White-Spot-Analyse im B2B-Vertrieb: Accounts und Produkte finden, die Sie noch nicht verkaufen

Die White-Spot-Analyse, auf Englisch white space analysis, findet den Umsatz, nach dem Sie noch nicht fragen. Sie deckt zwei Lücken ab: Produkte, die Ihre Bestandskunden noch nicht kaufen, und Unternehmen, die zu Ihrem Idealkunden passen, aber nicht in Ihrem CRM stehen. Sie stellen Accounts in einem Raster Produkten gegenüber und markieren jede Zelle als gekauft, offen, White Spot oder kein Fit. Danach bearbeiten Sie die weißen Zellen in der Reihenfolge ihrer Punktzahl.

Viele gut rankende Leitfäden erklären das Raster. Keiner sagt Ihnen, dass Sie zuerst das CRM deduplizieren sollten, oder wie Sie die Accounts finden, die dort fehlen. Dieser Leitfaden behandelt beides, mit eigenen Zahlen von Spona: sechs Tests mit je 100 Accounts gegen etablierte Datentools und 50 Suchen, die das CRM des Kunden ausgeschlossen haben. Ob Sie White-Spot-Analyse oder Whitespot-Analyse schreiben, die Methode ist dieselbe.

Get thousands of leads in 4 minutes.

Stop stitching tools together.
Start with verified sales data, delivered in minutes.

SCALE SALES NOW

No contracts · No setup · No onboarding

Was ist eine White-Spot-Analyse im Vertrieb?

Die knappste Definition stammt von Arpedio: „die strukturierte Praxis, Umsatzchancen in Accounts zu identifizieren, die Sie bereits gewonnen haben“.

Prolifiq vergleicht die aktuelle Produktdurchdringung eines Accounts mit dem, was er kaufen könnte. Zendesk weitet den Blick auf die Produkte, Dienstleistungen und Märkte eines Unternehmens. DemandFarm bleibt praktisch: Es geht darum, die Vertriebsdaten zu durchforsten und Lücken zu finden.

Was ist ein White Spot im Vertrieb also? Stellen Sie sich ein Raster vor: Ihre Accounts stehen links untereinander, Ihre Produkte oben nebeneinander. Eine gefüllte Zelle ist ein Produkt, das dieser Account kauft, und eine leere Zelle ist ein White Spot. Die Analyse entscheidet, welche leeren Zellen die Zeit eines Vertriebsmitarbeiters verdienen.

Der Begriff hat noch andere Bedeutungen. Patentanalysten meinen damit Lücken in einer Technologie, Konsumgütermarken einen ungedeckten Marktbedarf und Designer den Weißraum am Rand. Dieser Leitfaden bleibt beim Vertrieb.

Zwei Arten: Kundenpotenzialanalyse im Bestand und neue Accounts

Produkt-White-Spots liegen in Accounts, die Sie schon haben. Ein Kunde kauft Ihre Plattform, aber nicht das Analytics-Add-on, oder eine Sparte nutzt Ihre Software und die Schwestersparte nicht. Die Daten stehen in Ihrem CRM und in Ihren Rechnungen, und der passende Ansatz ist Cross-Selling oder Upselling.

Account-White-Spots liegen auf der Marktseite: Unternehmen, die zu Ihrem Idealkundenprofil passen und nichts bei Ihnen kaufen. Die meisten davon stehen gar nicht in Ihrem CRM. Die Daten müssen von außen kommen, und der Ansatz ist die Neukundengewinnung. Die meisten Leitfäden bilden nur die erste Art ab, und die zweite ist meist größer.

White Spot oder Greenfield: wo die Grenze verläuft

Die FAQ von Arpedio ordnet White Space den Accounts zu, die Sie bereits betreuen, und stellt Green Space auf die andere Seite: „Green Space bezeichnet völlig neue Accounts, die Sie überhaupt nicht betreuen.“ Sie fügt hinzu, dass es für diese Grenze keinen Standard gibt. Manche Teams sagen Greenfield für dieselbe Idee, andere meinen damit völlig neue Märkte. Hier kommen beide Arten in eine Matrix, denn das Quartal eines Vertriebsmitarbeiters enthält beide.

