Im B2B Paid Social entscheidet der Preis pro Sales Qualified Lead (SQL) über die Budgetverteilung zwischen LinkedIn und Meta. Für die Budgettabelle genügt ein Rahmen: LinkedIn bleibt validierter Hauptkanal, Meta läuft als begrenzter Test, dessen Ergebnis sich an SQL-Zahlen aus dem eigenen CRM messen lässt.
- LinkedIn-Klicks kosten im DACH-Raum im Median rund 7,50 €, Meta-Klicks im B2B 1,50 bis 3,50 €.
- Ein SQL ist ein Kontakt, den der Vertrieb als aussichtsreich einstuft, und die Vergleichsgröße zwischen den Kanälen.
- Ein Meta-Lead darf bei 2- bis 3-fach niedrigerer SQL-Quote höchstens die Hälfte bis ein Drittel eines LinkedIn-Leads kosten.
LinkedIn-Klickpreis vs. Meta im B2B Paid Social: Was der Aufpreis wirklich kauft
- Bei 2- bis 3-fach niedrigerer SQL-Quote muss ein Meta-Lead höchstens die Hälfte bis ein Drittel eines LinkedIn-Leads kosten.
- LinkedIn-Leads werden zu 14 bis 20 % SQL, Meta-Retargeting zu 8 bis 14 %, Meta-Kaltakquise unter 8 %.
- Bei Enterprise-Deals ab rund 50.000 € trägt LinkedIn den Großteil des Budgets, bei kleinen Deals dominiert meist Meta.
- Ein 50/50-Start gilt als häufigster Fehler, besser läuft Meta zunächst als begrenzter Test.
Der Aufpreis kauft Treffsicherheit: LinkedIn adressiert Jobtitel, Branchen und Firmen direkt, Meta erreicht Entscheider über Interessen- und Lookalike-Signale und streut breiter. Ob das den Faktor 2 bis 5 beim Klickpreis rechtfertigt, hängt an dem, was nach dem Klick passiert. Die Spannen für DACH im Überblick:
| Kennzahl | LinkedIn (DACH) | Meta (B2B) |
|---|---|---|
| CPC (Klickpreis) | Median 7,55 € (Deutschland 7,96 €, Österreich 5,80 €), andere Vergleiche nennen 6 bis 12 € bzw. 2 bis 10 € | 1,50 bis 3,50 € |
| CPM (Tausenderpreis) | 25 bis 45 €, aktuell im Schnitt 32,90 € (Winterquartal bis 44 €, Frühjahr rund 29 €) | keine belastbare DACH-Angabe gefunden |
| CPL Content-Download | rund 137 bis 145 € (Österreich 42 bis 69 €) | keine belastbare DACH-Angabe gefunden |
| CPL Demo-/Termin-Lead | 100 bis 400 € | keine belastbare DACH-Angabe gefunden |
Offizielle DACH-Zahlen veröffentlichen weder LinkedIn noch Meta. Alle Werte stammen aus Agentur- und Benchmark-Auswertungen (überwiegend 2025 und 2026) mit unterschiedlichen Stichproben, und die Spannen weichen teils um den Faktor 2 bis 3 voneinander ab. Planen Sie deshalb mit Korridoren und ersetzen Sie sie so früh wie möglich durch Werte aus Ihrem eigenen Konto.
Beim Meta-CPL ist die Lücke am größten. Der einzige greifbare Datenpunkt ist ein Webinar-Fall, in dem Meta Registrierungen für unter 10 $ lieferte und LinkedIn etwa das 50-Fache kostete. Die Agentur verschob Budget zu Meta, behielt LinkedIn aber für Retargeting und Nurturing. Ein solcher Preisabstand sagt nichts darüber, welche Registrierung beim Vertrieb ankommt. Warum E-Commerce-Kennzahlen im B2B ins Leere laufen, beschreibt der Text zu Performance Marketing für B2B ausführlicher.
Warum CPL der falsche Vergleich ist: Von Klickpreis zu Kosten pro SQL
Der CPL taugt nicht als Vergleichswährung, weil ein Lead je Kanal etwas anderes ist. Ein Formular direkt in der Plattform, eine Landingpage mit Pflichtfeldern oder ein Whitepaper-Download erzeugen Kontakte mit sehr unterschiedlicher Kaufabsicht, und der Preis pro Kontakt verrät nicht, wie viele davon beim Vertrieb als SQL landen.
