‍

‍

‍

„Vor Favikon habe ich auf LinkedIn gesucht und Influencer kontaktiert und ihnen E-Mails geschickt, aber ich war mir einfach nicht sicher, ob sie gut zu mir passen. Mit Favikon dauert es Sekunden, bis ich eine Suche durchgeführt habe, und dann wird mir angezeigt, ob sie gut passen würden oder nicht. Ich kann ihre letzten Beiträge sehen. Es ist Wahnsinn, wie viel Zeit mir das spart — und ich fühle mich endlich sicher, diese Influencer den Führungskräften zu empfehlen.“

‍

- Sarah Fleer, Kundenpartnerin bei Spotlight Analyst Relations

‍

‍

‍

‍

‍

‍

Über Sarah

‍

Lernen Sie Sarah Fleer kennen, Kundenpartnerin bei Spotlight Analyst Relations, einer Agentur mit Sitz in Kansas City, die sich auf Orchestrierung beeinflussen über mehrere verschiedene Vertrauenspools, Analysten und Influencer, Kunden, Anbieter, Mitarbeiter und Partner hinweg. Sarah begann mit nur sehr wenig Erfahrung im Influencer-Marketing und ohne spezielle Tools in den Bereich Influencer-Beziehungen. In weniger als einem Jahr entwickelte ihr Team einen vollständigen Entdeckungs- und Überprüfungsprozess, sicherte sich einen bezahlten Creator-Vertrag und weitet das Programm nun auf mehrere Kunden und Branchen aus.

‍

‍

Über Spotlight AR

‍

Spotlight AR ist das weltweit größte Analyst-Relationsunternehmen und arbeitet mit Forschungsunternehmen wie Forrester, Gartner und IDC zusammen. Die Agentur hat sich vor Kurzem auf Influencer-Relations spezialisiert, Einflussstrategien neu definiert und sie mit fundiertem Wissen und Fachwissen im Bereich Analystenbeziehungen aktiviert. Spotlight erweitert und vertieft seine Dienstleistungen zur Kundenbeeinflussung für diejenigen, die das gesamte Einflussökosystem nutzen möchten. Ihr Ziel ist es, Programme für YouTuber zu entwickeln, die dem Aufbau langfristiger Beziehungen Vorrang vor einmaligen Patenschaften einräumen.

‍

‍

ICP und Persona

‍

Zahlungsfachleute | Fintech-Experten | Agentic Commerce-Stimmen | B2B-LinkedIn-Entwickler | Nano- bis Makro-Influencer auf globalen Märkten

‍

‍

‍

‍

Vor Favikon

‍

Bevor Sarahs Team Favikon entdeckte, stand es vor einer grundlegenden Herausforderung: Influencer-Relations waren eine völlig neue Praxis, und die verfügbaren Tools waren nicht für das konzipiert, was sie brauchten.

‍

• Vollständig manueller Prozess: Sarah verließ sich auf LinkedIn-Suchanfragen und KI-Tools wie ChatGPT, Claude und Gemini, um YouTuber zu finden — aber keines konnte zuverlässig Nischen-Fintech-Stimmen aufdecken oder strukturierte Profildaten bereitstellen.

‍

• Kein Vertrauen in Empfehlungen: Ohne Daten, die ihre Auswahl untermauerten, fühlte es sich unsicher an und es war schwierig, sie der Geschäftsleitung zu empfehlen, und es war schwierig, sie zu verteidigen.

‍

• Langsam und arbeitsintensiv: Die manuelle Suche und Überprüfung eines einzelnen creator dauerte ein bis zwei Stunden — ohne Garantie, dass das Ergebnis das Richtige war.

‍

• Keine Möglichkeit, sich in großem Maßstab zu organisieren: Durch die Verwaltung mehrerer Erstellerlisten in verschiedenen Geschäftsbereichen ohne ein spezielles System fühlte sich eine Skalierung des Programms unerreichbar an.

‍

‍

‍

‍

Nach Favikon

‍

Das Team integrierte Favikon als Grundlage für seinen Influencer-Relations-Workflow, der in drei Phasen seines Programms zum Einsatz kam:

‍

‍

1/ Entdeckung

‍

Sarah verwendet Favikons KI-Suche als ihr primäres Tool — und sie hat schnell gelernt, dass Spezifität alles ist. Sie erstellte ein internes Best-Practice-Dokument für ihr Team, in dem sie hervorhob, wie detaillierte Eingabeaufforderungen in Kombination mit mehrschichtigen Filtern zu deutlich besseren Ergebnissen führen.

‍

Sie filtert nach Themenabdeckung, Geografie, Kreatorenebene und Geschlechtervielfalt und erstellt global verteilte Auswahllisten für verschiedene Geschäftsbereiche.

‍

Ergebnis: Auswahllisten hochqualifizierter Nischen-Fintech-Entwickler wurden innerhalb von Minuten statt Stunden erstellt

‍

‍

2/ Überprüfung und datengesteuerte Auswahl

‍

Sobald eine Suche Ergebnisse liefert, verwendet Sarah die Profildaten von Favikon, um die Eignung zu beurteilen, bevor sie Credits für eine vollständige Entsperrung ausgibt. Themen, aktuelle Beiträge und Signale des Publikums geben ihr das nötige Selbstvertrauen, Empfehlungen auszusprechen, hinter denen sie vor dem Führungsteam stehen kann.

‍

Als ein empfohlener creator vom Kunden abgelehnt wurde, kehrte sie zu Favikon zurück, verfeinerte ihre Suche anhand des spezifischen Feedbacks und hatte innerhalb weniger Minuten einen neuen Kandidaten — einen, auf den sie bei ihrer manuellen Recherche noch nie gestoßen war.

‍

Ergebnis: Ein schnelleres, sichereres Auswahlverfahren, das der Überprüfung durch die Geschäftsleitung standhält

‍

‍

3/ Kontakte, Kampagnen und Beziehungsmanagement

‍

Derzeit führt sie Kampagnen ein, um den Earned Media Value (EMV) für jede Creator-Partnerschaft zu verfolgen, mit dem Ziel, konkrete Leistungsdaten an die Unternehmensleitung zurückzugeben. Für ihre erste bezahlte Creator-Beziehung ist geplant, jeden Beitrag über Favikon zu verfolgen und aus den Daten einen laufenden ROI-Bericht zu erstellen.

‍

Ergebnis: Organisierte, messbare Creator-Programme in mehreren Geschäftsbereichen unserer Kunden

‍

‍

‍

‍

Ergebnisse

‍

Seit der Implementierung von Favikon hat ihr Team:

‍

• In weniger als einem Jahr wurde von einer neuen Influencer-Infrastruktur zu einem voll funktionsfähigen Creator-Programm

‍

• Hat sich ihren ersten bezahlten Creator-Vertrag mit einer führenden Fintech-LinkedIn-Stimme gesichert

‍

• Die Recherchezeit für YouTuber wurde von einer bis zwei Stunden pro Profil auf Sekunden reduziert

‍

• Entwicklung eines sicheren Auswahlverfahrens, das einer Überprüfung durch die Geschäftsleitung standhält

‍

• Erstellung interner Dokumentation und Best Practices für die Skalierung der Favikon-Nutzung im gesamten Team

‍

‍

‍

‍

Finde die richtigen YouTuber, um dein Influencer-Programm zu skalieren.

KI-gestützte creator nach Entwicklern, um Partnerschaften in messbare Umsätze umzuwandeln. Erste Schritte mit Favikon →

‍

‍