So gehen Sie bei der White-Spot-Analyse vor: die Matrix aus Accounts und Produkten

Beginnen Sie mit den Zeilen. Die Matrix von DemandFarm listet links die Buying Center auf: Sparten oder Funktionen, manchmal nach Region aufgeteilt. Ein Buying Center ist eine Gruppe, die ihre eigenen Bestellungen unterschreibt. Das Finanzteam, das Ihr Reporting-Tool gekauft hat, ist ein anderer Käufer als das Operations-Team nebenan.

Dann die Spalten: jedes Produkt, jede Stufe und jede Dienstleistung, die Sie als eigene Position verkaufen. Füllen Sie die Zellen aus Abrechnungsdaten und Pipeline. Zum Schluss kommt ein zweiter Zeilenblock für Accounts, die zu Ihrem ICP passen und nicht im CRM stehen.

Vorlage für die White-Spot-Analyse: Kopieren Sie diese Tabelle

Bauen Sie die Tabelle in Excel oder Google Sheets, ein Tabellenblatt pro Segment. Ein COUNTIF (im deutschen Excel ZÄHLENWENN) auf „White Spot“ je Produktspalte liefert die Zahl der Lücken pro Produkt. Dieselbe Zählung im Neukundenblock ergibt die Zahl der Account-White-Spots. Wenn Sie noch kein ICP haben, finden Sie die Felder in der Vorlage für das Idealkundenprofil von Spona.

Vier Zellcodes für die White-Spot-Matrix

Gekauft heißt: ein laufender Vertrag oder eine Rechnung in den letzten zwölf Monaten. Offen heißt: eine Opportunity in der Pipeline. White Spot heißt: kein Deal, keine Opportunity und ein Produkt, das zu diesem Buying Center passt. Kein Fit heißt, dass das Produkt hier nicht funktioniert, wegen Größe, Region, Regulierung oder technischem Stack.

Laut Prolifiq färben viele Teams die Zellen grün für aktiv, gelb für in Arbeit, rot für gekündigt und leer für nie verkauft. Arpedio nennt vier Zustände: Expand, Maintain, Target und White space. Die Wörter sind weniger wichtig als der vierte Code: Ohne „Kein Fit“ sieht jede leere Zelle wie eine Chance aus.

Gekündigte Produkte sind White Spots mit Vorgeschichte. Markieren Sie die Zelle als White Spot und tragen Sie den Kündigungsgrund in die Spalte „Nächster Schritt“ ein.

Warum das CRM vor dem White-Spot-Mapping deduplizieren?

Weil die Matrix Accounts zählt und ein doppelter Account White Spots erzeugt, die es gar nicht gibt. Ein Datensatz zeigt, dass der Account Produkt A besitzt. Sein Zwilling zeigt nichts, also füllt sich dessen Zeile mit weißen Zellen, und ein Vertriebsmitarbeiter bietet ein Produkt an, für das der Kunde schon zahlt.

Dubletten sind häufig. Der CRM-Report von Validity zitiert eine Salesforce-Studie, nach der die Kontaktdatenbank des durchschnittlichen Kunden mehr als 25 Prozent Dubletten enthält. In der eigenen Umfrage von Validity nannten 53 % der Befragten doppelte Datensätze als Problem der Datenqualität. Befragt wurden 631 CRM-Nutzer und Stakeholder in den USA, im Vereinigten Königreich und in Australien.

Die Kosten zeigen sich im Umsatz. In derselben Umfrage sagten 31 % der Admins, dass schlechte Datenqualität ihr Unternehmen mindestens 20 Prozent des Jahresumsatzes kostet.

Ihr CRM verschafft Ihnen einen Vorsprung, aber keine Lösung. HubSpot dedupliziert Kontakte automatisch anhand der E-Mail-Adresse und Unternehmen anhand des Domainnamens. Die Standard-Duplikatregeln von Salesforce vergleichen nur einzelne Felder, höchstens fünf aktive Regeln pro Objekt sind möglich, und der exakte Abgleich übersieht Tippfehler.

Gleichen Sie für die Matrix zuerst über die Root-Domain ab, dann über einen normalisierten Firmennamen. Schließen Sie danach die Datenbereinigung ab: ein Produktfeld an jedem gewonnenen Deal und ein Verantwortlicher an jedem Account.

Welche White-Spot-Accounts fehlen in Ihrem CRM?