Formel: Kosten pro SQL = CPL ÷ Lead-to-SQL-Rate. Bei 2- bis 3-fach höherer Quote auf LinkedIn muss ein Meta-Lead höchstens die Hälfte bis ein Drittel kosten, um gleichzuziehen. „Dreimal günstigere Leads“ sind bei 3-fach niedrigerer Quote also nur Gleichstand.
Belastbare Quoten gibt es nur als internationale Näherung, überwiegend aus US- und globalen SaaS-Datensätzen. Eine Analyse von 94 B2B-SaaS-Unternehmen liegt am oberen Rand, eine Benchmark-Quelle mit Meta-Differenzierung zeigt, wie stark der Meta-Durchschnitt streut. Gemessen wird jeweils der Übergang vom Marketing Qualified Lead (MQL) zum SQL.
| Datenbasis | Meta | |
|---|---|---|
| Mehrere zusammengeführte Benchmarks | 14 bis 20 % | 5 bis 12 % |
| Benchmark mit Meta-Differenzierung | 12 bis 18 % | Retargeting 8 bis 14 %, Kaltakquise unter 8 % |
| 94 B2B-SaaS-Unternehmen, Q1 2024 | 35,8 % | 13,9 % |
| Praxisfall Budget-Umschichtung | 14 % | 5 % |
Für den DACH-Raum sind keine öffentlichen Lead-to-SQL-Zahlen je Kanal auffindbar. Das muss offen stehen bleiben. Die Richtung ist über alle Quellen gleich: LinkedIn konvertiert 2- bis 3-mal besser, und ein einzelner Meta-Wert verdeckt den Unterschied zwischen Retargeting und Kaltakquise. Im Praxisfall der Budget-Umschichtung kürzte das Unternehmen Meta um 60 % und erhöhte LinkedIn um 40 %. Auch bei Abschlüssen liegt LinkedIn in der SaaS-Analyse vorn: SQL-zu-Closed-Won 30,4 % gegenüber 12,3 % bei Facebook (2023).
Welcher Kanal zu welcher Dealgröße passt
Je höher der Dealwert und je kleiner das Buying Center, desto stärker trägt LinkedIn. Je kleiner der Deal und je breiter die Zielgruppe, desto mehr Platz hat Meta. Die Dealschwellen stammen aus US-Quellen in Dollar, die Größenordnung lässt sich auf Euro übertragen.
- Deals über rund 50.000 € mit kleinem Buying Center: 70 bis 80 % LinkedIn, Meta nur als Retargeting.
- Deals unter rund 10.000 €: Meist dominiert Meta, weil sich der höhere LinkedIn-CPL nicht amortisiert.
- Mittlerer Dealwert, breites Buying Center, kurzer Zyklus: Meta übernimmt Reichweite, LinkedIn das Retargeting der Entscheider (Praxiskonzept ohne Benchmark-Beleg).
Die Quellen widersprechen sich im mittleren Bereich: Ein Enterprise-SaaS-Framework hält bei 10.000 bis 30.000 $ und kurzem Zyklus nur 10 bis 15 % Meta-Anteil für sinnvoll, als reines Retargeting. Behandeln Sie die Schwellen als Orientierung und prüfen Sie sie im Test.
Auch die Zielgruppengröße setzt Grenzen. Bei kleinen, klar umrissenen Zielgruppen deckelt LinkedIn das Volumen. Auf Meta führen zu eng gefilterte Zielgruppen mit wenigen tausend Profilen zu teuren Auktionen ohne Lernvolumen. Wie sich eine kleine Entscheidergruppe erreichen lässt, zeigt der Beitrag zu LinkedIn Ads für Legal Tech.
Parallelbetrieb: Ab wann er funktioniert und wann er beide Kanäle ausbremst
Der Parallelbetrieb funktioniert mit eigenem Testbudget, bremst aus beim 50/50-Split. Er funktioniert, wenn ein Kanal bereits validiert ist und der zweite als begrenzter Test mit eigenem Budget läuft. Er bremst aus, wenn beide Kanäle gleich viel bekommen und keiner genug Daten für die Lernphase sammelt, in der die Plattform ihre Auslieferung optimiert.
Eine häufig zitierte Faustregel für hohe Dealwerte lautet 60 bis 70 % LinkedIn und 30 bis 40 % Meta. Ein 50/50-Start ohne eigene Daten gilt dort ausdrücklich als Fehler. Ein deutschsprachiger Agentur-Blog beschreibt denselben Effekt: Ein zu früh geteiltes Budget zerfasert, und keine Plattform liefert verwertbare Learnings. Als Regel bietet sich an, zunächst 70/30 zugunsten des bereits validierten Kanals zu fahren und erst nach einem vollen Lernzyklus von etwa 4 bis 8 Wochen umzuschichten.
