Cold Outreach ist hart, weil sich die meisten Emails wie Spam anfühlen. Deine Prospects werden mit generischen Nachrichten zugeschüttet – und ignorieren sie.
Der Trick, um rauszustechen? Zeig, dass Du Deine Hausaufgaben gemacht hast.
Eine richtig starke Methode: eine Case Study aus ihrem Unternehmen erwähnen. Das beweist, dass Du nicht einfach nur blind blastest – und baut sofort Vertrauen auf.
Aber Case Studies manuell zu suchen, ist ein Albtraum. Genau hier kommt AI ins Spiel. Mit dem Datablist AI Agent kannst Du Case Studies in wenigen Minuten von Unternehmenswebsites scrapen. Ohne Code.
In diesem Guide zeige ich Dir, wie Du Case Studies at scale scrapest:
- Was ist eine Case Study und wie Du sie für Cold Outreach nutzt.
- Wie Du Case Studies in bulk scrapest
Was ist eine Case Study?
Eine Case Study ist ein detaillierter Bericht, den ein Unternehmen veröffentlicht, um ein erfolgreiches Projekt, eine Lösung oder eine Implementierung für einen Kunden zu zeigen. Diese Beispiele aus der Praxis demonstrieren potenziellen Kunden die Expertise, die Vorgehensweise und messbare Ergebnisse.
Sie einfach nur zu scrapen, bringt Dir noch nichts – aber es gibt einen Weg, daraus richtig viele Leads zu generieren.
Bevor ich Dir zeige, wie das geht, kurz warum das relevant ist:
Deine Prospects bekommen jede Woche 10 bis 100 Cold Outreaches und Calls. Das meiste davon landet mental im Spam-Ordner: „Warum bekomme ich das überhaupt?“
Weil die meisten Nachrichten eben Massen-Outreach sind – und null personalisiert.
Genau deshalb musst Du das Gegenteil beweisen: mit echter Personalisierung.
Eine sehr einfache Möglichkeit: eine Case Study des Unternehmens erwähnen. Damit zeigst Du, dass Du Dir wirklich Zeit genommen hast, zu recherchieren.
Fast jedes Unternehmen hat Case Studies auf der Website, vor allem:
- Agenturen
- Beratungen
- Design Studios
- Recruiting-Firmen
- SaaS Companies
Diese Unternehmen haben meist viele Case Studies online, inklusive:
- Projektname
- Name des Kundenunternehmens
- Ergebnis/Outcome des Projekts
- Review/Testimonial vom Kunden
Wie Du Case Studies aus einer Website-Liste scrapest
Step 1: Importiere Deine Website-Liste
Importiere zuerst eine CSV/Excel-Datei mit einer Liste der Websites, die Du scrapen willst.
Datablist ist ein AI GTM Copilot. Eine der Funktionen ist der AI Research Agent.
Unser Agent versteht Text und kann Websites scrapen, um relevante Daten zu finden – z. B. Case Studies.
Um Deine CSV zu importieren, erstellst Du eine leere Collection und klickst auf „Import“, oder Du klickst auf dem Home-Screen auf „Start with a CSV/Excel file“.
Das ist meine importierte Datei. Sie hat zwei Spalten: den Namen der Firma und ihre Website. Die einzige Pflichtspalte ist die Website.
Step 2: Wähle unser „Case Study Finder“ AI Template
Jetzt lassen wir einen AI Agent jede Website besuchen, die Case-Study-Seite über einen der Links finden und anschließend die Infos aus der Seite extrahieren.
Klicke auf das Menü „Enrich“.
Wähle „Templates“. Und klicke auf das Template Case Study Finder.
Das Beste daran?
Du musst nicht stundenlang an Prompts feilen – unsere AI templates sind für maximale Ergebnisse optimiert.
Wichtig: Damit es funktioniert, musst Du Deine Website-Spalte „company_website“ nennen. Und wenn Du willst, kannst Du den Prompt natürlich auch anpassen.
Hier ist der Prompt, den ich für dieses Template genutzt habe:
Visit the company's website and look for case studies of them and give me only one case study back.
To specify: I want you to give me the client name and the project that the company did for the client.
Nothing more.
No explanation.
No Introductions.
Just one client name and the project per website
To find those you have to visit the website and follow one of the provided paths.
The website domain: {{company_website}}
The paths:
/works
/projects
/case-studies
/kunden
/kundenergebnisse
/projects/references
/referenzen
/projekte
/portfolio
If you don't find any results under the following paths return: No Case studies found.
Wichtig: Ersetze {{COMPANY_WEBSITE}} mit einer Property (=Spalte) aus Deiner Collection, z. B. mit {{Name}} oder /Name.
Step 3: Definiere die erwarteten Outputs
Nach dem Prompt konfigurieren wir die erwarteten Outputs. Der AI Agent nutzt den Namen und die Beschreibung der Outputs zusammen mit dem Prompt, um seine Aufgabe besser zu verstehen.
Hier haben wir:
- Project name – Description: Der Name des gefundenen Projekts
- Client company name – Description: Der Name des Kunden, für den das Projekt umgesetzt wurde
Hinweis: Du kannst bei Bedarf weitere Outputs konfigurieren – z. B. die Kunden-Website, die Branche des Kunden usw.
Step 4: Füge Outputs Deiner Collection hinzu
Klicke auf „Continue to outputs configuration“. Die erwarteten Outputs aus dem vorherigen Schritt werden hier angezeigt.
Wähle „+“, um für jeden Output eine neue Property (=Spalte) in Deiner Collection anzulegen.
Der Confidence Score geht von 0 bis 100 – je höher, desto besser.
Wenn nichts gefunden wird, kommt „No Case studies found“ als Fehlermeldung zurück, mit einem Confidence Score von 0.
Step 5: Starte das Enrichment
Letzter Schritt: Klicke auf „Instant run“, um den Agent zu starten und nach etwa einer Minute Deine Ergebnisse zu bekommen.
Der Confidence Score geht von 0 bis 100 – je höher, desto besser.
Wenn nichts gefunden wird, kommt „NO Case studies found“ mit einem Score von 0 zurück.
Fazit
Case Studies sind pures Gold für personalisierten Outreach. Du zeigst Deinen Prospects, dass Du wirklich recherchiert hast – und hebst Dich sofort von generischem Spam ab. Manuell danach zu suchen, kostet aber unnötig Zeit. Genau dafür ist AI perfekt: Mit dem Datablist AI Research Agent scrapest Du Case Studies in Minuten von Unternehmenswebsites – ohne Coding, ohne Stress. Damit hast Du echte, relevante Daten, um bessere Outbound Messages zu schreiben.
Willst Du Deine Reply Rates pushen? Probier’s aus – und mach Case Studies zu Deiner Secret Weapon.