Den Neukundenblock kann das CRM per Definition nicht füllen. Sie brauchen eine Liste der Unternehmen, die zu Ihrem ICP passen, abzüglich derer, die Sie schon haben. Der Rest sind Ihre Account-White-Spots: der White-Spot-Markt für Ihr Produkt, Unternehmen für Unternehmen gezählt statt in Dollar.

Messen Sie Ihren Überschneidungsanteil

Der Überschneidungsanteil ist die Zahl der passenden ICP-Accounts, die schon in Ihrem CRM stehen, geteilt durch alle passenden ICP-Accounts. Ein Beispiel zur Veranschaulichung: 800 passende Accounts, davon 200 im CRM. Die Überschneidung liegt bei 25 %, und die übrigen 600 sind White-Spot-Accounts.

Die Produktanalysen von Spona zeigen das in der Praxis. In einer Stichprobe von 1.000 Spona-Suchen nutzten 50 eine Ausschlussliste mit den bestehenden CRM-Accounts des Kunden. Das sind 5 % der Suchen. In diesen Suchen wurden im Median 28,0 % der passenden Accounts entfernt, weil sie schon im CRM standen.

Die mittlere Hälfte der Suchen lag zwischen 19,0 % und 41,5 %. Die niedrigste Suche verlor 5 % ihrer Treffer durch den CRM-Ausschluss, die höchste 71 %. Jede Suche zählt in diesen Zahlen einmal, unabhängig von ihrer Größe.

Zwei Einschränkungen. Die 50 Suchen stammen von Teams, die sich entschieden haben, ihr CRM auszuschließen. Sie sagen nichts über andere Teams aus und nichts darüber, wie die verbliebenen Accounts konvertiert haben.

Das Ergebnis eines Spona-Kunden beruht auf einer verwandten Kennzahl: neue Accounts unter den geprüften passenden Accounts. Der Kunde, ein Softwareunternehmen mit 70 Beschäftigten in Frankreich, prüfte in zwei vierwöchigen Zeiträumen jeweils 1.000 passende Interessentendatensätze nach den Ausschlüssen. Im ersten Zeitraum waren 580 der 1.000 geprüften passenden Accounts neu. Im zweiten waren es 820 von 1.000.

Die Veränderung ist beschreibend; zwei Zeiträume eines einzigen Kunden beweisen nicht, was sie verursacht hat.

Testen Sie eine neue Datenquelle an 100 Accounts

Bevor Sie eine Datenquelle für den Neukundenblock kaufen, testen Sie sie an Accounts, die Sie überprüfen können. Spona führt diesen Test für Interessenten gegen ihr bisheriges Tool durch; er funktioniert mit jedem Anbieter.

1. Wählen Sie für beide Quellen dieselben 100 Ziel-Accounts. Deduplizieren Sie sie gegen Ihr CRM und zählen Sie, wie viele es schon enthält.
2. Ziehen Sie jeden Kontakt, den das bisherige Tool liefert, und jeden Kontakt aus der neuen Quelle.
3. Deduplizieren Sie beide Exporte gegeneinander und gegen das CRM, anhand von E-Mail-Adresse und LinkedIn-URL.
4. Zählen Sie die nutzbaren Datensätze: ein namentlich bekannter Entscheider mit verifizierter geschäftlicher E-Mail oder Durchwahl.
5. Zählen Sie die zusätzlichen Datensätze: nutzbare Datensätze, die weder im CRM noch im Export des bisherigen Tools stehen.
6. Teilen Sie den Preis der neuen Quelle durch ihre nutzbaren Datensätze.

Die Tabelle zeigt sechs Tests, die Spona so durchgeführt hat, jeweils mit 100 Accounts. Der zusätzliche Anteil unten ist die Zahl der zusätzlichen Kontakte geteilt durch die verifizierten Kontakte von Spona, nicht durch Accounts.

Über die sechs Tests lag der Median bei 399 verifizierten und 152 zusätzlichen Kontakten. Die Vorbereitung dauerte im Median 9,5 Minuten, und die Kosten pro nutzbarem Datensatz lagen im Median bei 0,41 $. Die Spona-Seite jedes Tests kostete zwischen 127,80 $ und 197,12 $.

Lesen Sie die Tabelle mit ihren Grenzen. Die Kosten enthalten weder Arbeitszeit noch das Abo des bisherigen Tools. Die sechs Account-Pools können sich überschneiden, addieren Sie die Tests also nicht zu einer Summe. Drei Tools kommen je einmal vor, und „verifiziert“ sagt nichts über Antworten oder Umsatz.