Faustregel: Meta startet als Test mit 15 bis 20 % des Paid-Social-Budgets für 90 Tage, der Rest bleibt auf LinkedIn. Bei 8.000 € Monatsbudget sind das 1.200 bis 1.600 € pro Monat, also 3.600 bis 4.800 € für den Test. Teilen Sie das Testbudget durch Ihren Meta-CPL: Kommen deutlich weniger als rund 20 Leads heraus, ist das Budget für einen Test zu klein.
Das kontrollierte Testbudget hat einen zweiten Nutzen: Vertrieb und Geschäftsführung sehen ein überschaubares Risiko. Das passt zu der Empfehlung, Meta im B2B-SaaS nicht über diesen Anteil hinaus auszubauen, solange es primär als Retargeting-Kanal arbeitet. Die 60/40-Aufteilung ist die Ausbaustufe für Teams, die beide Kanäle bereits mit SQL-Daten bewertet haben.
Den Split rückwärts rechnen: Von Pipeline-Ziel zu Euro-Betrag
Rückwärtsrechnung: Zielumsatz ÷ Dealwert = Abschlüsse, Abschlüsse ÷ Close Rate = SQLs, SQLs ÷ Lead-to-SQL-Rate = Leads, Leads × CPL = Budget, plus 20 % Puffer für Tests und Lernphasen. Alle Werte in der Tabelle sind Platzhalter. Ersetzen Sie sie durch Ihre Zahlen.
| Schritt | Meta | |
|---|---|---|
| Zielumsatz Neugeschäft (Platzhalter) | 600.000 € | |
| Ø Dealwert (Platzhalter) | 30.000 €, also 20 Abschlüsse | |
| Close Rate SQL zu Abschluss (Platzhalter) | 20 %, also 100 SQLs | |
| SQL-Split (Platzhalter) | 80 SQLs | 20 SQLs |
| Lead-to-SQL-Annahme | 17 % | 8 % |
| Benötigte Leads | rund 470 | 250 |
| CPL-Annahme | 140 € | 40 € |
| Mediabudget | rund 65.900 € | 10.000 € |
| Kosten pro SQL | rund 820 € | 500 € |
| Gesamtbudget inkl. 20 % Puffer | rund 91.000 € | |
Die LinkedIn-Annahmen liegen in den Spannen der beiden vorigen Abschnitte, der Meta-CPL ist reine Annahme, weil dafür keine DACH-Spanne vorliegt. Aussagekräftig ist der Break-even: Mit 8 % Lead-to-SQL-Rate darf ein Meta-Lead höchstens rund 66 € kosten (140 € × 8 ÷ 17), damit die Kosten pro SQL nicht über denen von LinkedIn liegen. Liegt Ihr Meta-CPL im Test darüber, trägt der Kanal im Mix nicht.
Der LinkedIn-CPL der Rechnung entspricht einem Content-Lead, Termin-Leads kosten laut der Tabelle im ersten Abschnitt deutlich mehr. Welche Conversion als Lead zählt, verschiebt also CPL und Quote zugleich. Für Software-Anbieter wägt der Beitrag zu Demo-Termin oder E-Mail-Liste als Ziel beide Wege ab.
Technische und organisatorische Voraussetzungen für sauberes Pipeline-Reporting
Ohne Kanalzuordnung im CRM bleibt jede Kanaldiskussion eine Meinungsfrage. Vier Voraussetzungen müssen stehen, bevor Sie Budget zwischen den Kanälen verschieben:
- Das CRM speichert je Lead Kanal, Kampagne und Quelle per UTM-Parameter und führt den SQL-Status als eigenes Feld.
- Vertrieb und Marketing einigen sich schriftlich auf die SQL-Definition, und der Vertrieb pflegt den Status zeitnah.
- Qualifizierte Leads gehen als Ereignis zurück: bei Meta über die Conversions API, bei LinkedIn per Offline-Conversions.
- Das Reporting zeigt Kosten pro SQL und Pipeline-Wert je Kanal, der CPL bleibt eine Hilfsgröße.
Offline-Conversions laden CRM-Ergebnisse in die Plattform hoch, das LinkedIn Insight Tag liefert ergänzend die Websitedaten. So optimieren die Algorithmen auf SQLs statt auf bloße Formularabsendungen.
