> ## Documentation Index
> Fetch the complete documentation index at: https://docs.famulor.io/llms.txt
> Use this file to discover all available pages before exploring further.

# Skript-Optimierung

> Hypothesenbasiertes Testen, Personalisierung und klare Abschluss-Pfade

## Prinzipien

* Ein Satz = ein Zweck
* Früh Nutzen, spät Details
* Variablen für Personalisierung (Name, Branche, Use Case)

## Vorgehen

### 1. Ist-Zustand messen

Ermittle Conversion, Gesprächsdauer, Abbruchgründe. Export/Report nutzen.

### 2. Hypothesen bilden

Beispiel: „Kürzere Eröffnung steigert Terminquote" oder „Branchenbezug senkt Einwände".

### 3. A/B-Test in Kampagnen

Variante A/B als getrennte Assistenten oder Skriptversionen anlegen: [/outbound-calls/campaigns](/de/outbound-calls/campaigns)

### 4. Auswertung & Rollout

Gewinner übernehmen, Verlierer archivieren. Iteration wöchentlich.

### Evidenz

* Reaktionszeit/Follow‑up haben starken Einfluss auf Conversion (HBR, s. Referenzen)
* Personalisierung und Relevanz erhöhen Antwort‑ und Terminraten (HubSpot, Gong)

## Kurzstudie: Skript & Personalisierung

* **Datengrundlage**: HBR‑Lead‑Speed; HubSpot/Gong Outbound‑Reports
* **Kernaussagen**:
  * Kürzere, klare Eröffnungen + sofortiger Nutzen steigern Terminquoten
  * Schnelle Rückmeldung (\<5 Min.) erhöht Response massiv
* **Limitationen**: Unterschiedliche Datensätze/Definitionen von „Conversion“

## Referenzen

* Harvard Business Review – The Short Life of Online Sales Leads: [https://hbr.org/2011/03/the-short-life-of-online-sales-leads](https://hbr.org/2011/03/the-short-life-of-online-sales-leads)
* HubSpot – Cold Calling Stats: [https://blog.hubspot.com/sales/cold-calling-stats](https://blog.hubspot.com/sales/cold-calling-stats)
* Gong – Subject/Message Testing (Blog/Studies): [https://www.gong.io/blog/](https://www.gong.io/blog/)