Für White Spots zählt eine Zahl am meisten. In jedem Test enthielt das CRM schon mindestens 58 der 100 Ziel-Accounts. In einem Test waren es 82. Die zusätzlichen Zahlen sind Kontakte, keine Accounts.

Beispiel einer White-Spot-Analyse: acht Accounts, vier Produkte

Das Raster unten ist eine Veranschaulichung, keine Spona-Daten. Ein Softwareanbieter verkauft vier Produkte: Plattform, Analytics, Integrationen und einen Support-Plan. Sechs Accounts sind Kunden, und zwei passen zum ICP, ohne im CRM zu stehen.

Das Raster hat 32 Zellen. Zwölf davon sind gekauft und vier offen. Elf sind White Spots, und fünf passen nicht. Bewerten Sie jetzt die elf weißen Zellen nach Fit, Dealgröße und Timing, jeweils von 0 bis 3, mit dem Schema im nächsten Abschnitt.

Drei Zellen erreichen 7 oder mehr, und sie kommen in dieses Quartal. Der Plattform-Deal von Account 7 ist der größte und der wärmste. Der Support-Plan von Account 3 ist klein, fällt aber auf eine Verlängerung, das günstigste Gespräch im Vertrieb. Die Analytics-Zelle von Account 4 ist ein gekündigtes Produkt mit neuem Entscheider, der Fall der Rückgewinnung aus den Zellcodes oben.

Acht weiße Zellen bleiben: Vier warten auf den Abschluss von Plattform, vier auf ein stärkeres Signal.

Welche White-Spot-Chancen bearbeiten Sie zuerst?

Eine White-Spot-Chance ist eine weiße Zelle mit einem plausiblen Weg zu Umsatz innerhalb Ihres Planungszeitraums. Nicht jede weiße Zelle erfüllt das. Prolifiq ordnet Zellen nach Dealgröße, Gewinnwahrscheinlichkeit, strategischem Wert und Zeit bis zum Abschluss, nennt aber keine Gewichtung. Arpedio sortiert sie in Pursue, Park oder Pass, und jede Pursue-Zelle bekommt einen namentlich benannten Verantwortlichen.

Keiner von beiden setzt einen Schwellenwert. Das Schema unten schon.

Jede White-Spot-Zelle bewerten

Bewerten Sie drei Faktoren von 0 bis 3 und addieren Sie die Werte. Das ist ein Vorschlag, kein Benchmark.

Eine Summe von 7 bis 9 heißt Pursue: Die Zelle bekommt einen Verantwortlichen, einen Termin für das erste Meeting und einen Platz im Plan dieses Quartals. Eine Summe von 4 bis 6 heißt Park und wird geprüft, sobald ein Signal auftaucht. Eine Summe von 0 bis 3 heißt Pass und ist meist ein verkapptes „Kein Fit“. Welche Signale die beiden höchsten Timing-Werte verdienen, zeigt der Leitfaden von Spona zu B2B-Kaufsignalen.

Den passenden Ansatz wählen: Ausbau im Bestand oder Neukunde

Cross-Selling-Potenzial steckt in einer weißen Zelle neben einer gekauften Zelle im selben Buying Center: Plattform haben sie, Analytics fehlt. Ein Upsell ist eine weiße Zelle in einer höheren Stufe eines Produkts, das sie schon besitzen. Den Unterschied erklärt der Beitrag von Spona zu Cross-Selling und Upselling. Beide gehören dem Account Manager, denn beim Käufer liegt Ihr Lieferantenformular schon vor.

Für E-Mails an Bestandskunden zu Produkten, die sie noch nicht nutzen, gilt in Deutschland die Ausnahme in § 7 Abs. 3 UWG. Ohne Einwilligung ist eine solche E-Mail nur zulässig, wenn Sie die Adresse im Zusammenhang mit dem Verkauf einer Ware oder Dienstleistung vom Kunden erhalten haben. Sie dürfen damit nur für eigene ähnliche Waren oder Dienstleistungen werben, und der Kunde darf nicht widersprochen haben. Zudem müssen Sie ihn bei der Erhebung der Adresse und bei jeder Verwendung klar und deutlich darauf hinweisen, dass er jederzeit widersprechen kann, ohne dass dafür mehr als die Übermittlungskosten nach den Basistarifen entstehen.