In Deutschland kommt die Einwilligungsfrage hinzu: Das LinkedIn Insight Tag gehört im Consent-Management-Tool in die Kategorie „Marketing“ und darf erst nach aktiver Zustimmung feuern. Für den Einsatz sind außerdem Datenschutzerklärung und ein Auftragsverarbeitungsvertrag mit LinkedIn nötig. Eine behördliche Einzelfallprüfung zu Insight Tag oder Conversions API im B2B-Leadkontext liegt nicht vor, die Einordnung stützt sich auf die allgemeine Orientierungshilfe der Datenschutzaufsichten und die Fachauslegung.
Dahinter steht ein Personalthema: Jemand muss CRM-Felder, Tracking und Auswertung verantworten und beide Kanäle wöchentlich steuern. Das kann ein internes Team leisten, wenn die Zuständigkeiten klar sind. Wer zuerst wissen will, wo im bestehenden Konto Budget versickert, beginnt mit einem Ad-Account-Audit des bestehenden Kontos.
Le Turbo Digital, eine Performance-Marketing-Agentur mit Standorten in Köln, München und Palma, deckt Meta Ads, Tracking und Web Analytics ab. Für den Budget-Split bietet die Agentur eine Potenzial-Analyse an, die Kontodaten aus LinkedIn Campaign Manager und Meta Ads Manager durchrechnet.
Die Zahl, die ins Meeting gehört
Die Entscheidung lautet nicht „LinkedIn oder Meta“, sondern: Welche Kosten-pro-SQL-Zahl können Sie in 90 Tagen vorlegen? Für das Meeting genügt ein Satz: LinkedIn bleibt der validierte Kanal mit 80 bis 85 % des Budgets, Meta läuft mit dem Rest als begrenzter Test, und die SQL-Schwelle, ab der das Budget zurückgeht, steht vorab fest.
Als nächsten Schritt übertragen Sie die Rückwärtsrechnung aus dem Abschnitt „Den Split rückwärts rechnen“ in Ihre Budgettabelle und ersetzen die Platzhalter durch Werte aus Campaign Manager, Ads Manager und CRM. Fehlen Teile davon, zeigt eine Potenzial-Analyse mit echten Kontodaten, welche Annahmen tragen und welche Sie erst im Test klären müssen.
Häufige Fragen
Welches Mindestbudget braucht ein Meta-Test im B2B?
Rund 4.000 € pro Monat und Plattform setzt ein B2B-Vergleichsrechner für einen fairen Vergleich an. Meta-Einstiege starten laut Mittelstands-Vergleichen schon bei 1.000 bis 1.500 € im Monat, liefern aber nur erste Signale. Entscheidend sind mindestens rund 20 Anfragen je Kanal.
Woran erkenne ich nach 90 Tagen, dass mein Split falsch war?
An einer SQL-Schwelle, die Sie vor dem Start festlegen. Beispiel: Erreichen unter 8 % der Meta-Leads SQL-Status, geht das Budget zurück zu LinkedIn. Schichten Sie unterjährig erst nach einem vollen Lernzyklus um, nie nach einzelnen schwachen Wochen.
Welche typischen Fehler machen Meta-Kampagnen im B2B teuer oder die Leads schlecht?
Drei Fehler dominieren: zu eng gefilterte Zielgruppen mit wenigen tausend Profilen, Formulare ohne Qualifizierungsfelder und fehlendes Rückspielen des SQL-Status an die Plattform. Alle drei lassen sich vor dem Start beheben.
Was bedeutet das Rückspielen von Lead-Qualität für den Datenschutz in Deutschland?
Es braucht in der Regel eine Einwilligung: Gehashte E-Mail-Adressen an Meta oder LinkedIn zu übermitteln, stützt sich meist auf Art. 6 Abs. 1 lit. a DSGVO, Pixel und Tags kommen mit § 25 TDDDG hinzu, den die Orientierungshilfe der Datenschutzkonferenz konkretisiert. Die Conversions API ändert daran nichts, ein Opt-out muss auch serverseitig gelten.
Wie rechne ich Kosten pro SQL, wenn das CRM die Kanalquelle nicht sauber führt?
Gleichen Sie die Lead-Listen aus Campaign Manager und Ads Manager per E-Mail-Adresse mit dem CRM ab und zählen Sie die SQLs je Liste. Das ergibt eine Näherung. Weisen Sie die Zuordnungsquote im Reporting aus.