Was es ist
Data Decay ist die Rate, mit der gespeicherte Datensätze in einem CRM oder ATS ihre Genauigkeit verlieren, weil sich die Menschen und Unternehmen dahinter verändern, ohne dass jemand den Eintrag aktualisiert. Ein Entscheider wechselt den Arbeitgeber, eine Mitarbeiterzahl verschiebt sich nach einer Umstrukturierung, eine Telefonnummer wird neu vergeben, ein Titel ändert sich nach einer Beförderung, und der Datensatz in deinem System behauptet weiterhin, was einmal stimmte. Niemand hat ihn falsch eingetragen. Er ist einfach nicht mehr aktuell.
Die Geschwindigkeit ist höher, als die meisten Desks annehmen. Branchenmodelle setzen den generellen Verfall von B2B-Kontakt- und Firmendaten bei rund 2,1 Prozent pro Monat an, was sich auf etwa 22,5 Prozent im Jahr aufsummiert, und einzelne Felder verfallen noch schneller: Jobtitel um 25 bis 35 Prozent im Jahr, Telefonnummern um 20 bis 25 Prozent, E-Mail-Adressen um bis zu 43 Prozent. Eine im Januar aufgebaute oder gekaufte Liste ist im Sommer schon deutlich falsch, und zum Jahresende ist ein großer Teil davon unbrauchbar, ohne dass unterwegs irgendjemand etwas falsch gemacht hätte.
Eine einmal gekaufte Kontaktliste beginnt zu verfallen, sobald sie ankommt, ob sie danach noch jemand öffnet oder nicht.
Warum es zählt
Data Decay ist der Grund, warum ein einmaliger Datenkauf schon in dem Moment an Wert verliert, in dem er ankommt. Eine einmal angereicherte und dann liegen gelassene Liste startet korrekt und wird jede Woche danach ein Stück schlechter, still, ohne Hinweis, dass ein Feld inzwischen veraltet ist. Outreach, der darauf aufbaut, erbt den Verfall mit: eine Nachricht an einen Entscheider, der das Unternehmen schon vor Monaten verlassen hat, ein Pitch, der sich auf eine Mitarbeiterzahl beruft, die zur aktuellen Phase des Unternehmens nicht mehr passt, ein Signal, das gegen einen längst überholten Org-Chart gelesen wird.
Der Schaden geht über eine verschwendete Nachricht hinaus. Verfallene Daten untergraben genau das, was sie eigentlich stützen sollen. Lead Scoring bewertet Accounts anhand von Feldern, die längst nicht mehr stimmen. Ein Buying Signal verliert seinen Wert, wenn der dahinterliegende Kontakt komplett falsch ist. Und eine Nachricht, die persönlich wirkt, kommt schlechter an, nicht besser, wenn sich herausstellt, dass die Personalisierung Monate alt ist, weil sie signalisiert, dass der Account zuletzt gar nicht wirklich angeschaut wurde.
Wie boilr das übernimmt
boilr behandelt Anreicherung als laufenden Prozess, nicht als Einmalkauf. Dein KI-Sales-Mitarbeiter prüft Accounts und Kontakte fortlaufend, statt einmal anzureichern und das Ergebnis abzulegen, und jedes erkannte Buying Signal löst einen frischen Blick auf den betroffenen Account aus, sodass eine Finanzierungsrunde oder ein Führungswechsel ein Update anstößt, statt neben Daten liegen zu bleiben, die älter sind als das Ereignis selbst. Jedes Feld trägt eine Data-Lineage-Angabe zu Quelle und letzter Prüfung, sodass Veralten sichtbar ist statt in einer Zahl versteckt, die auf den ersten Blick noch plausibel wirkt.
Dieser laufend aktualisierte Stand lebt im Company Brain, geteilt über den ganzen Desk, statt in der Exportdatei oder dem Notizbuch eines einzelnen Consultants. Wenn irgendein Teil des Agents einen Datensatz anfasst, profitiert jede künftige Task auf diesem Account von der Korrektur, und ein Consultant, der geht, nimmt die aktuellste Version der Wahrheit nicht mit. Eine Task, die in deiner Inbox landet, baut auf dem, was jetzt stimmt, nicht auf dem, was zuletzt jemand nachgeschaut hat.
