CAC senken?
Die Qualifizierung von Leads per Scorecard-Quiz hält Interessenten mit geringer Kaufabsicht vom Vertrieb fern und erhöht die Abschlussquote bei den verbleibenden Leads. Dasselbe Budget bringt so mehr Kunden, was die Kosten pro gewonnenem Kunden rechnerisch senkt.