Ein Neukunde ist jede weiße Zelle im Neukundenblock. Sie gehört dem SDR-Team, und das Einstiegsprodukt kommt zuerst. Der Rest der Zeile wartet, bis der erste Vertrag unterschrieben ist.

Was die ersten beiden Ansätze bringen, zeigen Retention-Daten. Die Umfrage von SaaS Capital unter nicht börsennotierten SaaS-Unternehmen beziffert die Net Revenue Retention im Median auf 102 %. Das gilt für Vertragswerte von 25.000 $ bis 50.000 $. Das oberste Quartil erreicht 111 %, das unterste 97 %, und der Abstand dazwischen ist Churn und Expansion zusammen.

Wie oft sollten Sie die White-Spot-Analyse wiederholen?

Bauen Sie die ganze Matrix jedes Quartal neu auf, prüfen Sie Pursue-Zellen monatlich und aktualisieren Sie den Neukundenblock, sobald Ihre Datenquelle neue Treffer liefert. Laut Arpedio reichen für die meisten Accounts quartalsweise Reviews, strategische Accounts in schnelllebigen Kategorien können monatliche rechtfertigen. Prolifiq nennt für strategische Accounts mindestens quartalsweise. Keiner von beiden liefert Belege, deshalb folgen hier welche.

Zellen veralten, weil Menschen wechseln. Das BLS beziffert den Median der Betriebszugehörigkeit von Lohn- und Gehaltsempfängern in den USA bei ihrem aktuellen Arbeitgeber auf 4,1 Jahre. Bei Beschäftigten zwischen 25 und 34 Jahren sind es drei Jahre. Der Champion hinter einer gekauften Zelle hat eine reale Chance, innerhalb eines Jahres zu gehen.

Zeilen veralten, weil Unternehmen entstehen. Das US Census Bureau zählt mehr als eine halbe Million Anträge auf Unternehmensgründung pro Monat, saisonbereinigt. Im Vereinigten Königreich verzeichnete Companies House 192.287 Neugründungen in einem Quartal, bei 156.515 gelöschten Unternehmen. Das Register wuchs um 0,7 % auf 5.516.377 Unternehmen, und keines der neuen steht schon in Ihrem Neukundenblock.

Viele Admins sehen, dass der Verfall schneller wird. In der Umfrage von Validity hatten 48 % der Admins in den vorangegangenen zwölf Monaten eine Beschleunigung des Kundendatenverfalls bemerkt. Die Ursachen beschreibt der Beitrag von Spona zum Datenverfall. Für die Matrix heißt die Lösung: ein Datum an jeder Zelle, also wer sie zuletzt bestätigt hat und wann.

Wo Spona bei der White-Spot-Analyse hilft und wo nicht

Spona passt zum Neukundenblock. Sie beschreiben Ihren Idealkunden in einem Chat. Die KI durchsucht mehr als 40 Quellen, verifiziert jeden Lead und liefert in etwa 4 Minuten eine bewertete Liste. Sie zahlen pro Lead in Credits, und jede Suche beginnt mit einer kostenlosen Stichprobe.

Die Ausschlussliste ist die eigentliche White-Spot-Funktion. In jedem Plan, auch im kostenlosen, können Sie Ihre CRM-Accounts als Sperrliste hochladen. Die Suche lässt die Accounts auf dieser Liste dann aus, und genau dieses Muster steckt hinter den 50 Suchen oben.

Die Kosten stammen von der Preisseite. Jede neue Suchsitzung kostet einmalig 1.000 Credits. Das sind je nach Plan 8 $ bis 10 $.

Ein Lead kostet dann 0,48 $ bis 2,00 $ mit Deep Search. Mit Standard Search und nur E-Mail sind es 0,024 $ bis 0,07 $. Bulk Search kostet 0,008 $ bis 0,09 $ pro Lead.

Der kostenlose Plan enthält einmalig 3.000 Credits. Als Schätzung: Ein Test mit 100 Accounts und drei Entscheidern pro Account ergibt 300 Leads. Mit Deep Search sind das 144 $ bis 600 $ plus eine Sitzung. Mit Standard Search und nur E-Mail sind es 7,20 $ bis 21 $, plus eine Sitzung.

Zwei weitere Funktionen passen zur Matrix. Signalfilter ab dem Plan Pro decken Finanzierung, Neueinstellungen, Technologie, Ersterfassung und neue Standorte ab, also die Signale hinter den höchsten Timing-Werten. Neue Leads, die zu einer abgeschlossenen Suche passen, erscheinen jede Woche zum gleichen Preis pro Lead. So bleibt der Neukundenblock zwischen den quartalsweisen Neuaufbauten aktuell.

Für Produkt-White-Spots in Bestandsaccounts kann Spona stattdessen Ihre eigene Liste anreichern. Eine verifizierte E-Mail kostet 5 Credits. Das sind je nach Plan 0,04 $ bis 0,05 $.

Nun die Grenzen. Spona sieht nicht, was Ihre Kunden gekauft haben, deshalb kommen die Zellen Gekauft, Offen und Kein Fit aus Ihrem CRM und Ihren Abrechnungsdaten. Spona hat keine Account-Plan-Matrix. Arpedio und Prolifiq bauen ihre in Salesforce, und ein Key-Account-Team, das dort arbeitet, holt aus einem der beiden mehr heraus.

HubSpot ist die einzige native CRM-Integration von Spona, und Salesforce-Nutzer arbeiten mit CSV-Dateien, die jeder bezahlte Plan exportiert. Credits verfallen zu Beginn jedes Abrechnungszeitraums, planen Sie jede Suche also für den Monat, in dem Sie sie bearbeiten. Spona hat einen eigenen Suchtyp namens Signal Search angekündigt, er ist aber noch nicht verfügbar.

Get thousands of leads in 4 minutes.

Stop stitching tools together.
Start with verified sales data, delivered in minutes.

SCALE SALES NOW

No contracts · No setup · No onboarding

FAQ zur White-Spot-Analyse

Was bedeutet White Spot in der Unternehmensstrategie?

In der Strategie hat Mark Johnson ein Buch darüber geschrieben, Seizing the White Space. Er nutzt den Begriff für Marktchancen, die ein Unternehmen nur mit einem anderen Geschäftsmodell verfolgen kann. Die Version von Bluevine für kleine Unternehmen nennt ihn eine Methode, um Innovations- und Wachstumschancen in Ihrem Markt aufzudecken. Die Bedeutung im Vertrieb ist enger: die leeren Zellen in einem Raster aus Accounts und Produkten.

Was heißt es, White Spots im Bestand zu verkaufen?

Beim Verkauf in White Spots bearbeiten Sie die leeren Zellen der Accounts, die Sie schon haben. Das heißt: ein Cross-Sell in ein Buying Center, das ein benachbartes Produkt besitzt, oder ein Upsell in eine höhere Stufe. Der Käufer hat Ihren Vertrag und ein unterschriebenes Lieferantenformular schon, also bewerten Sie die Zellen und nehmen sich zuerst die Verlängerung vor.

Ist die White-Spot-Analyse dasselbe wie eine Marktgrößenschätzung?

Nein. TAM, SAM und SOM beziffern einen Markt in Umsatz, vom gesamten adressierbaren Markt bis zu dem Anteil, den Sie gewinnen können. Die White-Spot-Analyse benennt die konkreten Accounts und Produkte, an die Sie noch nicht verkaufen. Die Größenberechnung behandelt der Leitfaden von Spona zu TAM, SAM und SOM.

Lässt sich eine White-Spot-Analyse in Salesforce umsetzen?

Ja. Ein Report der Accounts nach Produktlinie der Opportunities liefert die Zellen Gekauft und Offen. Arpedio und Prolifiq bauen ihre Matrizen in Salesforce. Deduplizieren Sie zuerst die Accounts, denn die Standard-Duplikatregeln vergleichen einzelne Felder und enden bei fünf aktiven Regeln pro Objekt.

White-Spot-Analyse oder Whitespot-Analyse: welche Schreibweise stimmt?

Beide sind im Umlauf. Im Englischen schreiben Arpedio, Zendesk und Prolifiq „white space“, die Methode heißt dort white space analysis. Deutsche Suchende tippen „whitespot analyse“ oft genug, um in Keyword-Daten aufzutauchen. Wählen Sie eine Schreibweise für Ihre Matrix und Ihre CRM-Felder, damit ein Filter auf den Zellcode jede Zeile findet.